(arte de fusão vetorial/Shutterstock)
A IA muitas vezes tem a ver com escala, mas o significado de “escala” está começando a mudar. Durante anos, isso significou lançar mais GPUs para resolver o problema, adicionar armazenamento e explorar conjuntos de dados maiores. O que nada disso adianta se você não conseguir alimentar algo ainda mais elementary: a eletricidade. Em parte 1 de nossa série Powering Information within the Age of AIaprendemos como a energia passou de uma despesa básica para o limite superior do progresso da IA. A Parte 2 começa onde a indústria percebe que isso não é apenas uma limitação técnica, é uma questão de controle.
As empresas de IA mais ambiciosas não estão a tentar utilizar a energia de forma mais eficiente. Eles estão tentando possuí-lo. Essa transformação está reescrevendo todo o guide de infraestrutura. A nova fronteira são os sistemas de energia construídos especificamente para IA.
Pequenos reatores modulares, contratos de fusão, microrredes privadas, armazenamento de longa duração, pilhas de energia verticalmente integradas: estes já não são conceitos; eles são obrigatórios. Este é o advento da soberania computacional, onde quem detém o poder por trás da inteligência no futuro detém a própria inteligência.
Do problema energético ao controle energético
A energia deixou de ser uma dessas questões de fundo quando as empresas de tecnologia descobriram que a rede nunca foi construída para o que estavam a tentar fazer. A lógica foi bastante simples durante décadas: construir um knowledge middle, conectá-lo à rede e mantê-lo refrigerado. Isso funcionou – até que não funcionou.
A equação mudou à medida que os modelos de IA cresciam em tamanho e as execuções de treinamento não levavam mais apenas horas, mas dias ou até semanas. Deixou de ser uma entrada de largura de banda no orçamento e passou a funcionar como uma vantagem. As empresas passaram anos tentando superar o problema com ganhos de eficiência: chips melhores, resfriamento mais rígido, agendamento mais inteligente, tudo isso supostamente significaria que cada novo ganho abriria espaço para cargas de trabalho mais agressivas. Todas as economias obtidas foram imediatamente consumidas por modelos maiores e computação ininterrupta. Em última análise, o gargalo não estava dentro do knowledge middle. Foi a tomada.
Essa constatação foi elementary para que a energia passasse silenciosamente da planilha da equipe de instalações para o primeiro plano das estratégias da sala de reuniões. As questões mudaram: quanta energia podemos realmente extrair? Quem determine isso? O que acontecerá quando precisarmos dobrar esse valor no próximo ano? E porque é que deixamos outra pessoa gerir o único recurso do qual tudo o resto depende: se podemos construir o futuro que planeamos?
Por que a Huge Tech não confia mais na rede
(yelantsevv/Shutterstock)
A falha da rede forçou a indústria a levar a energia a sério. Em 2024, a concessionária que fornece energia ao centro de dados da Virgínia do Norte, Dominion Power, informou aos reguladores estaduais que não poderia prometer novo poder para knowledge facilities de IA a menos que concordem em partilhar algumas das despesas com atualizações da rede em grande escala. Isso por si só foi um tiro de alerta.
Depois veio o condado de Loudoun, sede de vários knowledge facilities na Virgínia, que começou a pisar no freio em projetos aprovados ou planejados à medida que as subestações existentes atingiam a capacidade. O que estas empresas de electricidade diziam é que simplesmente não têm energia suficiente para sustentar a ascensão meteórica da GenAI.
Este period um problema international. Em 2024, o regulador energético da Irlanda deixou claro que qualquer novo centro de dados em Dublin teria de fornecer a maior parte da sua capacidade de geração ou armazenamento de energia, em vez de recorrer à rede nacional. Singapura também trouxe de volta aprovações de knowledge middle apenas para projetos com energia no native ou ultraeficiente.
A Holanda nem sequer negociou; o governo recusou projeto gigante de knowledge middle da Meta em 2024 devido à procura excessiva de energia. Estes são os principais centros da rede international de IA, e não apenas dos mercados emergentes. Isto mostrou que a eletricidade para os knowledge facilities de IA não é garantida, nem mesmo para os gigantes da tecnologia ou para os mercados desenvolvidos.
Também destacou que a infraestrutura pública não foi capaz de acompanhar a ascensão meteórica da GeAI. Não foi possível escalar com cargas de trabalho de IA. Esse foi o ponto de viragem. As empresas de IA começaram a ver a energia não como algo que compram, mas como algo que devem tentar controlar ou mesmo possuir como meio de autopreservação.
Nuclear como estratégia: SMRs e fusão passam para o centro do palco
É fácil pensar no renascimento da energia nuclear na infra-estrutura de IA como uma narrativa de energia limpa. Mas não é. A jogada actual é alavancar, eliminando a última dependência externa entre os gigantes da computação e o controle full-stack.
Quando A Microsoft fechou aquele acordo de vinte anos para reviver o reator inativo da Unidade 1 de Three Mile Island, não foi porque a matemática deles superou o custo da energia photo voltaic por quilowatt-hora. Isso ocorreu porque a instalação forneceu 835 megawatts de carga de base estável. Isso significa ausência de variabilidade, risco de redução e ausência de dependência dos operadores da rede. A energia é pré-alocada, vinculada ao native e politicamente isolada. Agora, isso é um verdadeiro trunfo na period da IA.
Os pequenos reatores modulares (SMRs) vão ainda mais longe. Eles diminuem a distância entre a geração de energia e a execução da computação. Eles podem ser implantados próximos e em contêineres e, talvez o mais importante, podem ser controlados. É por isso que a Amazon está explorando ativamente um em seu hub de nuvem no leste de Washington.
O Departamento de Energia dos EUA (DOE), que declarou abertamente modelos de colocation SMR – AI suportadosvê-os como uma forma de garantir “cargas de alta segurança” para a infraestrutura de IA. No entanto, transformar SMRs de protótipos em infraestruturas de produção não acontecerá da noite para o dia.
(Faça mais antenas/Shutterstock)
Só o licenciamento leva anos e as primeiras construções são caras, especialmente quando tudo, desde o combustível até à fabricação, tem de ser desenvolvido em paralelo. Os EUA ainda estão a trabalhar num fornecimento interno estável de urânio de alto teor e baixo enriquecimento (HALEU), que será necessário para muitos reactores avançados.
Depois, há a questão de como essas configurações interagem com a rede. Problemas de medição podem ser um obstáculo. O acordo da Amazon para se localizar com a planta de Susquehanna atingiu um deadlock quando os reguladores interromperam as regras de medição, pois havia preocupações de que os knowledge facilities pudessem se beneficiar dos sistemas de transmissão sem pagar por eles.
A fusão desempenha um papel diferente: oferece uma fuga regulatória. Sistemas de fusão não se enquadram no mesmo regime de licenciamento da Comissão Reguladora Nuclear porque não sustentam reações em cadeia nem produzem resíduos radioativos de longa duração. Essa distinção authorized é crítica. Significa que a fusão pode avançar mais rapidamente, enfrentar menos pontos de estrangulamento político e evitar o deadlock que durou décadas e que enterrou todos os planos de reactores tradicionais desde a década de 1980.
A Helion, a empresa de fusão apoiada por Sam Altman no estado de Washington, promete electricidade até 2028. Também vai além disso ao tentar construir uma fonte de energia que viva fora das antigas restrições. Se for bem-sucedido, a eletricidade não será apenas limpa ou barata; será soberano. Sem permissões de grade. Sem restrição. Sem porteiros externos. Não se trata de possuir poder em prol da sustentabilidade. Trata-se de possuir o único recurso que determina quem pode construir inteligência e quem deve pedir permissão.
A energia nuclear, tanto na forma de fissão como de fusão, está a tornar-se a espinha dorsal silenciosa da soberania informática, e as empresas que avançam primeiro não estão a fazer uma aposta, estão a aproximar-se de fortalecer o seu futuro.
Construindo a pilha de energia de IA
Com a rede já não sendo vista como um parceiro confiável, as empresas de IA estão começando a agir como arquitetos de infraestrutura. A estratégia agora não é apenas comprar energia – é construir em torno dela. Terreno, fonte de energia, resfriamento e latência estão todos agrupados em um plano integrado. O design do knowledge middle tornou-se um problema em grande escala e as empresas mais inteligentes estão tratando-o como tal.
(cristal51/Shuttertock)
A moderna pilha de energia de IA vai muito além de conectar-se à energia photo voltaic ou comprar um PPA. Ele é dividido em camadas e adaptado às cargas de trabalho que deve suportar. A geração no native pode incluir energia photo voltaic, hidrelétrica ou nuclear, dependendo do que estiver disponível — e do que a área computacional exigir. Google é investindo em sistema geotérmico aprimoradoEstá perto de seu knowledge middle em Nevada.
Em outros lugares, os hiperscaladores estão co-localizados próximos à energia hidrelétrica ou explorando SMRs para obter carga de base preparada para o futuro. Os sistemas de armazenamento variam de matrizes de íons de lítio a ferro-ar e hidrogênio. Além disso, você encontrará orquestração inteligente: programação consciente do carbono, mudança preditiva de carga e até mesmo modelos de IA prevendo sua própria demanda para pré-condicionar a rede.
Algumas empresas estão a ir mais longe, construindo microrredes privadas e o que equivale a ilhas energéticas. Por exemplo, QScale em Quebec é emparelhando hidro com resfriamento otimizado por IA. da Microsoft ambições apoiadas pela fusão com Helion sugerem um last de jogo onde a geração, a computação e o agendamento ficam todos dentro da mesma linha de cerca.
O que é especialmente novo é como a IA está começando a moldar a curva de uso de energia. Em vez de reagir aos sinais da rede, as cargas de trabalho estão a ser cronometradas para se alinharem com a intensidade de carbono ou o fornecimento native. O Google já faz isso em todas as regiões. A Gridmatic está usando sinais de mercado para despachar a carga quando ela estiver mais barata. A DeepMind até treinou modelos para prever antecipadamente os desequilíbrios da rede. O resultado é uma inversão sutil: a IA costumava ser um problema para a rede. Agora, está começando a agir como um estabilizador, e as empresas que entenderem isso estarão melhor posicionadas para uma computação preparada para o futuro.
Itens Relacionados
OpenAI pretende dominar a grade de IA com cinco novos knowledge facilities
CHEFSI do MIT reúne dados de IA, HPC e materiais para simulações avançadas