Ненасытный интеллект: сколько электроэнергии потребляют нейросети

Сложность и размер нейросетей растут, и с этим увеличивается их потребление энергии. Во время обучения им необходимо обрабатывать колоссальные объемы данных, подстраивая миллиарды, а иногда и триллионы внутренних параметров. Примером служат модели GPT: первая версия, выпущенная в 2018 году, использовала 117 миллионов параметров, тогда как GPT-2 — 1,5 миллиарда, а в GPT-4 это число превышает 1,7 триллиона. Но чем больше размер нейросети, тем выше её "аппетиты": обучение GPT-2 обошлось в 50 тысяч долларов, тогда как на GPT-4 компания OpenAI потратила уже более 100 миллионов долларов.
Энергетическая инфраструктура

Ведущие компании, занимающиеся разработкой ИИ, активно инвестируют в энергетическую инфраструктуру. Google и Amazon Web Services начали проекты по строительству атомных реакторов для снабжения своих дата-центров. Microsoft объявила о планах по созданию термоядерной электростанции Helion в Вашингтоне для обеспечения своих вычислительных мощностей.

Для функционирования дата-центров, включая охлаждение и питание тысяч графических процессоров, требуются значительные финансовые ресурсы. Энергетические затраты растут с каждым годом: для подготовки GPT-4 было потрачено 51–62 ГВт*ч — достаточно для обеспечения мегаполиса, такого как Сан-Франциско, в течение нескольких дней.

По данным Международного энергетического агентства (МЭА), на вычисления и хранение данных в мире уходит до 1,5% всей электроэнергии, а в США этот показатель достиг уже 4,4%. Прогнозируется, что к 2028 году он может увеличиться до 12%. Однако новые крупные дата-центры для нейросетей могут усугубить ситуацию. В Вайоминге планируется строительство дата-центра, который будет потреблять до 87,6 ТВт·ч в год, что в пять раз превышает потребление всего штата и вдвое больше текущих возможностей генерации.

«Растущий спрос ИИ на электроэнергию опережает развитие энергосистемы, создавая критическое "узкое горлышко",» — отмечают эксперты.

Энергия запросов

Энергия нужна не только для обучения нейросетей, но и для обработки запросов. Хотя каждый отдельный запрос требует небольшой доли ресурсов, при миллионах запросов в месяц эти значения становятся значительными.

Исследование Университета Карнеги – Меллона показывает, что стандартный текстовый запрос использует 0,47 Вт*ч, и, обрабатывая 1,2 миллиарда таких задач в месяц, GPT-4 потребляет более 550 МВт*ч. Генерация изображений требует ещё больше энергии: по данным того же отчета, создание одной картинки требует столько же, сколько зарядка смартфона. Однако точные данные о потреблении энергии конкретными моделями недоступны, так как компании не спешат делиться этой информацией.

На данный момент нет официальной статистики по потреблению электроэнергии системами ИИ в России. Однако по оценкам Gbig Holdings, в 2025 году это число составит 8–12 ТВт*ч, что меньше 1% от общей генерации. В консервативном сценарии к 2030 году потребление нейросетей может вырасти до 30–50 ТВт*ч, а в агрессивном — до 80–100 ТВт*ч. На данный момент это не представляет угрозы для энергосистемы страны.

Летом 2025 года Сэм Альтман, глава OpenAI, заявил, что один запрос к GPT-4 требует 0,34 Вт*ч, а Google указала, что на каждое обращение к модели Gemini уходит 0,24 Вт*ч. Несмотря на небольшие цифры, пользователи уже сталкиваются с ограничениями на использование нейросетей или платным доступом. Эта ситуация заставляет разработчиков учитывать новый аспект — «энергетическую стоимость» создания и эксплуатации моделей. Примером является китайская DeepSeek, которая, предлагая функции масштабных нейросетей, потребляет в 2–2,5 раза меньше ресурсов.