За последние полтора года сектор информационных технологий окончательно вышел за рамки обычного потребителя энергетических услуг. Сегодня ИТ-индустрия стала крупнейшим корпоративным инвестором в энергетику, на долю которого приходится около 40% всех мировых договоров на прямую покупку чистой электроэнергии [1]. Отрасль перешла в позицию самостоятельной макроэкономической силы, которая если не напрямую диктует, то настойчиво указывает рынку, какие именно электростанции следует строить в ближайшее десятилетие.
Смена ролей и конфликт скоростей
Стремительное развитие искусственного интеллекта (ИИ) требует беспрецедентных объемов электричества на локальном уровне, однако эта же технология выступает критически важным инструментом для цифровизации и оптимизации самих энергосистем в условиях роста доли возобновляемых источников энергии [10].
При этом эффект ИИ для энергетики не сводится к управлению спросом: технология способна ускорять исследования, проектирование, эксплуатацию и поиск новых решений в энергетическом машиностроении. Однако практический масштаб такого эффекта пока зависит от качества данных, зрелости моделей и их интеграции в реальные производственные процессы [11].
В данной ситуации главным вызовом для глобальной экономики становится конфликт между стремительно растущим аппетитом виртуальных моделей и консерватизмом физической инфраструктуры. Исторически энергосети проектировались с расчетом на предсказуемый рост спроса со стороны городов и классической промышленности, а планирование осуществлялось с горизонтами до 20 лет. Сегодня же на этот неспешный рынок пришел клиент, чей продукт обновляется каждые полгода, а потребность в гигаваттах удваивается за считаные месяцы. Этот конфликт скоростей становится бутылочным горлышком для технологического прогресса и бросает ощутимый вызов стабильности национальных энергосистем.
Новая математика ИТ-капекса и аппаратный сдвиг
Масштаб экспансии ИИ точнее всего описывают не параметры нейросетей, а финансовые потоки. В 2025 году инвестиции в дата-центры в мире достигли 580 млрд долларов США [2]. Для сравнения: эта сумма на 40 млрд долларов превышает совокупные инвестиции во всю мировую добычу нефти [2].
Потребление электроэнергии дата-центрами — критической инфраструктурой для обучения и работы ИИ — выросло на 17% в 2025 году [3]. Уже сейчас дата-центры во всем мире потребляют около 500 ТВт·ч электроэнергии в год, что превышает общее потребление Франции [13]. Уже к 2030 году на дата-центры придется около 3% от общего мирового спроса на электроэнергию (порядка 950 ТВт·ч), а в масштабах планеты до 2035 года этот показатель, по базовым прогнозам, достигнет 1300 ТВт·ч, что сопоставимо с текущим уровнем потребления электроэнергии в России и уже вплотную подбирается к объемам электричества, которое человечество будет тратить на кондиционирование помещений (внушительные 1500 ТВт·ч) [3, 4, 10, 13].
К тому же потребление ЦОДами географически экстремально сконцентрировано: ожидается, что более 85% новых мощностей дата-центров в ближайшие десять лет будут построены в США, Китае и Европейском Союзе, что создаст колоссальную нагрузку на локальные сети [2]. Только в США на дата-центры придется более половины всего прироста спроса на электроэнергию до 2030 года [5, 10].
Иллюзия программной эффективности
Среди разработчиков существует популярное убеждение, что программная оптимизация способна сдержать этот энергетический аппетит. Однако базовые метрики инференса (процесса, при котором уже обученная нейросеть генерирует ответ на запрос пользователя) таят в себе серьезную проблему.
Если простая генерация текста потребляет относительно немного ресурсов, то внедрение новых ИИ-приложений — для генерации видео, цепочек рассуждений (reasoning) и задач для автономных агентов — требует в сотни (зачастую тысячи) раз больше энергии на каждый запрос [3].
Специализированные ИИ-серверы (accelerated servers) сегодня составляют небольшую долю от всех стоек, но именно на них придется 70% будущего роста энергопотребления всего вычислительного оборудования [6, 10]. В индустрии срабатывает классический парадокс Джевонса: любые успехи инженеров в снижении энергоемкости вычислений лишь делают технологию доступнее, провоцируя взрывной рост ее использования в еще более «тяжелых» сценариях.
Анатомия ИИ-фабрики: экстремальная плотность и микросекундный хаос
Чтобы понять физическую природу этих нагрузок, необходимо заглянуть внутрь современного машинного зала. Развитие генеративных нейросетей постепенно уничтожает старый инженерный стандарт мощности серверных стоек (5–10 кВт). Чтобы минимизировать задержки при передаче данных (latency), инженерам приходится сокращать физическое расстояние между графическим процессором (GPU — graphics processing unit) и блоками памяти. Элементы оборудования буквально «спрессовывают» друг с другом.
В основе работы любой программно-математической ИИ-модели лежит непрерывное перемножение матриц больших данных. Если центральный процессор (CPU — central processing unit) обрабатывает данные последовательно, то GPU разбивает одну колоссальную математическую задачу на множество мелких, заставляя тысячи своих ядер вычислять их параллельно в один и тот же момент. Результатом массового использования GPU для ИИ-вычислений стала беспрецедентная концентрация энергопотребления на квадратный метр.
С 2020 по 2025 год средняя плотность мощности ИИ-серверов подскочила в 11 раз. К 2027 году пиковое потребление всего одной стойки достигнет, по прогнозам, 100–120 кВт — это эквивалентно одновременному максимальному энергопотреблению 65 стандартных домохозяйств.
Эффект стробоскопа и проблема гармоник
Но абсолютные киловатты — лишь вершина айсберга. Куда более серьезной угрозой становится сам профиль этой нагрузки. Процесс обучения моделей строго цикличен. Сначала тысячи графических процессоров одновременно выполняют вычисления, а затем на доли секунды останавливаются, чтобы синхронизировать полученные матрицы данных между собой (фаза all-reduce). В этот микросекундный момент энергопотребление кластера мгновенно обрушивается вниз, а затем так же стремительно взмывает вверх. Амплитуда колебаний может достигать 50% от номинальной мощности объекта.
Для внешней электросети такие секундные скачки подобны ударам кувалдой по водосточным трубам. Процессоры не потребляют ток плавно — они «рвут» его. Это приводит к возникновению гармоник тока — паразитных частот, искажающих синусоиду напряжения сети.
Искажение гармоник вызывает перегрев промышленных трансформаторов на подстанциях. Чтобы защитить сети энергокомпаний, операторы ИИ-фабрик вынуждены устанавливать внутри зданий промышленные суперконденсаторы и гигантские аккумуляторные батареи (BESS — battery energy storage system). Их цель — не резервное питание, а работа в качестве амортизаторов: BESS принимают на себя алгоритмические удары, выдавая во внешнюю сеть ровный график спроса [8].
Термодинамический предел: вода вместо воздуха
Агрессивная плотность оборудования неизбежно ведет к тепловому тупику. Сегодня одна стойка для ИИ генерирует объем тепловой энергии, эквивалентный непрерывной работе 30 бытовых газовых котлов. Традиционное воздушное охлаждение достигло своего абсолютного физического предела: воздух обладает крайне низкой теплоемкостью (теплоемкость воды примерно в 3300–4000 раз выше, чем у того же объема воздуха). Пытаться охладить 120-киловаттную стойку воздухом — все равно что тушить пожар из пульверизатора.
Этот барьер вынуждает отрасль экстренно внедрять жидкостное охлаждение (Direct-to-Chip), при котором дистиллированная вода циркулирует по микрокапиллярам, прижатым непосредственно к горячим кристаллам процессоров. Применение жидкостного охлаждения с закрытым водяным контуром означает, что дата-центру больше не нужно непрерывно забирать свежую воду из внешней среды [7]. Парадоксальным образом это открывает перспективы для муниципальной энергетики.
Передача тепла с серверных жидкостных контуров, нагретых до 60–70 °C, на муниципальные теплоносители не представляет сложности с технологической точки зрения, что делает рентабельной прямую интеграцию дата-центров в городские тепломагистрали. Так термодинамическая безысходность заставляет ИИ-инфраструктуру трансформироваться в активных тепловых доноров для городов [3].
Инфраструктурный паралич, раскол ИИ-фабрик и битва за автономность
Но даже если проблему перегрева внутри машинного зала удается решить, главная драма разворачивается за его пределами. Инфраструктурный паралич сетей, не способных подвести энергию к ЦОДам, обусловлен жесткими аппаратными ограничениями.
Анатомия сетевого тупика: сталь, галлий и медь
Энергетическое машиностроение оказалось не готово к стремительному развитию ИИ-сегмента ИТ-индустрии.
Как следствие, сроки поставки силовых трансформаторов за короткое время выросли с 10 месяцев до 3–4 лет. Узкое горлышко кроется в сырье: для сердечников требуется анизотропная электротехническая сталь (GOES). Ее металлургия невероятно сложна (зерна стали выстраиваются строго в одном направлении для минимизации магнитных потерь), а мировой рынок монополизирован горсткой гигантов вроде японских Nippon Steel и JFE, южнокорейской POSCO и американской Cleveland-Cliffs. Строительство нового прокатного стана стоит миллиарды долларов и занимает 5–7 лет.
Проблема носит не локальный, а системный характер: технологические цепочки энергетического перехода и электроэнергетической инфраструктуры всё сильнее зависят от географически концентрированных производств оборудования и материалов. Это повышает значение промышленной политики, диверсификации поставок и локализации критических компетенций [9].
К тому же, чтобы преобразовать переменный ток в постоянный без расплавления серверов, индустрия вынуждена переходить на силовую электронику из широкозонных полупроводников — карбида кремния (SiC) и нитрида галлия (GaN), где она сталкивается со вторым узким горлышком: зависимостью от Китая, который контролирует 99% мировых поставок очищенного галлия [3].
Третьей системной проблемой являются энергосети, которые также создавались под запросы классической промышленности и не всегда отвечают специфическим потребностям ИТ-индустрии (растущее количество требующих регулярной зарядки электромобилей лишь усугубляет ситуацию). Узким горлышком в данном случае является медь, дефицит которой ощущается уже сейчас, а к 2050 году может составить около 3 млн т, или 40% от объема спроса [13]. Китай, пусть и не являясь монополистом, как в случае с галлием, тем не менее выступает значимым игроком и в этом сегменте, с долей более 40% на мировом рынке рафинированной меди [4].
В этих условиях конкурентоспособность энергетики определяется уже не только ресурсной базой, но и способностью экономики обеспечивать устойчивые цепочки поставок критического оборудования, материалов и компонентов [9].
«Географический раскол» и газовый компромисс
Решив проблему перегрева, ИТ-индустрия попала в другую, геополитическую ловушку — «географический раскол». Фабрики для базового обучения моделей превратились в «энергетических кочевников», которые бороздят просторы континентов в поисках изолированных ГЭС или месторождений дешевого газа. Но фабрики инференса (эти объекты ведут расчеты пользовательских ответов в реальном времени) остаются «городскими заложниками», так как для них критична минимальная задержка оптического сигнала. Они вступают в прямую конкуренцию с населением за каждый мегаватт, что уже вынуждает сетевые компании отказывать в подключениях новым предприятиям, искусственно тормозя экономическое развитие целых регионов.
Чтобы выжить в городах без трансформаторных мощностей, ИТ-гиганты отложили свои обещания о социальной и экологической ответственности бизнеса и начали скупать газовые турбины для установки автономной генерации (onsite power) прямо на «задних дворах» ЦОДов. В 2025 году заказы на турбины взлетели до совокупной мощности в 130 ГВт — абсолютного максимума за четверть века [1]. Общие инвестиции энергетического сектора в физическую инфраструктуру для ЦОДов в 2025 году перевалили за 100 млрд долларов США [1]. Это превышает совокупный объем инвестиций в весь энергетический сектор Африки за тот же период [1].
Газовая турбина обеспечивает ровную базовую мощность, непрерывно заряжая гигантские массивы аккумуляторов, а те, в свою очередь, компенсируют рваный микросекундный ритм GPU — своего рода гибридный автомобиль, если пользоваться более понятным обывателю сравнением. Ожидается, что к 2030 году потребление газа дата-центрами вырастет более чем вдвое — до ~ 32 млрд куб. м (или до 340 ТВт·ч в энергетическом эквиваленте) [3].
Ренессанс атома и малые модульные реакторы (SMR)
Поскольку газовая генерация повышает углеродную интенсивность энергоснабжения ЦОДов и осложняет достижение заявленных целей по безуглеродному энергопотреблению, стратегическим ответом ИТ-индустрии стало воскрешение ядерной энергетики. Сегодня 10% всех контрактов ИТ-гигантов на покупку атомной энергии приходится на SMR [1].
Технологические корпорации уже проанонсировали и поддержали инициативы по строительству 45 ГВт малых модульных реакторов [1, 3].
С инженерной точки зрения, ядро SMR, по аналогии с газовой турбиной, будет работать на ровных 100% мощности, выступая безуглеродным двигателем для зарядки буферных батарей, которые и будут сглаживать скачки.
Потребность в бесперебойной базовой нагрузке сделала Кремниевую долину главным драйвером глобального атомного ренессанса [2, 3]. США, в соответствии с указами президента Дональда Трампа, принятыми в мае 2025 года, должны к 2030 году увеличить мощности существующих реакторов на 5 ГВт и начать строительство 10 новых, а к 2050 году — довести совокупную мощность американских АЭС до 400 ГВт (по сравнению с ~100 ГВт в 2024 году) [18].
Ситуация в России
На сегодняшний день текущая установленная мощность ЦОДов, предназначенных для выполнения «полезных» (не включающих майнинг) вычислений, составляет 1,8 ГВт. В текущем году ключевыми игроками рынка заявлен ввод порядка 10–10,5 тыс. стойко-мест. Согласно прогнозам, к 2030 году ожидается увеличение мощности ЦОДов до 4,3 ГВт. Ежегодно энергопотребление дата-центрами в России растет примерно на 18% [20]. По оценкам «Системного оператора Единой энергосистемы», объем энергопотребления отечественных ЦОДов в 2025 году составлял примерно 2,2% от общего энергопотребления Российской Федерации (около 26 млрд кВт·ч) [20].
При этом проблема географической концентрации ЦОДов Россию стороной также не обошла: в нашей стране около 80% дата-центров сосредоточены в московском регионе. Это серьезная нагрузка на энергосистему столицы: к 2030 году на юге Москвы и Московской области прогнозный дефицит энергомощности составит 1,879 ГВт. Покрывать его предполагается, в том числе, за счет строительства новых ЛЭП с Курской и Нововоронежской АЭС, а также новых энергоблоков [15].
Ведущим игроком на российском рынке обработки данных является группа компаний «Ростелеком/РТК-ЦОД». По итогам 2024 года на нее приходилось около 27 тыс. стойко-мест. В структуру входят несколько дочерних компаний (например, «Центр Хранения Данных», «Даталайн»), а также ПАО «Ростелеком». Компания активно расширяет сеть: например, в 2025 году были запущены третья очередь ЦОДа «Удомля—3» в Тверской области и дата-центр «Нижний Новгород».
На втором месте по размеру находится один из крупнейших частных операторов коммерческих ЦОД компания IXcellerate (на конец 2024 года около 8,2 тыс. стойко-мест). У нее несколько кампусов в Москве (например, Moscow North и Moscow South).
Третье место делят между собой «Росатом» и компания DataPro (каждая с совокупной мощностью более 6 тыс. стойко-мест в 2024 году).
Кроме того, на рынке активны ИТ-компании (например, «Яндекс»), операторы связи (например, «МегаФон»), а также крупные банки, среди которых выделяются Сбербанк, ВТБ, Альфа-Банк и Газпромбанк. Все они активно развивают собственные ЦОДы для обработки и хранения больших массивов данных, в том числе для задач, решаемых с помощью ИИ-технологий.
Примечательно, что на рынок обработки данных всё более агрессивно выходят маркетплейсы, среди которых отдельное место занимает компания Wildberries. В марте 2026 года Wildberries через структуру RWB ввела в эксплуатацию второй ЦОД (первый был запущен в Электростали в 2023 году, его мощность — 4 МВт) в особой экономической зоне «Дубна», на 504 стойки совокупной ИТ-нагрузкой 5 920 кВт. На разных стадиях реализации находятся аналогичные проекты компании в Наро-Фоминске и Екатеринбурге (прицельно под ИИ-вычисления). К 2027 году суммарная мощность всех ЦОДов Wildberries должна достичь 20 МВт.
В последние годы заметную роль в развитии ИИ-индустрии играет и госсектор. Государственные структуры (Минобороны, МЧС, МВД, Минприроды, ФНС, ФМС) активно строят и развивают собственные ведомственные ЦОДы. Точные данные по мощностям в открытом доступе отсутствуют, но в 2024 году на проекты госсектора пришлась половина выручки компаний, занимающихся проектированием и строительством ЦОДов (около 60 млрд рублей) [19].
С учетом строительства в стране новых центров обработки данных общая подведенная мощность к ним может, по оценкам Минцифры и Аналитического центра при Правительстве РФ, вырасти к 2030 году в 2,5 раза [16], а к 2035 году общая энергомощность ЦОДов в РФ прогнозируется в 8 ГВт (классические дата-центры — не менее 5 ГВт, еще 3 ГВт будет приходиться на ИИ-ЦОДы). Географический дисбаланс, пусть и не такой заметный, как сегодня, также сохранится: более 60% мощности, или 5 ГВт, будет приходиться на дата-центры Москвы и Московской области [14].
Тем не менее тенденция миграции ЦОДов в энергопрофицитные регионы постепенно набирает обороты. В частности, это касается облачных сервисов, связанных со сложными вычислениями или работой искусственного интеллекта. Наиболее логичный вариант размещения ЦОДов в таких случаях — рядом с АЭС или гидроэлектростанциями. Перспективными с точки зрения Минэнерго России являются регионы с наличием свободных как генерирующих, так и электросетевых мощностей, в том числе Ленинградская, Тверская, Смоленская, Курская, Томская, Свердловская области, где есть АЭС, а также Красноярский край и Хакасия, Иркутская и Амурская области, где есть ГЭС [20].
В ноябре 2025 года президент РФ Владимир Путин поручил Правительству обеспечить постоянное снабжение дата-центров энергией, а планы их размещения увязать с развитием энергетической инфраструктуры [21]. В настоящее время при Правительстве Российской Федерации действует рабочая группа по вопросам энергоснабжения центров обработки данных, в рамках которой ведется совместная работа с компаниями энергетической инфраструктуры и основными участниками рынка ЦОД. По словам вице-премьера РФ Александра Новака, одной из приоритетных задач Правительства становится формирование Генеральной схемы размещения объектов ЦОД мощностью свыше 5 МВт и ее увязка с Генеральной схемой размещения объектов электроэнергетики до 2042 года, что также было подтверждено руководством Минэнерго России [21, 22].
Вместе с тем единая государственная политика в области энергоснабжения ЦОДов пока не сформирована: предложения председателя Правительства РФ Михаила Мишустина о введении специальных тарифов на электроэнергию для ЦОДов в регионах с профицитом выработки, озвученные в июне 2025 года, не нашли безоговорочной поддержки на министерском уровне. Минэнерго и Минцифры до сих пор не сошлись в подходе к тарификации стремительно растущего энергопотребления ЦОДов, необходимых в том числе для обучения ИИ-моделей: если Минэнерго предлагает перевести крупные ЦОДы и майнинговые объекты на принцип оплаты энергии «бери или плати» с 2027 года, то Минцифры настаивает на дифференцированном подходе, который будет отделять «полезные» (критические) ЦОДы от майнинга [23].
Вывод
Мы являемся свидетелями глобального трансформационного процесса, связанного с радикальным усилением роли математики и программирования в форме гиперболизированного термина «искусственный интеллект» [24] практически во всех сферах экономической и социальной жизни всех развитых и растущей части развивающихся стран, что в свою очередь приводит к лавинообразному увеличению потребляемой ЦОДами электроэнергии.
ИИ-ЦОДы перестают быть просто крупными потребителями электроэнергии. Они становятся инфраструктурными участниками энергосистемы, влияющими на размещение генерации, строительство сетей, развитие накопителей, контрактные модели закупки энергии и региональную промышленную политику. Одновременно ИИ может стать инструментом само́й энергетической трансформации — от оптимизации режимов и технического обслуживания до ускорения разработки новых материалов, оборудования и технологий. Поэтому вопрос состоит не только в том, сколько электроэнергии потребит ИИ, но и в том, насколько эффективно он поможет энергетике использовать и развивать эту инфраструктуру [11].
Как следствие, ИТ-корпорации по всему миру становятся всё более жёсткими конкурентами как для традиционных промышленных и коммунальных потребителей электричества — в борьбе за свободные мощности на рынке, так и для самих энергетических компаний — в соревновании за средства производства электроэнергии.
Список источников:
[1] IEA (2026), World Energy Investment 2026.
[2] IEA (2025), World Energy Outlook 2025.
[3] IEA (2026), Key Questions on Energy and AI.
[4] IEA (2024), World Energy Outlook 2024.
[5] IEA (2026), Electricity 2026.
[6] IEA (2026), Understanding data centre electricity use (Webinar Transcript).
[7] IEA (2026), Global Conference on Energy & AI (Panel Transcript).
[8] IEA (2026), Energy and AI in East Asia.
[9] IEA (2026), Energy Technology Perspectives 2026.
[10] IEA (2026), Energy and AI Special Report.
[11] IEA (2026), The State of Energy Innovation 2026.
[12] РИА Новости/ Интервью с замминистра энергетики РФ Р. Маршавиным, 03.07.2025.
[13] Выступление главного исполнительного директора «Роснефти» И. Сечина на энергетической панели ПМЭФ-2026.
[14] Аналитическая записка Ассоциации участников отрасли ЦОД, июль 2025 г. https://base. dcunion. ru/index. php//АА_ЦОД_08-25_Анализ_состояния_отрасли_ЦОД_столичного_региона.
[15] Схема и программа развития электроэнергетических систем России на 2024–2029 годы. https://minenergo. gov. ru/upload/iblock/202/document_226117.pdf.
[16] Сообщение Правительства по итогам совещания 20.10.2025 под руководством вице-премьера РФ А. Новака по вопросам энергоснабжения ЦОД http://government. ru/news/56707/.
[17] https://www. so-ups. ru/news/press/press-release-view/news/30353/.
[18] Executive orders 14300, 14302 (May 23,2025).
[19] https://www. vedomosti. ru/technology/articles/2024/12/23/1083022-gossektor-zanyal-polovinu-rinka-po-stroitelstvu-data-tsentrov.
[20] Александр Новак. Энергия цифровой трансформации: комплексный подход к решению ключевых задач энергоснабжения ИИ // журнал «Энергетическая политика». — 01.06.2026 https://energy-policy. ru/energiya-czifrovoj-transformaczii-kompleksnyj-podhod-k-resheniyu-klyuchevyh-zadach-energosnabzheniya-ii/novosti/glavnye-novosti/2026/06/01/.
[21] Выступление президента РФ В. Путина 19.11.2025 на конференции AI Journey-2025 «Путешествие в мир искусственного интеллекта».
[22] Пресс-релиз Минэнерго России по итогам совещания по вопросам развития энергетической инфраструктуры для центров обработки данных 2 июня 2026 г.
[23] https://www. kommersant. ru/doc/8497237.
[24] Легчаков К. Е. Нефтегазовый бизнес внедряет технологии искусственного интеллекта // Независимая газета. НГ-Энергия. — 11.11.2025 № 9(202) https://www. ng. ru/energy/2025-11-10/9_9376_business. html.