Google și NVIDIA lansează AI Energy Management Alliance: centrele de date devin consumatori flexibili ai rețelei — NRG-IA

Google, NVIDIA și Emerald AI au lansat pe 16 septembrie AI Energy Management Alliance, o inițiativă care atacă una dintre cele mai mari probleme create chiar de expansiunea inteligenței artificiale: centrele de date cer cantități tot mai mari de electricitate, dar rețelele, centralele și noile racordări nu pot crește în același ritm. Soluția propusă schimbă însă întrebarea. În loc ca fiecare centru AI să ceară permanent întreaga putere pentru care este dimensionat, o parte din consum poate deveni controlabilă și poate scădea exact în orele în care sistemul electric este cel mai solicitat. Mecanismul pornește de la o particularitate importantă a inteligenței artificiale: nu toate calculele trebuie executate în aceeași secundă. Unele servicii sunt critice și trebuie să rămână disponibile continuu, dar anumite procese de antrenare, calcule batch sau alte sarcini care suportă întârziere pot fi încetinite ori mutate în alte intervale. În loc să întrerupă centrul de date, software-ul poate decide ce activități continuă la putere maximă și ce calcule pot aștepta până când presiunea asupra rețelei scade. Pentru sistemul energetic, diferența poate fi majoră. O infrastructură care trebuie să poată furniza permanent 1.000 MW unui consumator este proiectată diferit de una care știe că acel consumator poate coborî rapid și predictibil cu o parte din putere în cele mai dificile ore ale anului. Flexibilitatea nu produce electricitate nouă, dar poate crea spațiu operațional în rețeaua existentă. Calculul AI devine o formă nouă de flexibilitate energetică Demand response-ul nu este o invenție a industriei AI. Mari consumatori industriali reduc de ani întregi consumul atunci când sistemul are nevoie de ajutor. Noutatea este posibilitatea ca o infrastructură digitală de foarte mare putere să transforme chiar programarea calculelor într-un instrument energetic. Un centru de date poate răspunde unui semnal al operatorului prin mai multe mecanisme. Sarcinile informatice care suportă întârziere pot fi mutate în timp, bateriile locale pot alimenta temporar o parte din echipamente, iar producția proprie poate reduce cantitatea de electricitate preluată din rețea. Serviciile care necesită disponibilitate imediată pot continua să funcționeze. Pentru utilizator, asta poate însemna că serviciile critice rămân active, în timp ce operațiuni invizibile și mai puțin urgente sunt reprogramate în fundal. Din perspectiva rețelei, același centru de date nu mai apare doar ca un consumator uriaș care cere electricitate, ci și ca un consumator capabil să răspundă controlat la problemele sistemului. Această diferență devine tot mai importantă pe măsură ce dimensiunea centrelor AI crește. Lawrence Berkeley National Laboratory estimează că centrele de date ar putea ajunge în scenariul său de referință la aproximativ 11,8% din consumul total de electricitate al Statelor Unite în 2030 , cu o plajă a scenariilor între 9,5% și 15,3%. La această scară, problema nu mai privește doar companiile de tehnologie. Centralele, liniile electrice, transformatoarele și rezervele necesare pentru a alimenta aceste centre intră în costul general al sistemului. Google are deja 1 GW de flexibilitate integrată în contractele energetice Google a anunțat în martie 2026 că a integrat în contractele sale energetice pe termen lung cu mai multe companii de utilități din Statele Unite un total de 1 GW de capacitate de demand response . Această cifră nu reprezintă un gigawatt de consum care a fost redus simultan într-un singur eveniment. Ea reprezintă capacitatea de demand response inclusă contractual, prin care Google poate limita sau muta o parte din sarcinile sale de machine learning atunci când condițiile din sistem o cer. Diferența este importantă, dar realizarea rămâne semnificativă: flexibilitatea calculului AI începe să treacă din zona experimentelor în relația contractuală dintre centrele de date și companiile de electricitate. Google a testat anterior reducerea sarcinilor de machine learning în colaborare cu operatori de utilități, iar noua etapă arată cum accesul la energie poate începe să fie negociat nu doar prin întrebarea „câți megawați sunt necesari?”, ci și prin „câți dintre acești megawați pot fi reduși când sistemul are nevoie?”. Pentru consumatorii obișnuiți, această schimbare poate avea o consecință foarte concretă. Dacă un mare consumator își poate reduce cererea în puținele ore în care rețeaua ajunge aproape de limită, poate scădea necesarul unor investiții construite exclusiv pentru satisfacerea acelor vârfuri. Efectul exact depinde de regiune, infrastructură și regulile tarifare, dar flexibilitatea poate reduce presiunea asupra costurilor care ajung, în final, în tarifele suportate de consumatori. Testul de 256 de GPU-uri arată că mecanismul poate funcționa Ideea are deja și o demonstrație tehnică publicată într-o revistă științifică. Un studiu publicat în Nature Energy a testat mecanismul într-o instalație cloud hyperscale din Phoenix, Arizona, pe un…