Гиперскейлеры, масштабирующие инфраструктуру для искусственного интеллекта следующего поколения, столкнулись с жестким термодинамическим ограничением. Современные рабочие нагрузки ИИ вызывают резкие и мощные скачки энергопотребления во время интенсивного обучения моделей и работы инференса в реальном времени. Это создает критическую нагрузку на традиционные электросети и распределенную генерацию на площадках ЦОД. В то время как операторы дата-центров стремятся получить гарантированную безуглеродную мощность, стартапы в сфере ядерной энергетики предлагают малые модульные реакторы (SMR) в качестве базового источника генерации — несмотря на очевидный технологический разрыв между стабильной ядерной реакцией и хаотичным характером вычислительных нагрузок.

Проблема нестабильности автономного энергоснабжения

Атомные электростанции наиболее рентабельны при непрерывной работе на полной мощности: в США они демонстрируют самый высокий коэффициент использования установленной мощности среди всех видов генерации — 92,5%. Однако традиционные энергоблоки медленно меняют уровень отдачи, наращивая мощность лишь примерно на 5% в минуту, согласно данным Национальной лаборатории Скалистых гор. Даже перспективные проекты малых модульных реакторов разгоняются максимум на 10% в минуту, что делает их неспособными самостоятельно справляться с резкими скачками энергопотребления серверов.

Когда масштабные ИИ-кластеры обрабатывают крупные пакеты данных или сталкиваются с пиковыми запросами на инференс, внезапные перепады нагрузки на GPU перегружают локальные генераторы настолько сильно, что газовые турбины выходят из строя из-за механических повреждений. Обычно гиперскейлеры развертывают гигантские аккумуляторные батареи для сглаживания этих скачков, что ведет к колоссальным дополнительным капитальным затратам поверх расходов на генерацию.

Стартапы рассчитывают, что серийное производство малых модульных реакторов снизит капитальные затраты, но это еще предстоит доказать.

Поскольку атомные реакторы требуют самых высоких капитальных вложений среди всех технологий генерации, снижение их мощности ниже номинальной напрямую бьет по срокам окупаемости проекта, превращая постоянное маневрирование мощностью в финансовую ловушку для первых коммерческих внедрений.

Буферизация динамических нагрузок с помощью расплава солей

Основанный Биллом Гейтсом стартап TerraPower обходит этот эксплуатационный тупик за счет интеграции теплового буфера в проект реактора Natrium мощностью 345 МВт с охлаждением жидким натрием. Вместо того чтобы снижать мощность активной зоны при падении спроса на электричество, реактор Natrium продолжает работать в стабильном базовом режиме, сбрасывая избыточное тепло напрямую в резервуар с расплавом солей.

В моменты пикового энергопотребления вычислительного кластера станция задействует накопленный тепловой резерв для выработки дополнительного пара и резко увеличивает отдачу электричества через турбины, не меняя скорость деления ядер внутри самого реактора. Изначально TerraPower разработала эту архитектуру теплового хранения для компенсации нестабильности ветровой и солнечной генерации в энергосистеме, однако механизм точно так же эффективно демпфирует скачки спроса со стороны гиперскейлерных дата-центров.

Коммерческие перспективы и экономика внедрения

Крупные технологические заказчики, столкнувшиеся с дефицитом мощностей в центральных сетях, уже форсируют коммерческие контракты. В январе Meta договорилась о закупке восьми энергоблоков Natrium у TerraPower. Кроме того, по данным Bloomberg, TerraPower планирует объявить о своем первом специализированном проекте для дата-центра уже в этом году. Строительство второго коммерческого энергоблока стартапа начнется в 2027 году — после завершения демонстрационной установки, которая сейчас возводится в Вайоминге.

Разработчики ядерных технологий продвигают серийные SMR как универсальное готовое решение для энергодефицитных ЦОД. Тем не менее до ввода первых коммерческих блоков в эксплуатацию и получения всех регуляторных одобрений пройдут годы, а эффект масштаба в производстве проявится не раньше середины 2030-х. На этом фоне технологические гиганты вынуждены замораживать капиталы в еще не построенных реакторах, чтобы застраховаться от неминуемого энергетического кризиса.

Искусственный интеллектОблачные вычисленияИнвестиции в ИИMeta AI