Мировая энергетика на грани: почему ИИ стал необходимостью

Крупнейшие экономики мира сталкиваются с одной и той же проблемой: искусственный интеллект потребляет электроэнергию с темпами, для которых энергосети изначально не проектировались. В США цены на мощности на оптовом рынке PJM — крупнейшего оператора энергосети страны — выросли более чем в десять раз за два года, и рост дата-центров признан главным драйвером этого процесса. В Европе энергокомпании спешат модернизировать трансмиссионную инфраструктуру, чтобы успеть за спросом гиперскейлеров. Международное энергетическое агентство (МЭА) прогнозирует, что к концу десятилетия глобальное потребление электроэнергии дата-центрами может приблизиться к 1 000 ТВт·ч. Возобновляемые источники энергии существуют в достаточном объёме, но способность координировать их на уровне национальных энергосистем — того, чего большинству стран до сих пор не хватало.

Но Китай это сделал.

Первая полная ИИ-карта ветро-солнечной инфраструктуры нации

Исследование, опубликованное в журнале Nature группой учёных из Пекинского университета и DAMO Academy компании Alibaba, привело к результату, которому не удавалось достичь ни одной стране ранее: полная высокодетальная ИИ-инвентаризация всей ветровой и солнечной инфраструктуры целого государства с аналитическим фреймворком для её координации как единой системы. Используя модель глубокого обучения, обученную на спутниковых снимках с субметровым разрешением, команда идентифицировала 319 972 солнечных фотогальванических установки и 91 609 ветровых турбин, обработав 7,56 терабайта изображений.

Предыдущие исследования комплементарности солнечной и ветровой энергетики — идеи о том, что два источника могут взаимно компенсировать свою изменчивость во времени и пространстве — в основном опирались на гипотетические или смоделированные сценарии развертывания. Как комплементарность проявляется в реальной инфраструктуре и как она влияет на системные показатели интеграции, оставалось неясным до сих пор. Исследователи показали, что взаимодополняемость солнечной и ветровой генерации существенно снижает изменчивость выработки, причём эффективность возрастает с увеличением географического охвата пары. На практике чем дальше друг от друга расположены координируемые объекты, тем надёжнее они обеспечивают баланс. Облако, накрывшее солнечные фермы в Ганьсу, не затемнит ветровые коридоры во Внутренней Монголии.

Технология: как ИИ каталогизировал энергетику целой страны

Техническое достижение заслуживает отдельного внимания. Модель глубокого обучения DAMO Academy была обучена распознавать солнечные фотогальванические станции и ветровые турбины по спутниковым снимкам с субметровым разрешением — задача, осложнённая огромным разнообразием типов установок, условий рельефа и качества изображений. Итоговый набор данных охватывает объекты в 1 915 китайских уездах — от крышных панелей в прибрежных городах до масштабных ветровых ферм на Монгольском плато. Обработка 7,56 терабайта изображений для создания единых национальных инвентарных данных на уровне уезда — это демонстрация того, на что способен крупномасштабный геоинформационный ИИ при решении инфраструктурных задач, и шаблон, который другие страны в принципе могут воспроизвести.

Экономика и стратегия: почему это важно для мира

Сектор чистой энергетики Китая в прошлом году сгенерировал, по оценкам, 15,4 триллиона юаней (2,26 трлн долларов) экономического объёма — эквивалент ВВП всей Бразилии, по данным финского Центра исследований энергетики и чистого воздуха (CREA). Управление активами такого масштаба без инструмента национальной видимости всегда было сдерживающим фактором, и этот барьер теперь снят.

Исследователи указывают на структурную неэффективность в том, как Китай в настоящее время управляет своей энергосетью: координация осуществляется на уровне провинций, а не страны в целом. Переход к единому национальному масштабу, по мнению авторов исследования, облегчил бы сопряжение взаимодополняющих источников энергии, стабилизировал сеть и сократил отсечение — то есть бесполезную трату выработанной возобновляемой энергии, которая долгое время оставалась одной из самых дорогостоящих проблем чистой энергетики Китая.

Профессор Пекинского университета Лю Ю из Школы наук о Земле и космосе охарактеризовал эту инвентаризацию как возможность увидеть новую энергетическую картину страны с «видом с высоты птичьего полёта» — формулировка, которая несёт больше операционного смысла, чем может показаться на первый взгляд. Операторы энергосетей не могут оптимизировать то, о чём они не знают — до сегодняшнего дня этот барьер преодолён.

При этом Китай находится в разгаре стремительного роста электроэнергопотребления, обусловленного ИИ. По данным Китайского совета по электроэнергетике, потребление сектором данных и масштабных вычислительных мощностей выросло на 44% в годовом выражении в первом квартале 2026 года, достигнув 22,9 миллиарда кВт·ч — исключительно высокий темп для отрасли с и без того значительным спросом. Это ускорило расширение дата-центров в северных и западных провинциях Китая, где земля дешевле, ресурсы ветра и солнца доступнее, а цены на электроэнергию ниже. Провинции, в которых планируется размещение новых дата-центров, — это те же регионы, где показатели солнечно-ветровой комплементарности наиболее высоки.

Набор данных и код исследования размещены в открытом доступе на платформе Zenodo, что делает этот проект не только научным прорывом, но и практическим инструментом для других стран.