Великая ИИ-сделка: энергетика. Market Sentiment.

Перевод статьи от Market Sentiment.

Больше переводов в моём телеграмм-канале:

https://t.me/holyfinance

Привет, это наш специальный выпуск для 60 000 подписчиков. На его подготовку у нас ушло больше месяца. Надеемся, вам понравится (и в этом выпуске нет платного доступа!).

OpenAI планирует к 2033 году создать вычислительную мощность в 250 ГВт. Это превышает пиковую потребность Индии в электроэнергии в 2025 году. Для сравнения: компания с менее чем 10 000 сотрудников планирует за менее чем десятилетие потреблять больше электроэнергии, чем почти 300 миллионов домохозяйств в четвертой по величине экономике мира.

Вычислительные мощности лежат в основе экономики искусственного интеллекта. По данным McKinsey, к 2030 году почти 7 триллионов долларов США поступят в центры обработки данных по всему миру для обеспечения вычислительных мощностей, причем более 40 процентов этой суммы придется на долю США. Хотя такие инвестиции могут стимулировать массовый экономический рост, они не лишены проблем.

Не так давно узким местом в создании вычислительных мощностей для ИИ было производство графических процессоров (GPU). GPU — это специализированные чипы, которые выполняют тысячи вычислений параллельно, что делает их идеальными для обучения и запуска моделей ИИ. Однако, если верить Марку Цукербергу (и я уверен, что он знает об этом не понаслышке), это узкое место недавно исчезло, уступив место другому — энергетике.

Интеллект в больших масштабах теперь зависит от физической инфраструктуры: турбин, реакторов, линий электропередач. Настоящая гонка теперь заключается не только в обучении более крупных моделей, но и в генерации достаточного количества энергии для их работы.

Почему ИИ = энергия

ИИ может выглядеть как программное обеспечение, но в глубине души он ведет себя не так уж и отлично от тяжелой промышленности. Каждая модель, от GPT до Gemini, работает на вычислительных кластерах, которые потребляют энергию в масштабах небольших городов. Обучение передовой модели сегодня может потребовать десятки мегаватт в течение нескольких недель, а инференция, процесс предоставления этих моделей пользователям, работает бесконечно. Чтобы выиграть в сегодняшней гонке ИИ, необходим доступ к энергии на ранее невообразимом уровне.

Понимание энергопотребления ИИ

Две широкие области определяют большую часть потребления электроэнергии в центре обработки данных: вычислительная мощность и охлаждение. Вычислительные и серверные системы составляют примерно 40% энергопотребления центра обработки данных.

Системы охлаждения потребляют почти столько же, еще 38–40%, чтобы серверы не перегревались под воздействием непрерывных вычислений.

В основе вычислений лежат два критических этапа, которые определяют потребность в энергии.

• Обучение: прежде чем попросить модель ИИ спланировать поездку или сгенерировать видео, ее необходимо обучить. Представьте, что вы учите суперкомпьютер думать, подавая ему огромные объемы данных — книги, код, разговоры, изображения — до тех пор, пока он не начнет распознавать закономерности и взаимосвязи. На этом этапе десятки тысяч графических процессоров работают в течение недель или месяцев, выполняя триллионы вычислений. Это марафон, требующий огромного количества электроэнергии. Например, только обучение GPT-4 от OpenAI, по оценкам, обошлось в более чем 100 миллионов долларов и потребовало 50 ГВтч электроэнергии, чего хватило бы, чтобы освещать Сан-Франциско в течение трех дней.
• Вывод: после обучения модель начинает работать на вас. Каждый вопрос, который вы задаете ChatGPT, каждое изображение, сгенерированное ИИ, каждое предложение Copilot запускает тысячи микровычислений в огромных дата-центрах по всему миру. По разумным оценкам, средняя потребность в энергии на один запрос ChatGPT в 10 раз превышает потребность в энергии для стандартного поиска в Google. Электроэнергетический след, вместо того чтобы уменьшаться после интенсивных вычислений при обучении, превращается в постоянное потребление, обслуживающее миллиарды запросов каждый день.

И все эти непрерывные вычисления генерируют тепло, которое нужно куда-то девать. Именно здесь охлаждение становится невидимым, но огромным поглотителем энергии. Каждая стойка с графическими процессорами может генерировать огромное количество тепла, и поддержание стабильной температуры может потреблять почти столько же энергии, сколько и сами вычисления. С увеличением плотности чипов растет потребность в более совершенных, энергоемких системах охлаждения.

По сути, энергетический аппетит ИИ представляет собой замкнутый круг: вычисления генерируют тепло, а охлаждение потребляет еще больше энергии, чтобы его устранить. Поэтому каждый новый скачок в интеллекте требует соответствующего скачка в энергоснабжении.

Гонка гигаватт

Вернемся к началу, когда мы обсуждали планы OpenAI по созданию 250 ГВт вычислительной мощности к 2033 году. Многим это может показаться смелым, а остальным — даже абсурдным. Но один взгляд на кривую роста говорит о другом.

ChatGPT сейчас имеет более 800 миллионов активных пользователей в неделю — это почти одна десятая часть человечества, которая использует продукт, которого три года назад не существовало.

И OpenAI не единственная компания, которая это понимает. Все крупные гипермасштабируемые компании — Amazon, Microsoft, Google, Meta — знают, что это не та гонка, в которой они хотят проиграть. И это начало отражаться на их капитальных затратах, которые сейчас составляют почти 60 процентов их совокупного операционного денежного потока.

Экономика срочности

ИИ вполне может изменить все, от того, как мы ищем информацию, до того, как мы работаем, — но зачем такая спешка? Почему технологические гиганты сейчас спешат потратить сотни миллиардов на центры обработки данных прямо сейчас?

Ответ кроется в двух мощных динамиках.

1. Сетевые эффекты делают продукт более ценным по мере того, как его использует все больше людей. Возьмем, к примеру, приложение для обмена сообщениями. Оно не особо полезно, если у него всего несколько пользователей, но может быстро стать незаменимым, если их много. Те же правила применимы и к ИИ. Каждый новый пользователь, вводящий запросы, каждый новый стартап, создающий инструменты на основе API, каждое новое предприятие, обучающее модели на основе собственных данных, возвращает информацию в экосистему. В конечном итоге эти эффекты формируют мощные циклы обратной связи, которые конкурентам практически невозможно повторить.
2. С другой стороны, операционный рычаг заключается в преобразовании этого масштаба в прибыль. Создание и обучение моделей ИИ обходится дорого, но как только они готовы, обслуживание дополнительных пользователей стоит очень мало. После определенного момента каждый дополнительный запрос или клиент приносит доход без значительного увеличения расходов. Это схема, при которой крупные первоначальные инвестиции в конечном итоге приносят экспоненциальную прибыль.

По сути, раннее масштабирование в области ИИ — это не просто выбор. Возможно, именно это позволяет этим игрокам создавать прочные барьеры в сфере, которая стала жестоко конкурентной.

Американская энергосистема встречает бум центров обработки данных

Центры обработки данных уже обеспечивают более 4% спроса на электроэнергию в США, и эта доля быстро растет. За последние пять лет общая мощность производства электроэнергии в США росла примерно на 2% в год, но, с другой стороны, спрос со стороны центров обработки данных, по прогнозам, будет расти на 15–20% в год в течение десятилетия — на порядок быстрее, чем сама энергосистема.

По данным McKinsey, в 2024 году центры обработки данных в США потребляли около 200 тераватт-часов (ТВтч) электроэнергии, что примерно соответствует годовому потреблению такой страны, как Таиланд. К 2030 году этот показатель может превысить 600 ТВтч, или почти 12% всего спроса на электроэнергию в США, что почти полностью обусловлено рабочей нагрузкой искусственного интеллекта.

Учитывая недавний всплеск спроса на электроэнергию, связанного с ИИ, нагрузка уже заметна в регионах с плотными кластерами центров обработки данных ИИ, где наблюдается значительный рост цен на электроэнергию, поскольку коммунальные предприятия спешат удовлетворить новую нагрузку.

Если электросеть не будет расширяться гораздо быстрее, чем показывает история, или строительство центров обработки данных не замедлится, что в настоящее время не наблюдается, простая экономика дефицита подразумевает, что цены на электроэнергию будут продолжать расти, поскольку пользователи будут конкурировать за каждый доступный мегаватт.

Пределы создания собственной генерации

Первый вопрос, который приходит в голову, очевиден: если гипермасштабируемые компании уже вкладывают десятки миллиардов долларов в новые центры обработки данных, а энергия сейчас является самым большим препятствием, почему бы просто не построить собственные генерирующие мощности?

На самом деле, большинство из них так и поступают.

Microsoft и Constellation Energy заключили партнерское соглашение о возобновлении работы части атомной электростанции Three Mile Island в Пенсильвании — это первое в своем роде возобновление работы атомной электростанции с целью обеспечения долгосрочного энергоснабжения центров обработки данных. Google, в свою очередь, сотрудничает с Kairos Power в строительстве небольшого модульного реактора мощностью 50 МВт в Теннесси, который, как ожидается, будет снабжать энергией центры обработки данных в юго-восточной части США. Аналогичным образом, другие технологические гиганты следуют их примеру, изучая возможности партнерства с целью строительства или приобретения выделенных генерирующих мощностей.

Однако большинство этих проектов продлится до 2030-х годов — и в этом как раз и заключается проблема. В то время как новый центр обработки данных мощностью более 1 ГВт может быть введен в эксплуатацию за 12–24 месяца, сроки реализации новых источников энергии гораздо более длительные.

Даже солнечная энергия, которая имеет один из самых коротких сроков строительства, сталкивается с проблемами перебоев и ограничений — солнце не всегда светит, когда серверы должны работать. Батареи помогают, но хранение увеличивает стоимость и сложность.

Кроме того, есть вопрос капитала и возможностей. Вложение миллиардов в долгосрочные проекты по производству электроэнергии не всегда является лучшим использованием денежных средств для компаний, чье основное преимущество заключается в программном обеспечении и услугах.

Наконец, рассмотрим экономику чипов. Они являются крупнейшей статьей расходов в центре обработки данных ИИ. И хотя объект может амортизироваться в течение 15 лет, графические процессоры и ускорители ИИ теряют свою стоимость за 3–5 лет. Каждый месяц эти чипы простаивают из-за ограничений по энергопотреблению, что приводит к потере стоимости в миллионы долларов.

Так что да — гипермасштабируемые компании нуждаются в большем количестве энергии и работают над ее созданием. Но больше всего им нужна энергия сейчас. А учитывая реалии времени, стоимости и зависимости от энергосистемы, полный отказ от энергосистемы просто не является вариантом.

Короче говоря

ИИ нуждается в энергии. В большом количестве. И, что еще более важно, он нуждается в ней сейчас.

Спрос на электроэнергию для центров обработки данных в США растет такими темпами, на которые энергосистема просто не рассчитана — по прогнозам, он будет расти почти в десять раз быстрее, чем исторический рост мощностей генерации. Результат уже виден в данных: региональные цены на электроэнергию растут, коммунальные предприятия с трудом справляются с новыми нагрузками, а гипермасштабируемые компании спешат обеспечить себе долгосрочные поставки.

Конечно, гипермасштабируемые компании инвестируют миллиарды в свои собственные проекты по производству энергии. Но, как ожидается, на их ввод в эксплуатацию уйдут годы, в то время как развитие ИИ происходит уже сегодня. Этот дисбаланс — между тем, как быстро может расширяться энергосистема, и тем, как быстро масштабируется инфраструктура ИИ — лежит в основе этого потенциального суперцикла.

В этой гонке за доминирование в области ИИ реальными бенефициарами могут стать не только производители микросхем или игроки облачного рынка, но и коммунальные предприятия — единственные организации, которые в настоящее время способны поставлять электроэнергию в больших объемах и в срок.

Создание портфеля энергетических активов ИИ

Мы разделили наш портфель на четыре сегмента, каждый из которых имеет уникальные преимущества для извлечения выгоды из различных аспектов ускоряющегося спроса на электроэнергию со стороны ИИ.

• Традиционные коммунальные предприятия: производители электроэнергии с обширными генерирующими активами — газовыми, угольными и атомными — в настоящее время наблюдают резкий рост спроса, поскольку центры обработки данных ИИ создают нагрузку на существующие энергосистемы.
• Новые игроки в сфере энергетики: игроки в сфере возобновляемых источников энергии, быстро расширяющие мощности солнечной, ветровой и гибридной энергетики для удовлетворения спроса гипермасштабируемых компаний.
• Посредники: компании, строящие и модернизирующие передающие сети, подстанции и хранилища энергии для поддержки растущего спроса и расширения инфраструктуры.
• Возможности длинного хвоста: инноваторы на ранней стадии и экспериментальные игроки, способные переопределить энергетический сектор.

Результаты портфеля ясно показывают рост в энергетическом секторе. С момента запуска ChatGPT наш портфель энергетических компаний, связанных с ИИ, вырос почти вдвое (42% CAGR) по сравнению с индексом S&P 500.

Традиционные коммунальные предприятия | 40%

Тезис здесь прост — традиционные коммунальные предприятия являются единственными организациями, которые сегодня располагают мощностями, достаточными для удовлетворения растущего спроса на энергию, обусловленного развитием искусственного интеллекта. До тех пор, пока новое поколение и инфраструктура энергосистемы не дойдут до необходимого уровня, эти компании занимают структурное положение, позволяющее им поглощать растущую нагрузку, обусловленную развитием искусственного интеллекта, что делает их логическим якорем портфеля.

1. Constellation Energy ($CEG) — 10% Крупнейший оператор атомных электростанций в США может обеспечить высоконадежную базовую нагрузку, которую гипермасштабируемые компании предпочитают для своих рабочих нагрузок ИИ. Компания находится в авангарде перехода крупных технологических компаний к надежной чистой энергии, подписав знаковые энергетические соглашения с Microsoft и Meta. Планируемое приобретение Calpine расширит ее присутствие в Техасе и Калифорнии — двух самых быстрорастущих рынках центров обработки данных с ограниченными энергетическими ресурсами.
2. Dominion Energy ($D) — 10% Крупнейшая в мире электроэнергетическая компания, обслуживающая центры обработки данных, подключила около 450 центров обработки данных в «Аллеи центров обработки данных» в северной Вирджинии, крупнейшем скоплении центров обработки данных в мире. Недавно компания увеличила свой 5-летний план капитальных затрат с 43,2 млрд долларов до 50,1 млрд долларов на 2025-2029 годы в связи с ускоренным ростом спроса на центры обработки данных.
3. Vistra Energy ($VST) — 8% Управляет парком мощностью 41 ГВт, включающим атомные, газовые, угольные электростанции и аккумуляторные батареи промышленного масштаба, предлагая гибкие диспетчируемые мощности, необходимые в регионах с высокой концентрацией искусственного интеллекта, таких как Техас и среднеатлантические штаты. Агрессивно расширяется, недавно приобретя семь газовых электростанций общей мощностью 2600 МВт.
4. NRG Energy ($NRG) — 6% Один из крупнейших конкурентоспособных производителей электроэнергии в США, его портфель в значительной степени ориентирован на газ и сосредоточен в Техасе, эпицентре роста нагрузки, обусловленного искусственным интеллектом.
5. Entergy ($ETR) — 6% С энергетическим балансом, основанным на ископаемом топливе и атомной энергии, компания является одним из крупнейших игроков на юге США — одном из самых быстрорастущих рынков центров обработки данных в стране.

Новая энергия | 30%

Самым быстрорастущим сегментом являются разработчики, строящие возобновляемые и гибридные активы, которые выигрывают от рекордных PPA (соглашений о покупке электроэнергии) с гипермасштабными компаниями и быстрых циклов развертывания. Хотя в настоящее время они сталкиваются с проблемами нестабильности поставок и перебоев в работе, в долгосрочной перспективе эти игроки выиграют от снижения затрат на производство и совершенствования технологий хранения.

1. NextEra ($NEE) — 8% Являясь мировым лидером в области возобновляемых источников энергии, компания готова извлечь прямую выгоду из растущего спроса на чистую энергию, обусловленного развитием искусственного интеллекта. Компания ожидает, что в течение следующих семи лет потребность в новых мощностях возобновляемой энергии утроится, в основном за счет центров обработки данных.
2. Brookfield Renewables ($BEP) — 8%. Владеет и управляет одним из крупнейших портфелей возобновляемых источников энергии в мире. Ее знаковое партнерство с Microsoft мощностью 10,5 ГВт подчеркивает ее позицию в качестве ведущего поставщика чистой энергии для коммунальных предприятий. Благодаря развитию и операционной деятельности в Северной Америке, Европе, Азии и Латинской Америке, она предлагает редкую глобальную экспозицию к следующей волне спроса на возобновляемую энергию, обусловленного гипермасштабируемыми компаниями.
3. AES Corp ($AES) — 8% Лидер в области чистой энергии, эксплуатирующий около 17 ГВт возобновляемых источников энергии, включая солнечную, ветровую и гидроэнергию, в настоящее время имеет контракты с 5 из 7 крупнейших компаний.
4. Clearway Energy ($CWEN) — 6% Эксплуатирует 9 ГВт возобновляемых источников энергии и уже заключил 1,8 ГВт договоров купли-продажи электроэнергии для поддержки спроса центров обработки данных. В настоящее время компания строит мощности, предназначенные для обслуживания центров обработки данных мощностью в гигаватты, расположенных в пяти штатах США.

Посредники | 20%

Этот сегмент охватывает инфраструктуру, от которой зависят коммунальные предприятия, разработчики и центры обработки данных, обеспечивая доступ ко всему циклу строительства.

1. Quanta Services ($PWR) — 8 % Строит высоковольтные линии электропередачи, подстанции и инфраструктуру для укрепления энергосистемы, от которой зависит энергетический сектор. В настоящее время компания имеет рекордный портфель заказов на сумму 39,2 млрд долларов США.
2. Fluence Energy ($FLNC) — 7% Поставляет аккумуляторные системы промышленного масштаба, которые решают проблему перебоев в подаче энергии, связанную с ветровой и солнечной энергетикой, обеспечивая надежное энергоснабжение, необходимое для работы искусственного интеллекта.
3. Eaton Corporation ($ETN) — 5% Ведущий поставщик оборудования и систем, которые физически позволяют дата-центрам потреблять, распределять и кондиционировать огромные нагрузки. Недавно заключила партнерское соглашение с NVIDIA по разработке специализированных электрических систем для масштабируемых развертываний графических процессоров высокой плотности.

Возможности длинного хвоста | 10%

Эта категория включает в себя технологии, находящиеся на ранней стадии развития или экспериментальные технологии, от малых модульных реакторов до передовых систем деления, которые в случае успеха могут потенциально преобразовать сегмент и предложить асимметричный потенциал роста.

1. BWX Technologies ($BWXT) — 4% Основной поставщик компонентов и технологий для ядерных реакторов правительству США.
2. Nuscale Power ($SMR) — 3%
   Ведущий разработчик малых модульных реакторов (SMR) с единственной конструкцией модульного реактора, одобренной Комиссией по ядерному регулированию США (NRC).
3. Oklo ($OKLO) — 3% При поддержке Сэма Альтмана компания разрабатывает микрореакторы нового поколения на основе ядерного деления для круглосуточного энергоснабжения центров обработки данных и других пользователей с высоким спросом.

Я думаю, что большинство людей действительно недооценивают масштабы инвестиций компаний в центры обработки данных ИИ. Только в этом году мы потратили в два раза больше, чем на строительство всей системы межштатных автомагистралей США.

Когда мы заканчивали эту статью, мы наткнулись на другую статью, которая идеально отражает нашу точку зрения: недавно построенные центры обработки данных ИИ в собственном дворе Nvidia простаивают не из-за нехватки чипов, а потому, что электросеть не может их питать.

Это не просто анекдот, а яркое напоминание о том, что границы ИИ больше не определяются только чипами и размерами моделей, но и доступностью энергии для их питания. И по мере того, как ИИ продолжает все больше влиять на нашу жизнь и преобразовывать мир вокруг нас, наибольший выигрыш могут получить компании, поставляющие единственное, без чего ИИ не может масштабироваться: надежную круглосуточную энергию.