22 июля 2026 года в Ашберне, штат Вирджиния, авария на линии электропередачи за секунды выбила из сети более 3 ГВт нагрузки. Для рынка, который строит гигантские кампусы под обучение моделей, это неприятное напоминание: энергопитание ИИ стало не только вопросом новых электростанций, но и вопросом архитектуры самих дата-центров.
О сбое и его последствиях сообщает MIT Technology Review в спонсорском материале, подготовленном ON.energy. Ашберн — не случайная точка на карте: это ядро крупнейшего в мире кластера дата-центров. И июльский инцидент не был первым. За два года до него, в 2024-м, отказ одного ограничителя перенапряжения привел к одновременному отключению примерно 60 объектов в Вирджинии и потере около 1,5 ГВт нагрузки.
Главная мысль источника проста и довольно неудобна для отрасли: спор вокруг ИИ и электричества слишком часто сводят к генерации. Построить больше солнечных и газовых станций, протянуть больше линий, договориться с энергокомпаниями — все это нужно. Но в описанных случаях сеть не столкнулась с банальной нехваткой электронов. Она столкнулась с нагрузкой, которая ведет себя синхронно, резко и масштабно.
Классическая энергосистема проектировалась под заводы, нефтепереработку, офисы, дома в вечерний пик. Такие потребители могут быть крупными, но их профиль обычно предсказуем: нагрузка меняется плавно, аварии локальны, восстановление не выглядит как массовый дерганый флешмоб. Кампус ИИ работает иначе. Во время обучения модели тысячи GPU могут почти мгновенно изменить потребление, а при проблеме выше по сети инфраструктура отключается, чтобы защитить дорогое вычислительное оборудование.
По данным ON.energy, один кампус ИИ способен менять до 70% нагрузки за миллисекунды во время тренировочного цикла. Отдельно такой объект действует рационально: защищает серверы, ускорители и связанные с ними миллиарды долларов инвестиций. Но когда десятки площадок реагируют на просадку напряжения одинаково и почти одновременно, рациональность отдельного владельца превращается в системный риск.
Проблема усугубляется тем, что типовая схема питания дата-центра почти не менялась десятилетиями. Электричество приходит на объект на среднем напряжении, затем трансформаторы понижают его, низковольтные ИБП фильтруют питание и подают его к стойкам. Для традиционного ЦОД эта логика долго была рабочей. Для ИИ-кластера гигаваттного класса она начинает трещать в трех местах.
Во-первых, батареи ИБП обычно стоят глубоко внутри здания и рассчитаны скорее на короткое переживание аварии, чем на постоянное сглаживание быстрых скачков нагрузки. Во-вторых, многие старые системы большую часть времени работают в bypass-режиме: ради экономии энергии стойки фактически питаются напрямую от сети, а ИБП не фильтрует поток в обе стороны. В результате скачки вычислительной нагрузки уходят наружу, а сетевые переходные процессы прилетают внутрь быстрее, чем успевает сработать защита.
В-третьих, логика защитных отключений создавалась в эпоху, когда крупная нагрузка означала десятки мегаватт, а не кампусы ИИ на сотни мегаватт и выше. В инциденте 2024 года значительная часть потерянной нагрузки, по описанию источника, была связана со схемами, которые считают провалы напряжения и отключаются на третьем. То есть система сработала по проекту, просто проект оказался не готов к новой физике рынка.
Предлагаемое решение звучит инженерно, без магии: поднять уровень ИБП до среднего напряжения, вынести оборудование из серверного зала ближе к подстанции и поставить его прямо в путь прохождения энергии, а не сбоку как резервный механизм. Идея в том, чтобы через такую систему проходил весь поток, постоянно. Тогда ей не нужно успевать что-то обнаружить и переключить: она уже находится между сетью и вычислительной нагрузкой.
Для операторов дата-центров это меняет не только электрическую схему, но и экономику площадки. Помещения, которые раньше занимали ИБП, можно отдать под вычисления или охлаждение. Энергокомпания получает для сертификации один средневольтный блок, а не набор трансформаторов, чиллеров, насосов, ИБП и распределительных устройств за забором клиента. При замене поколений GPU не обязательно заново разбирать всю картину межсетевого подключения.
Есть и более прагматичный слой: резервное питание перестает быть исключительно страховкой. Если система хранит энергию, сглаживает пики и участвует в программах управления спросом, она может приносить деньги через peak shaving и demand response. Для CFO это уже не скучная строка капитальных затрат, которую хочется минимизировать, а инфраструктурный актив. Для инженеров — способ сделать энергопитание ИИ менее токсичным для сети.
ON.energy пишет, что в начале 2026 года испытала такую полноразмерную систему в National Laboratory of the Rockies, объекте Министерства энергетики США. Тесты включали реальные профили ИИ-нагрузки на стороне вычислений и аварии на стороне энергосети, включая событие с нулевым напряжением. По утверждению компании, вычислительная сторона не заметила сбоя, а сетевые требования Electric Reliability Council of Texas по прохождению провалов напряжения для крупных нагрузок система выполнила с запасом.
Для русскоязычной IT-аудитории здесь важен не бренд конкретного поставщика, а сдвиг требований к инфраструктуре. Если компания планирует большой ИИ-кластер, считать нужно не только GPU, стойки, воду, землю и цену киловатт-часа. Нужно заранее обсуждать с энергетиками поведение нагрузки, защиту от провалов, режимы отключения и участие в управлении спросом. Иначе узким местом станет не модель и не дата-сет, а невидимая до первой аварии электрическая логика.
Энергопитание ИИ постепенно превращается в отдельный архитектурный слой между ЦОД и энергосистемой. Следующая волна «фабрик ИИ» может прийти в сеть как тяжелый непредсказуемый потребитель или как управляемая нагрузка, которая помогает сглаживать пики. Разница между этими сценариями будет зависеть не от громких пресс-релизов про мегаватты, а от того, кто раньше признает: дата-центр теперь часть энергосистемы, а не просто большой клиент со счетчиком.