OpenAI buduje centrum danych żerujące prąd jak małe miasto

DTE Energy właśnie dostała zielone światło na dostarczanie 1,4 gigawata mocy do planowanej serwerowni OpenAI pod Detroit. Spróbujmy inaczej: to tyle energii, ile potrzeba do zasilenia około miliona amerykańskich domów.

Dla jednego centrum danych.

I to nie jest odosobniony przypadek - to symptom czegoś znacznie większego.

Ile to właściwie jest 1,4 GW?

Gigawat to miliard watów. Średni dom w USA zużywa około 1,2 kW mocy (kilowat, czyli tysiąc watów) w danym momencie. Planowana serwerownia w Saline Township będzie więc pobierać moc równoważną zużyciu prądu przez miasteczko wielkości Katowic.

Dla porównania: elektrownia jądrowa w Żarnowcu - ta, której nigdy nie ukończono - miała mieć moc 2 GW. OpenAI potrzebuje do swojego centrum danych niemal tyle samo, co dwa reaktory jądrowe.

Problem? To dopiero początek wyścigu.

Dlaczego AI pożera tyle prądu

ChatGPT to nie aplikacja działająca na jednym serwerze. To tysiące procesorów graficznych (GPU) pracujących jednocześnie, przetwarzających miliony zapytań dziennie. Każde "porozmawiaj ze mną" to seria skomplikowanych obliczeń na modelach liczących setki miliardów parametrów.

Trening GPT-5 - tego "mózgu" stojącego za ChatGPT - wymagał tygodni pracy tysięcy GPU. Samo utrzymanie modelu w gotowości do odpowiadania użytkownikom to ciągłe pobieranie mocy.

A teraz pomnóż to przez wszystkie usługi OpenAI: ChatGPT, API dla firm, DALL-E do generowania obrazów, przyszłe wersje jeszcze potężniejszych modeli.

I pamiętaj: OpenAI to tylko jeden gracz. Google ma Gemini. Anthropic - Claude'a. Meta - Llamę. Microsoft inwestuje w infrastrukturę dla wszystkich swoich usług AI.

Gdzie wziąć tyle energii?

DTE Energy musi teraz rozwiązać logistyczny koszmar: jak dostarczyć 1,4 GW mocy do jednej lokalizacji? To nie jest kwestia podłączenia większego kabla. To wymaga:

Budowy nowych linii przesyłowych wysokiego napięcia
Rozbudowy podstacji transformatorowych
Zwiększenia produkcji energii w regionie
Zapewnienia redundancji (zapasowych źródeł na wypadek awarii)

Saline Township leży w Michigan, niedaleko Detroit - regionie z rozwiniętą infrastrukturą przemysłową. Ale nawet tam taki skok w zapotrzebowaniu to wyzwanie.

I tu pojawia się pytanie, które niedługo stanie przed całym światem: skąd brać energię dla AI?

Węgiel, atom czy może coś innego?

Michigan produkuje energię głównie z gazu ziemnego (około 60%) i węgla (około 30%). Odnawialne źródła stanowią mniejszość. Jeśli OpenAI ma działać na "brudnej" energii, ślad węglowy będzie astronomiczny.

Alternatywa? Energia jądrowa - stabilna, bezemisyjna, dostępna 24/7. Problem w tym, że budowa nowego reaktora w USA trwa dekadę i kosztuje miliardy. A OpenAI potrzebuje mocy już teraz.

Google i Microsoft już eksperymentują z małymi reaktorami modułowymi (SMR - Small Modular Reactors). To nowsza technologia, teoretycznie szybsza do wdrożenia. Ale wciąż jesteśmy na etapie pilotaży, nie masowej produkcji.

Tymczasem farmy wiatrowe i solarne mają swoje ograniczenia: nie działają non-stop, wymagają systemów magazynowania energii (bateryjnych), które same są drogie i energochłonne w produkcji.

Co to oznacza dla reszty świata?

Stany Zjednoczone to pole testowe dla problemu, który niedługo dotknie Europę, Azję i resztę globu. Polska właśnie zaczyna budować swoją infrastrukturę AI - i też będzie musiała się zmierzyć z tym samym pytaniem.

Jeśli każde duże centrum danych AI będzie potrzebować mocy małego miasta, to:

Ceny prądu pójdą w górę (większe zapotrzebowanie = wyższe ceny)
Sieci energetyczne będą wymagać masywnych inwestycji
Kraje bez własnych źródeł energii staną się zależne od importu
Emisja CO2 może wzrosnąć, jeśli energia będzie pochodzić z węgla lub gazu

I jeszcze jeden aspekt: konkurencja o energię. Jeśli OpenAI, Google i Microsoft będą walczyć o dostęp do gigawatów mocy, kto przegra? Może lokalne firmy? A może zwykli odbiorcy, którzy zobaczą wyższe rachunki?

Czy da się to rozwiązać?

Technologia AI rozwija się szybciej niż infrastruktura energetyczna. To fakt. Ale są sposoby, by złagodzić problem:

1. Efektywniejsze modele
Nowe architektury AI (jak Mixture of Experts w GPT-5) potrafią osiągać lepsze wyniki przy mniejszym zużyciu mocy. To kierunek, w którym idzie branża.

2. Lepsze chłodzenie
Centra danych zużywają ogromne ilości energii na chłodzenie serwerów. Nowe technologie (chłodzenie cieczą, systemy immersyjne) mogą obniżyć ten koszt o 30-40%.

3. Energia odnawialna + magazynowanie
Jeśli uda się rozwiązać problem magazynowania energii (np. przez baterie przepływowe lub wodór), farmy solarne i wiatrowe staną się realistyczną opcją.

4. Energia jądrowa nowej generacji
Małe reaktory modularne mogą być odpowiedzią - jeśli regulacje i inwestycje nadążą za technologią.

Ale to wszystko wymaga czasu. A AI rośnie już teraz.

Co dalej?

Centrum OpenAI pod Detroit to symbol większego zjawiska: AI przestaje być abstrakcją technologiczną, a staje się wyzwaniem infrastrukturalnym. Nie chodzi już tylko o algorytmy i dane - chodzi o gigawaty, sieci przesyłowe i źródła energii.

Pytanie nie brzmi "czy AI będzie zużywać więcej prądu", tylko "jak szybko świat zdoła dostosować infrastrukturę".

I czy zdążymy, zanim problem energetyczny stanie się hamulcem dla całej rewolucji AI.

Przeczytaj też: