Рост генеративного искусственного интеллекта как фактор инвестиционной трансформации энергосистемы на основе разработки интегрального индекса энергоемкости дата-центров
Нодар Викторович ХАРАБАДЗЕответственный автор, студент магистратуры кафедры государственного регулирования экономики, Российская академия народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Российская Федерация nod200222@gmail.com https://orcid.org/0009-0003-7056-600X SPIN-код: отсутствует
Предмет. Воздействие роста генеративного искусственного интеллекта на инвестиционные процессы в энергетической инфраструктуре. Цели. Разработка интегрального индекса энергоемкости дата-центров, агрегирующего многомерное давление цифровой инфраструктуры на энергосистему в единый измеримый показатель, пригодный для инвестиционного планирования в электроэнергетике. Методология. Использованы методы корреляционного анализа Пирсона для оценки взаимосвязей между двенадцатью парами показателей нагрузки дата-центров и инвестиционными метриками энергосистемы. Для построения индекса применен метод взвешенного агрегирования трех показателей: нагрузки, динамики и качества инфраструктуры. Эмпирической базой послужили данные по энергосистеме США с 2018 по 2024 г. Результаты. Установлена высокая положительная корреляция между ростом нагрузки дата-центров и инвестициями в энергосистему (коэффициенты Пирсона от 0,79 до 0,97). Разработан интегральный индекс, значение которого за исследуемый период выросло с 1 до 1,82, что свидетельствует о нарастании давления на энергосистему более чем на 80% относительно базового уровня. Подтверждено, что среднегодовой темп роста спроса дата-центров на мощности в 2,6 раза превышает темп ввода новых генерирующих мощностей. Выводы. Предложенный индекс является инструментом количественной оценки давления цифровой инфраструктуры на энергосистему и может применяться регуляторами, инвесторами и операторами электрических сетей при принятии инвестиционных решений в электроэнергетике.
Ключевые слова: генеративный искусственный интеллект, дата-центры, энергоемкость, инвестиции в электроэнергетику, интегральный индекс
Список литературы:
Masanet E., Shehabi A., Lei N. et al. Recalibrating Global Data Center Energy-Use Estimates. Science, 2020, vol. 367, no. 6481, pp. 984–986. DOI: 10.1126/science.aba3758
Mytton D., Ashtine M. Sources of Data Center Energy Estimates: A Comprehensive Review. Joule, 2022, vol. 6, no. 9, pp. 2032–2056. DOI: 10.1016/j.joule.2022.07.011
Chen Xin, Wang Xiaoyang, Colacelli A. et al. Electricity Demand and Grid Impacts of AI Data Centers: Challenges and Prospects. arXiv, 2025. DOI: 10.1109/TPWRS.2025.3550721
Huang J., Gopal S. Green AI – A Multidisciplinary Approach to Sustainability. Environmental Science and Ecotechnology, 2025, vol. 25, no. 100536. DOI: 10.1016/j.ese.2025.100536
Попадько Н.В., Пенар Е.И. Цифровизация как драйвер энергопотребления: влияние центров обработки данных (ЦОД) на мировые энергосистемы // Экономика строительства. 2026. № 3. С. 50–53. EDN: FCWUXQ
Веселов Ф.В., Соляник А.И. Условия развития электроэнергетики России в рамках жестких ценовых ограничений в среднесрочной перспективе // Проблемы прогнозирования. 2020. № 1. С. 88–98. EDN: PACZUM
Turing A.M. Computing Machinery and Intelligence. Mind, 1950, vol. 59, no. 236, pp. 433–460. URL: Link
Vaswani A., Shazeer N., Parmar N. et al. Attention Is All You Need. arXiv, 2017. DOI: 10.48550/arXiv.1706.03762
Goodfellow I., Pouget-Abadie J., Mirza M. et al. Generative Adversarial Nets. arXiv, 2014. DOI: 10.48550/arXiv.1406.2661
Li Pengfei, Yang Jianyi, Islam M.A., Ren Shaolei. Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI Models. arXiv, 2024. DOI:10.48550/arXiv.2304.03271
Avgerinou M., Bertoldi P., Castellazzi L. Trends in Data Centre Energy Consumption under the European Code of Conduct for Data Centre Energy Efficiency. Energies, 2017, vol. 10, no. 10. DOI: 10.3390/en10101470
De Vries A. The Growing Energy Footprint of Artificial Intelligence. Joule, 2023, vol. 7, no. 10, pp. 2191–2194. DOI: 10.1016/j.joule.2023.09.004
Siddik M.A.B., Shehabi A., Marston L. The Environmental Footprint of Data Centers in the United States. Environmental Research Letters, 2021, vol. 16, no. 6. DOI: 10.1088/1748-9326/abfba1
Худжасаидов Д.Х., Русина А.Г., Матренин П.В. и др. Разработка моделей прогнозирования электропотребления на основе временных рядов в изолированных энергосистемах // Электротехнические системы и комплексы. 2020. № 3. С. 23–27. DOI: 10.18503/2311-8318-2020-3(48)-23-27 EDN: YQJSSA
