Ответ на энергетический кризис ИИ

Технологическая политика и инфраструктура

АНАЛИТИЧЕСКАЯ СТАТЬЯ

Свет против тока: фотонные вычисления как ответ на энергетический кризис ИИ

Анализ перехода от кремниевой парадигмы к оптическим вычислениям: данные МЭА, достижения науки и реалистичная дорожная карта до 2030 года.

В конце XIX века Лондон и Нью-Йорк стояли перед угрозой, которую современники считали неразрешимой. Линейная экстраполяция роста гужевого транспорта рисовала апокалиптическую картину: к 1940-м годам улицы крупных городов должны были оказаться погребены под слоем конского навоза. Ошибка прогнозистов заключалась в принципиальном «туннельном зрении» — они решали проблему в рамках уже существующей парадигмы, не допуская, что сама парадигма может смениться. Появление автомобиля не решило «навозную проблему» — оно сделало её несуществующей.

Сегодня мировое сообщество оказалось в сходной ситуации. Роль «лошадей» в ней играют массивы графических процессоров (GPU), а роль «навоза» — тераватты нерационально расходуемой электроэнергии и гигантские объёмы сбросного тепла. Вопрос состоит в том, появится ли и на этот раз технология, способная обнулить саму природу проблемы. Ряд исследовательских групп и технологических компаний утверждают, что такая технология уже существует. Речь идёт о фотонных (оптических) вычислениях.

Настоящая статья основана на анализе актуальных данных Международного энергетического агентства (МЭА), рецензируемых публикаций в Nature, IEEE и Advanced Materials, а также на технических заявлениях ключевых участников рынка — Lightmatter, NVIDIA, TSMC, NTT и ряда университетских лабораторий. Цель — дать взвешенную оценку реальному состоянию проблемы и перспективам её решения, разграничив обоснованные научные прогнозы и технологический хайп.

Энергетический кризис ИИ-инфраструктуры перестал быть прогнозной угрозой. По базовому сценарию МЭА, глобальное потребление электроэнергии дата-центрами к 2030 году удвоится и составит около 945 ТВт·ч — почти 3% мирового электропотребления. Для масштаба: это примерно столько же, сколько сегодня потребляет вся Япония.

Темпы роста при этом поражают. Электропотребление ускоренных серверов, работающих на задачах ИИ, прогнозируется с ростом около 30% ежегодно в базовом сценарии. Географически кризис сосредоточен неравномерно: США обеспечат крупнейший прирост — до 240 ТВт·ч, рост на 130% к уровню 2024 года; Китай прибавит ещё 175 ТВт·ч. Вместе эти две страны обеспечивают почти 80% прогнозируемого мирового роста.

Прогнозы потребления электроэнергии дата-центрами (МЭА, 2025)

Регион / показатель

2024 (факт)

2030 (прогноз)

Прирост

Глобально, все ЦОД

415 ТВт·ч

~945 ТВт·ч

+130%

США

~185 ТВт·ч

~425 ТВт·ч

+130%

Китай

~103 ТВт·ч

~278 ТВт·ч

+170%

Европа

~65 ТВт·ч

~110 ТВт·ч

+70%

Доля ИИ-оптимизированных ЦОД

5–15%

35–50%

×4–7

При всей серьёзности цифры требуют контекста. Прирост в 530 ТВт·ч от дата-центров к 2030 году составит лишь 8% от общего прироста мирового потребления электроэнергии — это меньше, чем вклад электромобилей (838 ТВт·ч) или кондиционеров (651 ТВт·ч). Проблема, таким образом, не глобально-климатическая, а регионально-инфраструктурная: перегрузка конкретных энергоузлов и сетей в местах концентрации ЦОД. МЭА предупреждает, что без значительных инвестиций в электросети до 20% запланированных проектов дата-центров окажутся под угрозой задержки.

Чтобы понять, почему традиционные решения — больше мощностей, больше реакторов, больше газовых турбин — не являются достаточным ответом, необходимо обратиться к физике.

Традиционные вычисления на основе КМОП-архитектуры (CMOS) достигают пределов масштабирования и с трудом удовлетворяют нарастающий спрос в экологически устойчивом режиме. Причина фундаментальна. Каждая логическая операция в электронном чипе сопряжена с зарядом и разрядом паразитных ёмкостей металлических линий. По мере уменьшения техпроцесса до нанометровых значений эти потери не снижаются пропорционально: передача одного бита информации по медному соединению может потреблять больше энергии, чем сама логическая операция.

В современных ЦОД до 40% всей потребляемой электроэнергии расходуется не на вычисления, а на системы охлаждения. По мере того как электронное оборудование подходит к фундаментальным физическим пределам — ограничениям масштабирования транзисторов, архитектуре фон Неймана и тепловыделению — возникают критические узкие места в вычислительной плотности и энергоэффективности. Индустрия уже пережила дефицит чипов, меди и электроэнергии. Следующим узким местом становится сама сеть передачи данных внутри и между ЦОД.

Фотонные (оптические) вычисления предлагают альтернативу, опирающуюся на принципиально иную физику. Кремниевая фотоника конвертирует электрические сигналы в оптические и обратно, позволяя передавать данные в виде импульсов света через микроскопические волноводы, вытравленные в кремниевой подложке.

По оценкам Cambridge Consultants, замена электронов фотонами способна обеспечить десятикратный прирост энергоэффективности и улучшение полосы пропускания в 10–50 раз по сравнению с традиционными вычислениями. Группа Photonics Leadership Group прогнозирует сокращение потребления электроэнергии дата-центрами более чем на 50% к 2035 году за счёт фотонных инноваций.

• Отсутствие джоулева нагрева: фотоны не имеют электрического заряда и не взаивыйодействуют с сопротивлением материалов.

• Нативный параллелизм: спектральное уплотнение (WDM) позволяет обрабатывать данные на разных длинах волн одновременно в одном волноводе.

• Эффективность матричных операций: умножение матриц — ядро ИИ-вычислений — реализуется пассивно, без потребления энергии на само вычисление.

Прогресс прикладной науки здесь весьма конкретен. В журнале Nature (2025) описан крупномасштабный фотонный ускоритель, содержащий более 16 000 компонентов на одном чипе для обработки MAC-операций, демонстрирующий ультранизкую латентность и сокращение времени вычислений по сравнению с GPU.

Компания Lightmatter опубликовала результаты работы своего процессора: чип способен выполнять продвинутые ИИ-модели — ResNet, BERT, алгоритм глубокого обучения с подкреплением — без модификаций, достигая точности, сопоставимой с 32-разрядными электронными системами. На уровне коммерческих продуктов NVIDIA в своих платформах Quantum-X Photonics и Spectrum-X Photonics реализовала совмещённую упаковку оптики (CPO), снижающую энергопотребление до 3,5 раза и повышающую устойчивость в 10 раз.

Исследователи UCLA разработали оптическую схему для генеративного ИИ на основе диффузионных моделей, обеспечивающую сопоставимую с электронными аналогами производительность при значительно меньшем потреблении энергии. Команда Tsinghua University решила ключевую проблему стабильности фазы при параллельной оптической передаче данных через полностью интегрированную on-chip систему.

Журнальный формат обязывает к честности: перечисленные достижения реальны, но расстояние от них до замены GPU в продуктивных ЦОД остаётся значительным.

Среди актуальных проблем следует выделить следующие. Текущие конструкции чипов в основном двумерны, что ограничивает применимость. Попытки соединить несколько чипов нередко вызывают значительные потери сигнала. Фотонные чипы не могут хранить данные в оптическом домене — это требует постоянного переключения между светом и электричеством, снижая точность. В крупных оптических схемах аналоговые сигналы ослабевают и зашумляются.

Несмотря на выдающуюся скорость, большинство фотонных процессоров ограничены относительно неглубокими вычислениями: они хорошо справляются с простыми задачами, но пока не готовы обрабатывать глубокие нейронные сети или задачи общего назначения без помощи цифровых компонентов. Существенные проблемы сохраняются в области масштабируемости, системной интеграции и совместимости с современными архитектурами ИИ.

Реалистична и оценка горизонтов: оптические сети и межсоединения для ЦОД — это ближайшая коммерческая возможность; совмещённая упаковка оптики получит широкое распространение в горизонте 3–5 лет по мере созревания производства у TSMC; широкие приложения оптических вычислений остаются зависимыми от решения проблем, в первую очередь оптической памяти. Как констатирует профессор Tsinghua: «Если вам нужно зрелое фотонное решение уровня GPU, впереди ещё долгий и трудный путь».

Основные участники рынка фотонных вычислений для ИИ (2025–2030)

Компания / организация

Страна

Фокус

Статус

Lightmatter

США

Фотонные NPU, межсоединения Passage

Коммерческий продукт, $4,4 млрд оценка

NVIDIA

США

CPO: Quantum-X / Spectrum-X Photonics

Коммерч. доступность 2026

TSMC

Тайвань

Платформа COUPE (12,8 Тбит/с on-package)

Производство 2025–2026

NTT / IOWN

Япония

Фотонно-электронные устройства (PEC)

2-е поколение 2026, inter-chip 2028

Tsinghua (Taichi)

Китай

Оптическая обработка признаков (OFE2)

Лабораторный прототип, Nature 2025

UCLA

США

Диффузионные модели в оптическом домене

Лабораторный прототип, Nature 2025

Q.ANT (Bosch)

Германия

NPU Gen 2 на TFLN, интеграция в HPC

Тестирование в LRZ

EU PUNCH / ADOPTION

Европа

Оптическая коммутация для ЦОД

Проекты Horizon Europe

2024–2026 (Оптические межсоединения). Коммерческое внедрение CPO-технологий NVIDIA, продуктов Lightmatter Passage, платформы TSMC COUPE. Снижение энергопотребления сетевого оборудования в 3–3,5 раза. Рынок оптических трансиверов: $14–17 млрд, рост 13% в год.

2026–2028 (Гибридные электро-фотонные чипы). Матричные операции — оптика, управление и нелинейные функции — электроника. Специализированные фотонные ускорители для задач классификации и инференса. Ожидаемое снижение энергопотребления ЦОД на 20–40%.

2028–2030 (Масштабирование производства). Созревание производственной инфраструктуры (TSMC, Intel). Полностью оптические нейронные сети для специализированных задач. Рынок оптических процессоров: $50 млн в 2027 → $3 млрд в 2034. Межчиповые фотонные соединения (NTT IOWN).

2030+ (Долгосрочный горизонт). Фотонные квантовые системы (Quandela, QUIX, Pasqal). Нейроморфные фотонные архитектуры. Интрачиповые оптические соединения с 2032 года по дорожной карте NTT.

Фотоника — не единственная и не немедленная линия защиты. По прогнозам МЭА, возобновляемая энергетика вырастет более чем на 450 ТВт·ч для обеспечения потребностей ЦОД к 2035 году, заняв 50%-ную долю за счёт ветровой и солнечной генерации. Природный газ сохранит критически важную роль диспетчеризуемого источника, прирастая на 175 ТВт·ч для покрытия потребностей ЦОД.

Атомная энергетика действительно активно привлекает инвестиции: Microsoft перезапустила реактор Three Mile Island, Amazon приобрела атомный кампус у Talen Energy, Google заключила соглашение с Kairos Power на малые модульные реакторы. Однако атомные проекты с их 12–15-летними сроками ввода структурно неспособны покрыть дефицит критического периода 2026–2030 годов.

МЭА также указывает на сценарий высокой эффективности: прорывы в программном обеспечении и архитектуре чипов способны снизить общемировое потребление ЦОД до около 970 ТВт·ч к 2035 году, разблокируя экономию энергии свыше 15%. Это означает, что даже без полного перехода к фотонике сочетание программной оптимизации, гибридных архитектур и ВИЭ существенно смягчает прогнозируемые сценарии.

Необходимо сделать принципиальную оговорку. Ряд популярных публикаций на данную тему публикуется в жанре сенсационного прогнозирования. Некоторые из них описывают события 2028–2030 годов от лица рассказчика, уже живущего в этом будущем — это не аналитика, а художественная проспекция. Конкретные утверждения вроде «энергопотребление на операцию упало в 1200 раз», «500 миллиардов долларов списано» не подтверждены реальными источниками, поскольку относятся к ненаступившему будущему.

Реальная научная картина сложнее и менее кинематографична. Фотоника является перспективным решением, однако не «волшебной пулей». МЭА фиксирует значительный рост потребления как практически неизбежный в горизонте 2030 года. Фотонные технологии постепенно меняют соотношение сил, начиная с межсоединений, продвигаясь к гибридным акселераторам, и лишь в долгосрочной перспективе — к полностью оптическим вычислениям. Это не спасение в последний момент, а техноэволюция.

Энергетический вызов искусственного интеллекта реален и измерим. Растущие вычислительные потребности ИИ значительно увеличивают нагрузку на электроэнергетическую инфраструктуру, тогда как традиционные КМОП-вычисления сталкиваются с пределами масштабирования и устойчивости. Ответ фотоники на этот вызов — не линейное совершенствование, а смена парадигмы носителя информации.

Корректная аналогия с «навозным кризисом» требует уточнения: автомобиль победил лошадь не за пять лет — массовая автомобилизация заняла несколько десятилетий. Аналогично фотоника не упразднит GPU к 2028 году, а будет постепенно врастать в гибридные архитектуры, переформатируя рынок на горизонте 2028–2035 годов.

Главный вывод для исследователей и политиков: энергетический кризис ИИ-инфраструктуры не требует выбора между паникой и отрицанием. Он требует параллельных инвестиций — в краткосрочные меры (возобновляемые источники, оптические межсоединения, программная оптимизация) и в долгосрочную инфраструктуру фотонных вычислений. Свет действительно побеждает ток там, где важны скорость и эффективность — вопрос лишь в том, по какому расписанию.

Международные доклады и данные

• IEA, «Energy and AI», специальный доклад, апрель 2025. https://www.iea.org/reports/energy-and-ai

• Kamiya G., Coroamă V.C. «Data Centre Energy Use: Critical Review of Models and Results». EDNA – IEA 4E TCP, март 2025.

• Photonics Leadership Group, «UK Photonics 2035: The Vision», 2025.

Рецензируемые научные публикации

• «An integrated large-scale photonic accelerator with ultralow latency». Nature, 2025. doi:10.1038/s41586-025-08786-6

• Ahmed S.R. et al. «Universal photonic artificial intelligence acceleration». Nature 640, 368–374, 2025.

• «Photonics for sustainable AI». Communications Physics, 2025. https://www.nature.com/articles/s42005-025-02300-0

• Gao C. et al. «Integrated Neuromorphic Photonic Computing for AI Acceleration». Advanced Materials, 2025. doi:10.1002/adma.202508029

• Tossoun B. (Hewlett Packard Labs). IEEE Journal of Selected Topics in Quantum Electronics, 2025.

• Sun R. et al. «High-speed and low-latency optical feature extraction engine based on diffraction operators». Advanced Photonics Nexus, 4(05), 2025.

Технические документы компаний

• NVIDIA Technical Blog, «Scaling AI Factories with Co-Packaged Optics», сентябрь 2025.

• Lightmatter, «A New Kind of Computer» (photonic processor publication in Nature), апрель 2025.

• NTT IOWN Development Office, IEEE Spectrum, декабрь 2025.

• Photonics21, «AI Desperately Needs Photonics», ноябрь 2025. https://www.photonics21.org

• World Economic Forum, «How photonic computing can move towards commercialization», август 2025.

Статья подготовлена на основе публично доступных данных и рецензируемых источников. Все прогнозные оценки относятся к опубликованным сценариям и не являются позицией авторов.

#ФотонныеВычисления #ОптическиеЧипы #FotonicComputing #PhotonicAI #SiliconPhotonics #OpticalComputing#ЭнергетикаИИ #AIEnergy #DataCenterEnergy #ЭнергоэффективностьИИ #GreenAI #AIInfrastructure #ЦОД #DataCenter#GPU #NPU #ИИакселераторы #AIChips #Lightmatter #NVIDIA #TSMC #КремниеваяФотоника#МЭА #IEA #ТехнологическийПрогноз #AIResearch #FutureTech #ВычислительнаяФизика #ИИ2030#ТехИнвестиции #TechInvesting #AIIndustry #DeepTech #ВенчурныеИнвестиции #ТехнологическийРынок #EmergingTech#GreenTech #УстойчивоеРазвитие #Sustainability #CleanTech #CarbonNeutral #ЗелёныеТехнологии#ИскусственныйИнтеллект #ArtificialIntelligence #Технологии #Innovation #FutureOfAI #AITrends #ТехнологииБудущего#PhotonicAI, #AIEnergy, #SiliconPhotonics, #DataCenter, #GreenAI, #DeepTech.