AI деректер орталықтары: энергия қысымы және Қазақстан

АҚШ-та $64 млрд көлеміндегі деректер орталығы жобалары тоқтатылды немесе кешіктірілді. Бұл — «техникалық прогреске қарсы» көңіл-күй емес. Бұл — электр желісі, тариф, су ресурстары, шу, жер пайдалану және ең бастысы энергия қауіпсіздігі туралы нақты сұрақтар.

Мұның Қазақстанға қатысы қандай? Біз «Қазақстандағы энергия және мұнай-газ саласын жасанды интеллект қалай түрлендіріп жатыр» сериясында үнемі бір ойға тірелеміз: AI-ды өндірісте қолдану үшін есептеу қуаты керек, ал есептеу қуатының арты — электр тұтынуы. Деректер орталықтарына қарсы наразылық өсіп жатқанда, Қазақстанның энергия компаниялары мен мұнай-газ оператормендері екі бағытта ұта алады:

1. AI-ды өз активтерінде тиімді пайдаланып, шығын мен тәуекелді қысқарту;
2. AI инфрақұрылымын (есептеу, дерек, желі) дұрыс жоспарлап, энергиясы арзан емес, энергиясы дұрыс болатын модельге көшу.

Бұл постта мен деректер орталықтарына қарсы реакцияның түпкі себептерін ашып, оны Қазақстанның энергетикасы мен мұнай-газына «айна» ретінде қолданамын. Соңында — нақты әрекет жоспары.

Неге деректер орталықтарына қарсы наразылық күшейіп жатыр?

Қарсылықтың өзегі — жүктеме мен жауапкершіліктің тең бөлінбеуі. Деректер орталығы пайдасын көбіне платформа иелері көреді, ал инфрақұрылымдық қысымды жергілікті қауым, желі операторы және генерация көтереді.

RSS мазмұнында екі маңызды сигнал бар:

• Үлкен жобалар энергия қауіпсіздігіне қысым түсіреді;
• Деректер орталықтары қазба отынға тәуелділікті ұзартуы мүмкін.

Бұл екеуі де Қазақстанға таныс. Бізде де жаңа жүктеме пайда болса, оның қайдан келетінін (генерация), қалай жеткізілетінін (желілер), қанша тұратынын (тариф/КПА/РРА), және көміртек профилін (эмиссия) алдын ала есептемесек, қоғам да, реттеуші де қарсы сұрақ қояды.

1) Электр желісі «темірдей» емес, шекті жүйе

Деректер орталықтары — тәулік бойы тұрақты жүктеме. Бұл бір жағынан жақсы: генерацияға базалық сұраныс береді. Бірақ екінші жағынан, белгілі бір аймақта бірден бірнеше жүз МВт қосылса:

• қосалқы станциялар жаңартуды қажет етеді;
• желіде тар орындар (bottleneck) пайда болады;
• авариялық резерв пен жиілік тұрақтылығына талап күшейеді.

Қазақстанда да аймақтық желілердің өткізу қабілеті бірдей емес. Сондықтан «қай жерге саламыз?» деген сұрақ — тек жер телімі емес, энергожүйе архитектурасы.

2) Қазба отынның «көлеңкелі» рөлі

Теорияда деректер орталықтарын ЖЭК-пен қоректендіруге болады. Практикада 24/7 жүктемеге:

• сақтау (BESS),
• икемді генерация,
• немесе желі арқылы әртараптандыру керек.

Егер бұл шешілмесе, ең жылдам жол — қолдағы көмір/газ генерациясын көбірек қосу. Сол үшін де кей елдерде деректер орталығы бумы «көміртек мақсаттарына» қарсы тренд болып көрінеді.

Қазақстан үшін сабақ: AI жобасы көміртек есебінсіз басталса, кейін қоғамдық және реттеушілік тәуекелге айналады.

3) Су, шу, жер және әлеуметтік лицензия

Көпшілік деректер орталығы десе тек электрді ойлайды. Бірақ:

• салқындату үшін су ресурсы;
• дизель генераторларының тестілеуі (шу/эмиссия);
• жер пайдалану және құрылыс жүктемесі сияқты факторлар жергілікті деңгейде тез «саясиланады».

Дәл осы жерде мұнай-газ саласы жақсы түсінетін ұғым бар: social license to operate. Деректер орталықтары да енді дәл сондай кезеңге келді.

Бұл тренд Қазақстанның мұнай-газ және энергетика компанияларына нені білдіреді?

Негізгі ой: AI тек софт емес, ол энергия жүйесіне қосылған өндірістік жүктеме. Сондықтан AI стратегиясын IT бөлімі ғана емес, энергия, өндіріс, қауіпсіздік, қаржы және ESG бірлесіп жасауы керек.

AI сұранысы өседі — бірақ бәрін бұлтқа шығару міндет емес

Көп компания «AI керек» дегенде бәрін hyperscale бұлтқа көшіруге асығады. Бұл кейде дұрыс. Бірақ өндірістік секторда (кен орындары, зауыттар, электр станциялары) деректердің бір бөлігі:

• кешігуге сезімтал (real-time бақылау),
• қауіпсіздікке сезімтал (өндірістік желі),
• көлемі өте үлкен (видео, сенсор, SCADA) болғандықтан, edge + on-prem + cloud аралас архитектура жиі тиімді.

Қазақстандағы мұнай-газ үшін практикалық пайда:

• кен орнында компрессор/сорғы күйін edge-та модельдеу;
• орталықта жоспарлау, қор болжау, жабдықтау тізбегін AI-мен оңтайландыру;
• бұлтта ауыр тренингтерді (мысалы, геология деректері) уақытша орындау.

Бұл тәсіл бір мезетте екі мәселені шешеді: энергия тұтынуын басқару және дерек тәуелсіздігін сақтау.

Деректер орталығы қысымы — энергия тиімділігін «өндірістік KPI» етеді

Деректер орталықтары туралы дау көбейген сайын, бір метрика алдыңғы қатарға шығады: PUE (Power Usage Effectiveness).

Мұнай-газ және энергетика компаниялары үшін бұның аналогы бар:

• компрессор станциясының меншікті энергия шығыны,
• электр станциясының меншікті отын шығыны,
• факелге кететін газ көлемі,
• жөндеудегі жоспардан тыс тоқтау.

Менің ұстанымым: AI жобасының бизнес-кейсі міндетті түрде энергия KPI-ымен байланысуы керек. Әйтпесе «демо бар, нәтиже жоқ» циклынан шыға алмайсыз.

Қазақстан қалай “тұрақты AI инфрақұрылымын” құра алады?

Жауап қысқа: қуатты тек көбейтпей, оны дұрыс басқару керек — энергия, дерек және есептеуді бір жоспарға біріктіру қажет.

1) Деректер орталықтарын “энергиямен бірге” жоспарлау

Егер деректер орталығы жобасы желіге «соңынан» қосылса, дау да сонда туады. Дұрыс тәсіл:

• орналасуды желінің бос қуатымен сәйкестендіру;
• жаңа генерация/сақтау жобасымен бір пакет қылу;
• жүктемені икемді ету (demand response).

Мұнай-газ компаниялары үшін бұл таныс: ірі жобада логистика, энергия, су, персонал бірге есептеледі. Деректер орталығы да дәл сол.

2) “Compute-efficient AI”: модельді емес, мақсатты оңтайландыру

Көп ұйымдар ең үлкен модельді таңдауға әуес. Бірақ өндірісте жиі керек нәрсе:

• нақты классификация,
• ақауды ерте анықтау,
• уақыт қатары болжамы,
• жоспарлау оптимизациясы.

Бұл міндеттерді кейде:

• ықшам модельдер,
• quantization, distillation,
• дұрыс feature engineering,
• синтетикалық дерекпен толықтыру арқылы әлдеқайда арзан орындауға болады.

Нәтиже: бірдей өндірістік эффект, аз есептеу — аз электр — аз көміртек.

3) Қалдық жылуды пайдалану және индустриялық симбиоз

Деректер орталығының «қалдық жылуы» — көбіне бос кететін ресурс. Қазақстанда бұл идеяны:

• жылыту маусымына,
• өндірістік процестерге,
• кеңсе/қойма инфрақұрылымына байлау қисынды.

Бұл міндетті түрде мегаполис болуы шарт емес. Индустриялық аймақтарда жылу тұтынушысы жақын болса, экономикасы жақсарады.

4) Метан, факел және AI: мұнай-газдың нақты артықшылығы

Деректер орталығы энергия сұрайды, қоғам «көміртек» деп сұрайды. Мұнай-газ компанияларының мұнда бір үлкен мүмкіндігі бар: эмиссияны қысқартатын AI жобаларын бірінші орынға қою.

Мысал бағыттар:

• метан ағып кетуін спутник/дрон/камера дерегімен анықтау;
• факелге кететін газды қысқарту үшін өндіріс режимдерін оңтайландыру;
• predictive maintenance арқылы апатты тоқтауларды азайту.

Бұл тек ESG үшін емес. Бұл — өнімнің өзіндік құны және экспорттық нарықтағы бәсекеге қабілеттілік.

Деректер орталығының беделі энергиямен өлшенсе, мұнай-газдың беделі эмиссиямен өлшенеді. Екеуі бір жерде түйіседі.

Көп қойылатын сұрақтар: компания ішінде қалай бастау керек?

Мәселе «AI сатып алу» емес, “AI-ды энергия және өндіріс жоспарымен біріктіру”. Мына 5 қадам нақты көмектеседі.

1. AI жүктеме картасын жасаңыз. Қай бөлім қанша есептеу қажет етеді: видеоаналитика ма, жоспарлау ма, геомодель ме?
2. Дерек классификациясын бекітіңіз. Қай дерек on-prem қалады, қайсысы гибрид/бұлтқа шыға алады?
3. Энергия KPI-ын міндеттеңіз. Әр AI use-case үшін: үнемделген кВт·сағ, азайған тоқтау сағаты, қысқарған факел көлемі сияқты өлшем болсын.
4. Edge-first принципін қарастырыңыз. Өндірістегі real-time міндеттерді желіге тәуелсіз ету қауіпсіз әрі арзан.
5. Реттеуші және қоғаммен ерте сөйлесіңіз. Деректер орталығы немесе ірі есептеу кластері болса, энергия көзі, су, шу, резерв қуат туралы ашық жоспар жасаңыз.

Қазақстан үшін дұрыс сұрақ: “қайда саламыз?” емес, “қалай басқарамыз?”

Деректер орталықтарына қарсы реакция бір нәрсені анық көрсетті: AI экономикасы физикалық шектеулерге келіп тірелді. Электр, су, желі, көміртек және жергілікті келісім.

Қазақстанның энергия және мұнай-газ компаниялары бұдан ұтылмауы керек. Керісінше, ұта алады: өндірістегі AI арқылы тиімділікті көтеріп, эмиссияны түсіріп, кейін сол тәжірибені тұрақты AI инфрақұрылымына айналдыруға болады.

Ал сіздің ұйым үшін келесі 90 күнге ең пайдалы сұрақ мынау: қай AI жобасы бір уақытта өндіріс көрсеткішін де, энергия/эмиссия көрсеткішін де жақсартады?