Az NVIDIA, a Google és az Emerald AI rugalmas AI-adatközpontokat építene
Az NVIDIA, a Google és az Emerald AI elindította az AI Energy Management Alliance szövetséget, amely olyan adatközponti infrastruktúrát támogatna, amely a hálózat állapotához igazítja villamosenergia-felhasználását. A kezdeményezés célja, hogy gyorsabb csatlakozást tegyen lehetővé az amerikai AI-infrastruktúra számára, miközben segíti az energiaellátó rendszerek működését.
- Elindult az AI Energy Management Alliance az NVIDIA, a Google és az Emerald AI részvételével.
- A szövetség hálózati körülményekhez igazodó energiafelhasználású adatközpontokat támogatna.
- A rugalmas működéshez munkaterhelés-áthelyezés, energiatárolás és fogyasztáscsökkentés is használható.
- Az AEMA technológiasemleges, mérhető teljesítménykövetelményeket javasol.
- A kezdeményezés az amerikai AI-infrastruktúra gyorsabb hálózati csatlakozását célozza.
Az AI-infrastruktúra egyre nagyobb terhelést jelent a hálózatnak
Az NVIDIA 2026. szeptember 16-i közleménye szerint az AI-feladatokat kiszolgáló adatközpontok bővítésének egyik meghatározó korlátja az Egyesült Államokban a rendelkezésre álló villamos energia. A hagyományos hálózati csatlakozási folyamatokat olyan létesítményekre tervezték, amelyek fogyasztása állandó és előre kiszámítható. Ezek a folyamatok kevésbé illeszkednek az olyan számítási infrastruktúrához, amely képes reagálni az energiarendszer terheltségére.
Az AI Energy Management Alliance, röviden AEMA, olyan adatközpontokat ösztönözne, amelyek szabályozható energiafogyasztású erőforrásként kapcsolódnak a hálózathoz. Az NVIDIA szerint ezzel hatékonyabban használható ki a már meglévő hálózati kapacitás, csökkenthető a fogyasztás a rendszer túlterhelésének időszakaiban, és elkerülhetők vagy későbbre halaszthatók egyes költséges infrastruktúra-fejlesztések.
A fogyasztás több módon is szabályozható
A rugalmas adatközpontok több eszközzel reagálhatnak a hálózati körülményekre. Ilyen lehet a számítási feladatok időzítésének megváltoztatása, az energiatároló rendszerek kisütése, a kapcsolt energiatermelés használata vagy a rendszer rendellenességeire adott válasz.
Az AEMA technológiasemleges és teljesítményalapú megközelítést javasol. A hangsúly azon van, hogy egy létesítmény mérhetően milyen szolgáltatást tud nyújtani, például milyen gyorsan reagál, mennyi ideig képes fenntartani a választ, mennyire kiszámítható a működése, és hogyan viselkedik vészhelyzetben. A szövetség szerint a megbízhatóság továbbra is elsődleges szempont.
Az alapelvek között szerepelnek a csatlakozás előtti, egyértelmű ride-through, korlátozási és vészhelyzeti válaszadási kötelezettségek. Ezek azt szabályoznák, hogy az adatközpontok miként maradjanak kapcsolatban rövid hálózati zavarok alatt, mikor csökkentsék fogyasztásukat, és hogyan reagáljanak rendkívüli helyzetekben. Az AEMA emellett egységesítené a műszaki követelményeket, a teljesítménymutatókat és az üzemeltetési adatok megosztását.
Széles körű együttműködést sürgetnek
A kezdeményezés a számítástechnikai és energetikai értéklánc szereplőit fogja össze. A résztvevők között AI-platformok, infrastruktúraszolgáltatók, adatközpont-üzemeltetők, technológiai vállalatok, energiatermelők, közművek és regionális hálózatüzemeltetők is lehetnek. A három alapítóhoz a közlemény szerint további partnerek csatlakoznak.
Az AEMA műszaki és üzemeltetési megoldásokat dolgozna ki, a közművekkel együttműködve keresne válaszokat a hálózati csatlakozásra, és olyan szakpolitikai megoldásokat támogatna, amelyek elismerik a hálózatra reagáló energiaigényt. A szövetség szerint a teljesítményre, megbízhatóságra és együttműködésre épülő közös keretrendszer csökkentheti a fejlesztők bizonytalanságát, miközben a hálózatüzemeltetők számára több információt és ellenőrzési lehetőséget biztosít.
Az NVIDIA és az Emerald AI már dolgozik energiaipari és infrastruktúra-szereplőkkel olyan AI-gyárakon, amelyek valós időben tudnak reagálni a hálózati állapotokra. Az AEMA ezt a munkát szélesítené ki azzal, hogy a technológiai, energetikai és szakpolitikai közösségeket az Egyesült Államokban is alkalmazható modellek köré szervezi. A kezdeményezés így az AI-adatközpontok gyorsabb kiépítését a hálózati megbízhatóság és az energiafelhasználás hatékonyabb kezelése mellett képzeli el.
