Centrum danych nie musi pobierać pełnej mocy przez całą dobę. AI może odciążyć sieć energetyczną

W dyskusji o energii dla sztucznej inteligencji dominuje jedno pytanie: skąd weźmiemy prąd dla kolejnych centrów danych? Odpowiedzi zwykle dotyczą podaży — elektrowni jądrowych, gazowych, farm wiatrowych. 8 października 2026 roku Reuters przypomniał inną możliwość: zamiast tylko zwiększać moc wytwórczą, można zmienić, kiedy centra danych z niej korzystają. Mechanizm jest prosty — gdy sieć zbliża się do granic możliwości, operator na krótko ogranicza pobór prądu lub przesuwa część zadań obliczeniowych na inny termin. Nie każde obciążenie się do tego nadaje, ale część treningów modeli, analiz wsadowych czy przetwarzania archiwalnych danych jest mniej wrażliwa na krótkie przesunięcie niż systemy odpowiadające klientowi w czasie rzeczywistym.

Liczby, które stoją za tym pomysłem, pochodzą z dwóch różnych źródeł, co warto rozdzielić. Elektric Power Research Institute (EPRI) szacuje, że ankietowane centra danych zgłaszają potencjał ograniczenia szczytowego poboru mocy o 10-30 procent, zależnie od typu obiektu, a zużycie energii przez amerykańskie centra danych może wzrosnąć z ok. 177-192 TWh w 2024 roku do 383-793 TWh w 2030 — to szeroki przedział prognoz, nie pewnik. Osobno, raport Nicholas Institute przy Duke University, opublikowany już 17 lutego 2026 roku i przypomniany teraz przez Reutersa, modeluje, że szersze wykorzystanie takiej elastyczności mogłoby ograniczyć łączne koszty systemu energetycznego (unikniętych nakładów kapitałowych, operacyjnych i paliwowych) o 40 do 150 miliardów dolarów w ciągu dekady.

Jeden konkretny przykład, dużo niewiadomych

Artykuł Reutersa podaje jeden nazwany, wdrożony przykład: OpenAI zgodziło się ograniczyć pobór prądu z sieci o do 1 gigawata z planowanego obiektu o mocy 3,2 GW w Georgii, w okresach obciążenia sieci. To pokazuje, że mechanizm technicznie działa — nie jest tylko teorią z arkusza kalkulacyjnego. Jednocześnie ten sam artykuł przyznaje, że cała strategia „demand response" dla centrów danych jest dotąd wdrażana głównie przez pojedyncze projekty pilotażowe i jednorazowe umowy, a nie jako standardowa, powszechna praktyka branżowa. Bez flexibility nowe elektrownie gazowe (NGCC) pozostaną najważniejszym nowym źródłem zasilania centrów danych w najbliższych pięciu latach — ze flexibility, modelowanie Duke pokazuje redukcję tych inwestycji o 10-50 procent w zależności od scenariusza.

Kto za to płaci i kto na tym zyskuje

Nie każde obciążenie nadaje się do przesuwania. System obsługujący transakcje finansowe czy ważną usługę publiczną nie może przestać działać w godzinach szczytu. Elastyczność wymaga rozdzielenia zadań krytycznych od tych, które można wykonać później, oraz narzędzi zarządzania, umów z dostawcami energii i przejrzystych zasad wynagradzania za ograniczenie poboru. Operator, który zgadza się na redukcję — jak w przypadku OpenAI — najpewniej dostaje coś w zamian: szybsze przyłączenie do sieci albo korzystniejszą cenę. To transakcja, nie altruizm, i nie każdy klient, zwłaszcza obsługujący zapytania w czasie rzeczywistym, ma taką swobodę.

Czego wciąż brakuje

Brakuje przede wszystkim ram regulacyjnych standaryzujących, jak operatorzy sieci wynagradzają elastyczność — stawek, gwarancji, kar za niedotrzymanie zobowiązań. Bez tego każda umowa, jak ta z Georgii, jest indywidualną negocjacją, a nie powtarzalnym mechanizmem rynkowym. Brakuje też publicznych danych o łącznej, zakontraktowanej mocy elastyczności w całych Stanach Zjednoczonych — mamy jeden nazwany przykład, nie zagregowany obraz skali zjawiska. Dla Polski, mierzącej się z ograniczeniami przyłączeniowymi i kosztowną modernizacją sieci, elastyczność obciążenia centrów danych mogłaby stać się realnym narzędziem negocjacyjnym — ale najpierw potrzebne są ramy taryfowe, których na razie brak.

Predykcje, które będziemy sprawdzać

Pełny rejestr predykcji znajduje się w Forecast Ledger. Nic z niego nie usuwamy — nawet jeśli prognoza się nie sprawdzi.