Без китайської електромережі не можна зробити «національного лобстера»

На початку 2026 року OpenClaw (зазвичай званий “молюск”) швидко став популярним на GitHub і до березня став одним із найшвидше зростаючих відкритих проектів у історії GitHub. Від гіків та ентузіастів до звичайних користувачів, від програмістів до пенсіонерів — “вирощування раків” майже за одну ніч заполонило всі великі платформи і навіть стало модним трендом серед молоді, що прагне спробувати новинки.

Щодо агентів, які виконують роботу за людей, — “вартість” тут досить велика. Завдання, виконане агентом, — це десятки послідовних логічних висновків і рішень, що споживають обчислювальні ресурси у десятки разів більше, ніж звичайні діалоги. Наприклад, відповідь GPT-5.4 “Hi” коштує 80 доларів. Чим ширше поширюються агенти, тим більше потрібно обчислювальної потужності, і відповідно, зростає споживання електроенергії.

Відомий дослідник штучного інтелекту зазначає, що споживання токенів все глибше закорінюється у базовій логіці економічної системи. У майбутньому більшість економічних активностей будуть здійснюватися у формі споживання токенів. А електроенергія стає все більш важливим фактором у цій боротьбі за штучний інтелект.

Завжди вважалося, що ціна електроенергії в Китаї залишається однією з найконкурентоспроможніших серед основних економік світу, і навіть Ілон Маск та Дженсен Хуанг неодноразово заявляли, що “Китай може виграти у гонці штучного інтелекту завдяки перевазі у енергетиці та електроенергії”.

Однак “перевага у електроенергії” — це лише загальна фраза. За цим стоїть унікальна енергетична структура Китаю, що несе і можливості, і виклики.

Шалений ріст обчислювальної потужності AI, світовий попит на електроенергію зростає

Зі спалахом генеративного AI швидкість споживання обчислювальних ресурсів у світі зростає неймовірно швидко.

За даними Китайського інституту зв’язку та інформаційних технологій, станом на червень 2025 року глобальна потужність обчислювальних пристроїв досягла 4495 EFlops, що на 117% більше порівняно з попереднім роком. З них частка інтелектуальних обчислень для тренування та висновків AI зросла з приблизно 70% у 2024 році до 85%, ставши головним драйвером зростання.

Такий швидкий попит на обчислювальні ресурси безпосередньо перетворюється у зростання споживання електроенергії. За даними Міжнародного енергетичного агентства (IEA), у 2025 році глобальні енергоспоживання дата-центрів становили приблизно 415—650 ТВт-годин (TWh), що становить близько 1,5%—2% світового споживання електроенергії. З них AI-дані центри споживали вже 30%—40%, і ця цифра швидко зростає.

IEA зазначає, що США, Китай і Європа — найбільші регіони за споживанням електроенергії дата-центрами, причому США — близько 45%, Китай — близько 25%, а Європа — близько 15%.

Широке застосування агентів типу “молюсків” (OpenClaw та ін.) веде до нових масштабів споживання.

Наприклад, у OpenClaw кожен крок споживає обчислювальні ресурси і реальні гроші: один із закордонних користувачів повідомляє, що неправильно налаштоване автоматизоване завдання за один день з’їло 200 доларів API-оплати.

Навіть при роботі на моделях із відносно низькою ціною, безперервні виклики агентів коштують чимало. Наприклад, щоденна робота Kimi обходиться приблизно у 5—10 доларів, місячний бюджет токенів — близько 150—300 доларів. Якщо використовувати Claude API і запускати OpenClaw цілодобово, місячні витрати можуть сягати 800—1500 доларів.

За прогнозами американської компанії Gartner, до кінця 2026 року близько 40% компаній використовуватимуть AI-агентів для виконання завдань, тоді як у 2025 році цей показник був менше 5%. Коли агент стане частиною щоденної інфраструктури бізнесу, попит на обчислювальні ресурси перетвориться у постійне навантаження, що безперервно підживлює глобальні електромережі.

Такий темп зростання вже починає створювати тиск на енергетичну галузь. Morgan Stanley прогнозує, що у період з 2025 по 2028 роки дефіцит електроенергії у дата-центрах США сягне 47 ГВт — що еквівалентно приблизно 9 містам Маямі за споживанням.

За цим стоїть очевидна боротьба за енергоресурси.

Водночас, екосистеми AI у різних країнах формують різну цінову структуру енергоспоживання.

Відомий дослідник AI зазначає, що сучасна система тренування великих моделей у світі базується переважно на екосистемі NVIDIA CUDA, і багато масштабних моделей досі сильно залежать від GPU NVIDIA та зрілих програмних фреймворків. Водночас, вітчизняні GPU ще швидко розвиваються у програмній частині, тому наразі вони здебільшого використовуються для висновків.

Це робить відкриті моделі з відкритими вагами більш актуальними в Китаї. Якщо модель має відкриті ваги, компанії можуть запускати висновки на локальних серверах або вітчизняних GPU, не залежачи повністю від закордонних хмарних сервісів.

У такій моделі структура витрат на AI змінюється: витрати на висновки — це вже не лише GPU та хмарні послуги, а й сервери й електроенергія.

Саме тому вартість електроенергії в системі AI у Китаї отримує ще більше значення.

Енергетична боротьба за AI: чи зможе дешевизна електроенергії тримати ціну токенів

Зі зростанням популярності агентів і багатоступеневих висновків, обсяг споживання токенів стрімко зростає, а за ним — і споживання електроенергії. У такій ситуації постає питання: чи зможе Китай зберегти свою перевагу у низькій ціні токенів (тобто API-дзвінках до великих моделей)?

Асистент кафедри штучного інтелекту Центрального педагогічного університету Ху Юйсюань зазначає, що з точки зору енергетики, у низькій ціні токенів у Китаї закладена структурна перевага у витратах.

Ця перевага зумовлена масштабами та вартістю енергетичної системи країни.

З точки зору масштабів, Китай уже має найбільшу у світі електроенергетичну систему. Станом на 2025 рік, загальна встановлена потужність становила 389 ГВт, а споживання електроенергії вперше перевищило 10 трильйонів кіловат-годин, що є світовим рекордом. Це більше, ніж у США за рік удвічі, і перевищує сумарне споживання ЄС, Росії, Індії та Японії. Така масштабна генерація забезпечує стабільне постачання для високозатратних AI-даних центрів.

У березні 2026 року уряд Китаю у своєму звіті про роботу на 2026 рік заявив про намір “запровадити надмасштабні інтелектуальні обчислювальні кластери, інтеграцію обчислювальної та енергетичної систем, посилити моніторинг і управління обчислювальними ресурсами по всій країні, підтримати розвиток публічних хмарних сервісів”. У рамках політики глибокої інтеграції обчислювальних і енергетичних систем, інфраструктура дата-центрів і AI-обчислювальних систем у Китаї може більш ефективно узгоджуватися з енергетичною мережею.

Крім того, Китай має один із найбільших у світі обсягів встановлених потужностей у гідро-, вітро- та сонячній енергетиці. У деяких регіонах багатство енергоресурсів дозволяє отримувати електроенергію за нижчими цінами.

“Знижуючи вартість електроенергії, така енергетична структура сприяє зменшенню вуглецевих викидів”, — зазначає Ху Юйсюань. — “У майбутньому низька ціна токенів у Китаї залишатиметься конкурентною”.

Відомий експерт з енергетичних мереж додає, що структурною перевагою є не лише масштаб енергетики, а й здатність системи управління електроенергією та міжрегіональні високовольтні лінії передачі.

У Китаї існує природна структурна проблема розподілу ресурсів: ресурси — у західних регіонах, споживання — у східних, між якими — тисячі кілометрів. Основний інфраструктурний проект — високовольтна лінія передачі (UHV), що дозволяє передавати електроенергію з заходу на схід.

На кінець 2025 року вже побудовано 44 міжрегіональні високовольтні лінії, що мають найвищий у світі рівень напруги та найдовші лінії UHV. Потужність передачі з заходу на схід перевищує 340 ГВт, що забезпечує близько п’ятої частини споживання у східних і центральних регіонах. Енергоресурси з регіонів, таких як Сіньцзян, Ганьсу, Внутрішня Монголія, — з низькою вартістю — ефективно доставляються до високонавантажених центрів у східних регіонах, дозволяючи дата-центрам отримувати стабільне та дешеве електропостачання без залежності від високих цін міських мереж.

Ця модель “східні дані — західні обчислення” є унікальною у світі і наразі реалізується лише у Китаї у рамках державних проектів.

Отже, Китай має унікальні переваги у енергетиці для AI: масштаб дозволяє приймати великі навантаження, високовольтна мережа — забезпечує міжрегіональне управління, а швидке впровадження — швидке втілення нових проектів. У сукупності це створює справжній стратегічний бар’єр у базовій інфраструктурі AI.

Головний бар’єр для обчислювальної потужності AI: якість і стабільність електроенергії

Крім масштабів, системи передачі та екосистеми, є ще один важливий фактор — якість електроенергії.

За словами генерального директора BraneMatrix AI Лі Гуанхуя, структура цін на електроенергію в Китаї дуже складна, і переваги у витратах на AI залежать не лише від ціни, а й від енергетичної структури та здатності системи електропостачання.

Реальність така, що структура електроенергії в різних регіонах Китаю значно відрізняється.

Наприклад, у деяких регіонах багаті ресурси вугілля, і ціни на електроенергію там нижчі; у інших — значний обсяг нових джерел енергії, але через обмежену здатність їх споживати виникає надлишок; ще в інших — обмежена здатність мережі інтегрувати нові джерела, що створює виклики для стабільності постачання. Ці відмінності формують регіональні особливості енергоресурсів.

Для AI-даних центрів важливо не лише ціна, а й стабільність постачання. Лі Гуанхуй підкреслює, що GPU-кластер дуже чутливий до коливань напруги і струму: навіть короткочасні коливання можуть знизити продуктивність або пошкодити обладнання, підвищуючи ризик поломок. Тому навіть за низькою ціною електроенергії, якщо якість постачання погана, це може виявитися невигідним. У регіонах із недостатньою інфраструктурою використання нестабільної енергії може збільшити ризики для обладнання.

Тому великі AI-дані центри створюють більш складні системи енергопостачання — з системами управління, стабілізаторами та програмним контролем — щоб забезпечити стабільну роботу GPU-кластерів. Наприклад, Google і Microsoft мають окремі системи електропостачання, що є важливою частиною інфраструктури AI.

З цієї точки зору, у епоху агентів головним питанням є не лише ціна електроенергії, а здатність системи забезпечити стабільне та якісне живлення для великих GPU.

Енергетична драма у гонці за AI: геополітичні ризики

Масштаб і стабільність енергосистеми визначають можливість довгострокової роботи AI-обчислень. Але на більш глобальному рівні, стабільність енергопостачання сама по собі може впливати на цю систему.

Нещодавно напруженість між США та Іраном знову зросла, і ситуація у Близькому Сході викликає занепокоєння.

Зокрема, стратегічний морський шлях — Ормузська протока, що з’єднує Перську та Аравійську затоки, — є одним із найважливіших транспортних коридорів для енергоресурсів у світі. Більшість нафтових вантажів із країн Близького Сходу проходять саме цим маршрутом до Азії та Європи. Китай імпортує нафту з Саудівської Аравії, Іраку, ОАЕ — переважно через цей шлях.

У разі ескалації конфлікту або блокування морських шляхів, ціни на нафту можуть різко зрости, а через міжнародний енергетичний ринок — і ціни на газ та інші ресурси, що вплине на загальну структуру витрат.

Станом на 2025 рік, залежність Китаю від імпорту природного газу становить близько 40—45%. Основні джерела — газ із Росії (через газопроводи), Центральної Азії та LNG з Катару й Австралії. Хоча газ у структурі енергетики країни не домінує, він відіграє важливу роль у балансуванні пікових навантажень.

Якщо структура енергетики зміниться і попит на AI зросте ще більше, виникає питання: чи зможе енергетична система витримати нові навантаження? Це — ще один виклик для галузі.

Відомий експерт з енергетичних мереж наголошує, що, хоча масштаб системи великий, у ній залишаються зовнішні залежності, зокрема від імпорту нафти і газу. Частина енергоресурсів — у зовнішніх ринках, і їх стабільність залежить від геополітичної ситуації.

Проблема енергетики у боротьбі за AI ще не вирішена і залишається відкритою.

Джерело: Tencent Tech

Ризики та застереження

Ринок — ризик, інвестиції — з обережністю. Цей матеріал не є інвестиційною рекомендацією і не враховує індивідуальні цілі, фінансовий стан або потреби користувачів. Користувачі мають самостійно оцінити відповідність рекомендацій їхнім обставинам.