С увеличением потребностей в энергии, вызванных бумом искусственного интеллекта, крупные технологические компании начинают активно инвестировать в разработку альтернативных источников энергии. По данным Международного энергетического агентства, большие языковые модели уже потребляют около 1,5% мировых энергетических ресурсов. Ожидается, что к концу десятилетия потребление энергии в этом секторе удвоится, что сопоставимо с энергопотреблением всей Японии.
Ядерный синтез становится настоящей находкой для технологической отрасли, так как он может предложить решение проблем с энергетической безопасностью и устойчивостью, связанных с ростом ИИ. В теории, коммерческий ядерный синтез способен обеспечить практически неограниченный источник чистой энергии, не оставляя опасных отходов, как это происходит с ядерным делением.
Крупные фигуры в технологическом мире, такие как Билл Гейтс и Сэм Альтман, активно поддерживают ядерный синтез как ответ на растущие энергетические потребности сектора. Альтман подчеркивает, что без прорыва в области новых источников энергии мир не сможет поддерживать темпы роста технологий. Он отметил, что для достижения этой цели необходимо инвестировать в синтез.
Научные достижения в области ядерного синтеза движутся вперед, и с увеличением приватизации сектора и появлением новых стартапов в этой области наблюдается приток инвестиций и конкуренции. Ранее только богатые государства могли позволить себе проводить эксперименты по синтезу, но сейчас появляются более компактные и эффективные модели, которые могут стать важным дополнением к крупным проектам.
С увеличением числа центров обработки данных и их потребностей в энергии возникает необходимость в новых источниках, особенно в регионах с недостаточной инфраструктурой. Быстрый рост интеграции ИИ создает значительное давление на электрические сети по всему миру. Проблемы, связанные с энергетическими потребностями, становятся не только инженерными, но и политическими, экономическими и даже военными.
Таким образом, будущее ядерного синтеза может заключаться в создании компактных и локальных моделей, которые смогут эффективно справляться с растущими потребностями в энергии.