Ваш мозг работает на 20 ваттах. ИИ хочет электростанцию

Человеческий мозг работает примерно на 20 ваттах. Самый быстрый суперкомпьютер в мире, LineShine в Шэньчжэне, потребляет 42,2 миллиона ватт. Этот разрыв стал любимым аргументом интернета о потреблении энергии ИИ, и большая часть из него неверна.

Сравнение само по себе верно. Однако цифры, циркулирующие в социальных сетях, восходят к одной статье. Наиболее поразительная из них была неправильно приписана на протяжении трех лет.

Китай впервые с 2017 года возглавил мировой рейтинг суперкомпьютеров.

LineShine. Шэньчжэнь. 2,198 экзафлопс. 2 квинтильона вычислений в секунду. На 20% быстрее, чем El Capitan в США.

полностью построен на отечественных китайских процессорах. без Nvidia. без американских чипов. без экспортных ограничений... https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
--- IT Guy (@T3chFalcon) 24 июня 2026 года

Использование энергии ИИ: что на самом деле покупают 20 ватт {#h-ai-energy-use-what-20-watts-actually-buys}

Цифра в 20 ватт основана на десятилетиях метаболических измерений. Мозг составляет около 2% от массы тела и примерно 20% от потребления кислорода в состоянии покоя.

Количество нейронов менее надежно, чем кажется. Широко цитируемые 86 миллиардов основаны на четырех мужских мозгах и в настоящее время оспариваются в журнале Brain.

Вирусные посты часто используют 12 ватт вместо 20. Эта цифра появляется в статье 2023 года в журнале Frontiers in Artificial Intelligence, указанной без каких-либо ссылок.

Та же статья произвела число, которым все делятся. Ее авторы оценили, что цифровое воссоздание человеческого мозга потребует 2,7 миллиарда ватт.

Эта оценка была получена путем экстраполяции симуляции на 10 миллионов нейронов до масштаба мыши, а затем умножением на тысячу.

В статье также говорится, что симуляция работала примерно в 30 000 раз медленнее, чем биология. Социальные посты опускают эту деталь. Вторичные источники затем приписывают эту цифру проекту Blue Brain, который никогда ее не публиковал.

Надежные цифры действительно существуют в других местах. Epoch AI оценил типичный запрос ChatGPT на 0,3 ватт-часа в начале 2025 года. Рецензируемое исследование в Joule позже установило 0,31.

Два независимых метода, согласующиеся так близко, являются необычными. Однако цифра резко меняется в зависимости от нагрузки, и модели рассуждений, которые производят более длинные ответы, могут стоить в несколько раз больше.

Что биология делает иначе и что кремний скопировал {#h-what-biology-does-differently-and-what-silicon-copied}

Кора головного мозга активна редко. Средняя частота импульсов ниже 1 Гц, а энергия следует за изменениями, а не за тактовыми циклами.

Современный ИИ пришел к тому же выводу независимо. Kimi K2 активирует 32,6 миллиарда из своих 1,04 триллиона параметров на токен, близко к 3,1%.

Это соотношение быстро падает. Mixtral использовал примерно 28% своих параметров в 2023 году, в то время как DeepSeek-V3 теперь использует 5,5%.

Биология также вычисляет с низкой точностью. Ничто внутри нейрона не разрешается до 32 бит.

Производители чипов следовали тому же пути. DeepSeek обучил модель с 671 миллиарда параметров с восьмибитной точностью. NVIDIA с тех пор предобучила модель с 12 миллиардами параметров с четырехбитной точностью.

Третье различие является самым большим и наименее скопированным. Мозги хранят память и вычисления в одном физическом месте.

Цифровые машины разделяют их. Марк Хоровиц из Стэнфорда показал стоимость этого разделения. Извлечение операнда из памяти может потреблять в сотни раз больше энергии, чем само арифметическое действие.

Чипы, имитирующие мозг, которые никогда не появились {#h-the-brain-shaped-chips-that-never-arrived}

Аппаратное обеспечение, построенное специально для имитации нейронов, испытывало трудности. Ни одна нейроморфная или аналоговая система не обучала и не запускала модель на переднем крае в производстве.

Hala Point от Intel содержит 1,15 миллиарда искусственных нейронов на 1 152 чипах. Это остается исследовательским прототипом, установленным в Национальных лабораториях Сандии. Майк Дэвис, директор Лаборатории нейроморфных вычислений Intel, в интервью The Register в 2024 году сказал:

"В настоящее время мы не сопоставляем никакие LLM с Hala Point. Мы не знаем, как это сделать."

Коммерческая картина еще более туманна. BrainChip является флагманской публичной компанией в этом секторе. В прошлом квартале она сообщила о доходах от клиентов в размере 700 000 долларов против операционных убытков в 5,3 миллиона долларов.

Другие компании полностью остановились. Rain AI, которая искала 150 миллионов долларов и не смогла их привлечь, исследовала возможность продажи в 2025 году.

Исследователи в этой области описывают замкнутую проблему. Кэтрин Шуман, доцент кафедры электротехники и компьютерных наук Университета Теннесси в Ноксвилле, заявила:

"Компании-производители оборудования ждут появления убийственного приложения, но действительно трудно понять, как создать такие приложения, не имея оборудования для прототипирования."

Более 20 исследователей подписали консенсусную статью в журнале Nature в 2025 году. В ней утверждается, что в этой области по-прежнему отсутствует необходимая экосистема.

Принципы биологии победили. Оборудование, созданное для их воплощения, не сработало.

Все борются за одни и те же электроны {#h-everyone-is-bidding-for-the-same-electrons}

Эффективность имеет значение, поскольку электричество стало ограничивающим фактором. Международное энергетическое агентство оценило потребление глобальных дата-центров в 485 тераватт-часов в 2025 году.

Учреждения, ориентированные на ИИ, выросли на 50% только за этот год. Агентство ожидает, что их количество утроится к 2030 году.

Доступ к электросетям, а не поставка чипов, теперь определяет строительство. Среднее время от запроса на подключение до коммерческой эксплуатации превышает пять лет, согласно данным Лаборатории имени Лоуренса Беркли.

Генеральный директор Microsoft Сатья Наделла заявил в ноябре, что его компания имеет процессоры, которые не может подключить. Дефицит вызван зданиями, а не кремнием. Институциональные инвесторы задают аналогичные вопросы о готовности электросетей.

Майнеры биткойнов потратили десятилетие на решение именно этой проблемы. У них есть энергоснабжаемые площадки, подписанные соглашения о поставке электроэнергии и права на подключение, которые новички ждут годами, чтобы получить.

В результате майнинг превратился в бизнес, связанный с энергией и инфраструктурой. Переоборудование работающего объекта стоит примерно от 3 до 4 миллионов долларов за мегаватт. Строительство с нуля обходится в 10-12 миллионов долларов, по оценкам VanEck.

Объявленные суммы сделок огромны. Публичные майнеры подписали контракты на ИИ на сумму более 70 миллиардов долларов в совокупности.

Доставленная мощность рассказывает более тихую историю. В отчетах за второй квартал 2026 года показано, что примерно 750 мегаватт фактически были активированы в этом секторе.

Core Scientific составляет около 437 из этих мегаватт. Кампус Galaxy Helios обеспечил 133; TeraWulf — 102; IREN — 50; и Riot — 25. Hut 8 заключила контракт на 949 мегаватт, но не активировала ни одного.

Поворот оказался дорогостоящим. Совокупные квартальные убытки у майнеров MARA и CleanSpark достигли 851 миллиона долларов в августе.

Большинство мощностей для майнинга никогда не будут конвертированы. Предварительные данные опроса Кембриджа, представленные в июле, показали, что около 10% майнеров выделили электроэнергию для ИИ.

Препятствия физические. Майнинг допускает прерывание, в то время как арендаторы ИИ требуют стабильной мощности, плотного охлаждения и оптоволокна, которых удаленные площадки редко имеют.

Тем не менее, направление движения ясно. Core Scientific теперь зарабатывает 83% своих доходов от совместного размещения и только 13% от самого майнинга.

Инвесторы учли этот сдвиг. Майнеры, имеющие подписанные аренды, торгуются по гораздо более высоким мультипликаторам своей активированной мощности. Тем временем следующая ставка на ИИ все больше выглядит как электричество, а не чипы.

Почему эффективность не исправит потребление энергии ИИ {#h-why-efficiency-will-not-fix-ai-energy-use}

Эффективность в прошлом поглощала рост спроса. Глобальные вычисления в дата-центрах выросли на 550% с 2010 по 2018 год, в то время как потребление энергии увеличилось примерно на 6%.

Затем эта закономерность сломалась. Потребление дата-центров в Соединенных Штатах выросло с 58 тераватт-часов в 2014 году до 176 в 2023 году.

Эволюция оптимизировалась под жестким потолком. Череп, потребляющий 200 ватт, убил бы своего владельца, поэтому эффективность стала единственным доступным ответом.

Искусственный интеллект никогда не сталкивался с этим потолком. Вместо этого он столкнулся с потолком капитала, и капитал растягивается гораздо легче, чем электричество.

Сейчас это меняется. Открытым вопросом больше не является то, является ли биология более эффективной. Вопрос в том, чем станет искусственный интеллект, когда власть, а не деньги, будут определять, что будет построено.