Crusoe ve Lancium, Texas, Childress'ta 1 GW'lık bir yapay zeka (AI) veri merkezi kampüsü inşa etmeye başladı. Yeni şebeke bağlantıları için beklenen tipik beş ila yedi yıllık süreyi atlatmak için modüler gazla çalışan üniteler ve şebeke dengeleyici yazılımlar kullanıyorlar. Bu yaklaşım, tesisi geleneksel bir veri merkezinden daha hızlı devreye alıyor; bu da işlem gücü eklemek için yarışan şirketler için kritik bir avantaj sağlıyor.

Bu kestirme yol neden önemli

Geleneksel veri merkezleri, yeni şebeke kapasitesi sağlamak için bölgesel iletim kuruluşuna bağımlıdır ve bu süreç yarım on yıla kadar uzayabilir. Geliştiriciler ya başka yerlerde kapasiteyi aşırı inşa eder ya da maliyetli yükseltmeler için beklemek zorunda kalır. Elektrik piyasasını ERCOT'un yönettiği Teksas'ta, darboğaz en çok güvenilir ve yüksek yoğunluklu güce ihtiyaç duyan megavat ölçeğindeki yapay zeka çiftliklerini vuruyor.

İki yönlü çözüm

  • Crusoe'nun modüler gaz üniteleri: Her bir ünite, petrol kuyularında genellikle yakılan veya atmosfere salınan bir yan ürün yakıt olan atıl (stranded) doğal gaz ile çalışır. Bu gazın yakalanması, veri merkezi için yakıt maliyetlerini düşürür ve başlangıç gücü için ana şebekeye bağlanma ihtiyacını ortadan kaldırır. Üniteler fabrikada üretilip tam modüller (pod) halinde gönderildiği için haftalar içinde kurulup bağlanabilirler.

  • Lancium'un şebeke dengeleyici yazılımı: Lancium, ERCOT piyasasında elektrik ticareti yapmak için halihazırda 1 GW'lık bir anlaşmaya sahiptir. Platformu, fazla yenilenebilir enerji üretimini veya artı gaz arzını emerek kampüsün yükünü dengeler ve tesis güç çekerken yerel şebekeyi istikrarlı tutar. Yazılım, talebi herhangi bir andaki mevcut üretime eşleyerek sanal bir batarya gibi işlev görür.

Donanım ve yazılım, uzun şebeke bekleme listelerini devre dışı bırakarak 2030 yılına kadar tam kapasiteye ulaşmayı hedefliyor. Ortaklar, yapay zeka işlem gücü talebindeki öngörülen artışla eşleşecek şekilde, o yıla kadar 1 GW operasyon kapasitesini hedefliyor.

Daha geniş bağlam

Sektör analistleri, büyük ölçüde yapay zeka eğitimi ve çıkarımı (inference) tarafından yönlendirilen küresel bulut altyapısı harcamalarının 2028 yılına kadar 1,2 trilyon dolara ulaşmasını bekliyor. Yeni işlem gücünü hızlı bir şekilde devreye alabilen şirketler rekabet avantajı elde ediyor. Crusoe'nun gaz odaklı modeli, kesintili üretim sorunu yaşayan tamamen yenilenebilir enerji odaklı yapılar ile izin süreçlerindeki gecikmeler nedeniyle duraksayan tamamen şebekeye bağımlı tesisler arasında bir konumda yer alıyor.

Riskler ve karşı görüşler

Doğal gaz kullanımı, atıl gaz olsa bile, çevresel soruları beraberinde getiriyor. Yakıt aksi takdirde israf edilecek olsa da, yakılması yine de CO₂ ve metan kaynaklı kirleticiler salınmasına neden olur. Eleştirmenler, birçok teknoloji firmasının karbon nötr hedefleri verdiği bir dönemde, bu modelin ölçeklendirilmesinin fosil yakıt bağımlılığını kalıcı hale getirebileceği konusunda uyarıyor. Gaz yakıtlı üretimi cezalandıran düzenleyici değişiklikler de ekonomik yapıyı olumsuz etkileyebilir.

Takip edilmesi gerekenler

  • Birinci aşama yayılımı: İlk modüler ünitelerin (pod) operasyonel hale gelme takvimi, hız iddiasının ne kadar gerçekçi olduğunu ortaya koyacaktır.
  • Sermaye harcaması: Açıklandığında, toplam yatırım rakamları maliyetin geleneksel bir inşa süreciyle nasıl kıyaslandığını gösterecektir.
  • Kiracı taahhütleri: Büyük bir yapay zeka veya bulut oyuncusundan alınacak bir kiralama sözleşmesi, modeli doğrular ve muhtemelen ek müşterileri çeker.

Eğer Childress kampüsü 1 GW hedefine planlandığı gibi ulaşırsa, özellikle yeni iletim kapasitesinin kıt olduğu bölgelerde, yapay zeka sağlayıcılarının şebeke darboğazlarını aşması için tekrarlanabilir bir yol sunabilir. Bu deney, sürdürülebilirliğe giderek daha fazla değer veren bir piyasada, daha hızlı kurulum ile fosil yakıt kullanımı arasındaki ödünleşimin haklı çıkarılıp çıkarılamayacağını test edecektir.