Šéf technologické firmy o obřím omylu: Místo předražené gigafactory raději stará ocelárna

Firma z Düsseldorfu sází na budování suverénních a udržitelných evropských datových center. Místo novostaveb využívá opuštěnou průmyslovou infrastrukturu, jako jsou staré ocelárny. Odebírá odpadní teplo pro vytápění domů a zaměřuje se na energeticky méně náročný provoz AI modelů. V rozhovoru to prozradil šéf společnosti Polarise Michel Boutouil.

Stará ocelárna, která projde modernizací, může mít lepší využití než zbrusu nové datové centrum. Právě na tuto myšlenku sází německá společnost Polarise. Firma se zabývá infrastrukturou pro AI. Její generální ředitel Michel Boutouil v rozhovoru pro EU Perspectives vysvětlil, proč by Evropa měla přestat kopírovat obří americké „továrny na AI“ a místo toho budovat menší a chytřejší zařízení.

Polarise vznikla v Berlíně a nyní sídlí v Düsseldorfu. Jejím cílem je budovat „suverénní evropské továrny na AI“. Odmítá model výstavby obřích center na „zelené louce“. Místo toho umisťuje modulární výpočetní kapacity do stávajících budov a do regionů s dostatkem obnovitelných zdrojů energie. Firma již provozuje výpočetní kapacity v Oslu a v Mnichově. Nově plánuje výstavbu centra o výkonu 65 megawattů v bavorském Ambergu.

Proč potřebujeme budovat další datová centra?

Umělá inteligence bude mít obrovský dopad a změní mnoho věcí ve světě, zejména způsob, jakým pracujeme. Je to nástroj, který vyžaduje výpočetní kapacitu. A výpočetní kapacita zase vyžaduje datová centra. Pokud bude současný trend rozšiřování pokračovat, nebudeme mít dostatek infrastruktury. Potřebujeme jí víc. Musíme však k tomu přistupovat obezřetně. Důležité není jen navyšovat kapacity datových center, ale dělat to udržitelným způsobem.

Jak vnímáte evropskou strategii v oblasti umělé inteligence jako celek? Měla by se Evropa snažit konkurovat USA a Číně, nebo zvolit jiný přístup?

Nemyslím si, že budeme konkurovat stejným způsobem USA nebo Číně. Mají odlišné podmínky. Pro Evropu je to skvělá příležitost. Můžeme vytvořit něco, co vznikne v Evropě a bude sloužit celému světu. Něco, co bude suverénnější, bude odrážet naše hodnoty a bude lépe chráněno. Díky tomu máte lepší pocit, když svěřujete svá data stroji. Koneckonců je to stroj, který někomu patří a je krmen daty, jež lze využít k dobrým i špatným účelům. Jako Evropané musíme jednat.

Existuje šance, že bychom mohli přeskočit vývojové fáze a dosáhnout rychlého pokroku. Propásli jsme nástup digitalizace i cloudu. Oblast cloudu je už ztracená. V oblasti AI ale stále máme šanci. Na trhu panuje mylná představa o tom, co bude skutečně potřeba. Posledním letům dominovaly tzv. základní modely (foundation models) a trénovací clustery, které vyžadují obrovská datová centra a spoustu grafických procesorů (GPU).

Po fázi trénování však následuje samotný provoz AI, tedy tzv. inference. Ty už tak obrovské clustery nevyžaduje. Jde o jiný způsob využívání technologií. Navíc se zlepšují modely s otevřeným zdrojovým kódem. Neměli bychom se soustředit jen na to, co vytvořila společnost OpenAI nebo na čem pracuje Anthropic. Měli bychom se zaměřit na to, co dalšího lze podniknout a jak by to mohlo být zajímavé z evropského pohledu.

Hrají v této rovnici roli lokalizované modely? Jde o oblast, kde by Evropa mohla zaujmout vlastní pozici?

Spíše jde o modely s otevřeným zdrojovým kódem. Když se podíváte na společnost, jako je Hugging Face – což je spíše vývojářská platforma – vidíte, že modely lze dále ladit či vyvíjet a využívat přitom čínské, americké nebo evropské open-source modely. Všichni vytvářejí nejen základní modely, ale i modely s otevřeným kódem. Ty lze dále rozvíjet a využívat ke specifickým účelům. Svět nebude tvořen pouze špičkovými modely od společností jako OpenAI či Anthropic. K dispozici bude i řada dalších řešení. Jen se s nimi musíme naučit pracovat.

Jak sladit obavy o klima s výstavbou datových center, která nás čeká?

Záleží na způsobu realizace. Když se podíváme na USA a Čínu, vidím velký problém. Spotřebovávají obrovské množství energie, vody i prostoru. A přitom ve srovnání s průmyslovými odvětvími minulých dekád vytvářejí jen málo pracovních míst. Pokud však k otázce skutečných potřeb přistoupíte kreativně, existuje řada možností.

Datové centrum nemusíte budovat jen jako zařízení, které energii spotřebovává. Můžete jej navrhnout tak, aby energii přeměňovalo na teplo, kterým lze vytápět domy v okolí. Vyžaduje to však, abyste nehleděli pouze na ziskovost samotné IT infrastruktury, ale i na přínos pro životní prostředí a lidi.

A přesně to děláme my. Náš přístup se liší tím, že nestavíme na „zelené louce“ od úplného základu. Datová centra umisťujeme tam, kde již existuje potřebná infrastruktura. Například do starých továren či hutí, které již mají zajištěné energetické připojení a budovy.

Tím se výrazně snižují emise CO₂, protože modernizujeme stávající objekt, místo abychom stavěli nový. Z IT systémů následně odebíráme maximum tepla a vedeme jej do výměníku, odkud jej mohou odebírat místní rozvodné sítě nebo teplárenské společnosti.

Zároveň vyhledáváme lokality v blízkosti zdrojů obnovitelné energie, jako jsou větrné či solární elektrárny. A budujeme bateriová úložiště, abychom dokázali zachytit co nejvíce energie v průběhu celého dne. Vyžaduje to ale vyšší počáteční investice a více přemýšlení.

Evropská komise plánuje ztrojnásobit počet datových center v Evropě, což přesahuje současné kapacity elektrické sítě. Kde leží hranice vašeho přístupu a co se stane, až se k ní přiblížíte?

Tím se vracíme k tomu, co jsem říkal na začátku. Lidé se fixují na obří datová centra určená k trénování rozsáhlých modelů. Trénování sice vyžaduje mohutné výpočetní clustery, ale takový cluster nemusí být v každé zemi. Trénovací centra lze budovat přímo v místech, kde se energie vyrábí.

Podívejte se na Skandinávii. 99,9 % energie pochází z obnovitelných zdrojů a je jí tam dostatek. Pokud tedy strategicky uvažujeme o tom, kam takový cluster umístit, mělo by to být na severu. Ve zbytku Evropy se pak budují menší clustery pro provoz AI a služby určené přímo zákazníkům.

Druhým bodem je, že vlastně nevíme, v jakém rozsahu bude v budoucnu probíhat trénování AI, protože mnohé špičkové modely jsou již nyní nesmírně schopné. Potřebujeme ale tyto schopnosti pro všechno? Potřebujeme pro každý úkol modely s obrovským počtem parametrů? Nemyslím si. Superinteligence je zapotřebí jen ve specifických případech. Pro většinu úkolů – třeba překlad e-mailu z angličtiny do němčiny, což tvoří možná polovinu současného využití – ji nepotřebujete.

Celý rozhovor, který vyšel v angličtině na EU Perspectives, si můžete přečíst ZDE.