Представь: ты подключаешь дома зарядку для электромобиля, сосед — ещё одну, а в промзоне неподалёку внезапно вырастает дата-центр. И всё это должно питаться от сети, которую проектировали в эпоху, когда «большая нагрузка» — это был чайник и микроволновка одновременно.
Вот на этом месте обычно начинается магия инженерных расчётов, таблиц и ожидания «результатов через месяц». А теперь новость: стартап ThinkLabs AI привлёк $28 млн, чтобы ускорить такие расчёты до минут и дать электросетям мозги помощнее.
Деньги дали не просто так — электросети реально трещат по швам
ThinkLabs AI делает ИИ-модели, которые умеют симулировать поведение электрической сети почти в реальном времени. Не «поболтать про энергетику», а именно посчитать, что будет, если к конкретной подстанции подключить новый дата-центр или целый район с быстрой зарядкой.
Раунд возглавил фонд Energy Impact Partners. В числе участников — венчурное крыло Nvidia и Edison International, материнская компания крупной энергокомпании в Калифорнии. Это тот случай, когда инвесторы пришли не потому что «поверили в ИИ», а потому что иначе будет больно — и дорого.
Почему старые инструменты планирования больше не вывозят
Потребление электричества растёт. По оценкам аналитиков ICF, в США к 2030 году ожидают плюс 25% спроса. Драйверы понятные: дата-центры для ИИ, электромобили, электрификация всего подряд — от отопления до промышленности.
Проблема не только в проводах. Когда сетевой компании нужно понять последствия подключения большой нагрузки, инженеры запускают расчёты потоков мощности — это симуляции «куда и как побежит электричество по сети». В классическом мире одна серьёзная проверка сценария может занимать недели, потому что софта много, сценариев ещё больше, а времени — как обычно.
ThinkLabs предлагает другой подход: взять проверенные физические симуляторы, на которых инженеры уже десятилетиями работают, и обучить ИИ так, чтобы он выдавал почти те же ответы, но в разы быстрее.
«ИИ не фантазирует, он считает» — в чём суть подхода
Ключевая идея простая: ИИ учится на результатах физических инженерных моделей — есть «источник истины», с которым можно сверяться. Это важно, потому что в электросетях «галлюцинации» не вызывают смех. Они вызывают отключения.
Система может сжать месячное исследование примерно до трёх минут, прогнать миллионы сценариев за считанное время и держать точность расчётов выше 99,7% на задачах потоков мощности.
99,7% звучит как «ну почти идеально». Но интереснее другое: CEO ThinkLabs Джош Вонг говорит, что реальный потолок — часто не точность ИИ, а качество исходных данных. И если подтянуть модель реальными измерениями с датчиков и диспетчерских систем, результат может быть даже ближе к реальности, чем плановый расчёт по гипотетическим сценариям.
Чем они отличаются от других «ИИ для энергетики»
Сейчас много кто делает ИИ для энергосектора: прогнозирует потребление, ловит аномалии, оптимизирует локальные штуки. ThinkLabs делает более тяжёлую работу — полноценную сетевую симуляцию, которую обычно считают в больших инженерных пакетах.
И это напрямую влияет на деньги. Такие расчёты — основа решений на миллиарды: строить ли новую линию, усиливать ли подстанцию, ставить ли накопители или можно обойтись более умным управлением нагрузкой.
Вонг точно описал боль отрасли: старые инструменты умеют показать проблемы, а решения часто находятся методом «а давайте попробуем так… нет… тогда так». ThinkLabs хочет, чтобы ИИ не только находил узкие места, но и предлагал варианты — например, куда поставить батарею или как расписать гибкость нагрузки.
Есть там и технология под названием «обучение с подкреплением» — это когда ИИ учится подбирать решения через пробу и ошибку, как если бы он искал выигрышную стратегию в игре. Смысл бытовой: не просто диагностировать, а предлагать план действий.
Зачем тут Nvidia и Microsoft
Участие венчурного крыла Nvidia намекает: расчёты у ThinkLabs очень прожорливые, и их выгодно гонять на специализированных видеокартах. А ещё компания сотрудничает с Microsoft — решения разворачиваются в облаке Azure. Для энергокомпаний это важно: многим проще покупать «как сервис», чем ставить монструозный софт у себя и собирать команду для его обслуживания.
В кейсе с Southern California Edison система обработала год почасовых расчётов по сотне сетевых участков за минуты и сформировала инженерные отчёты быстрее, чем обычно успевают собрать совещание.
А вдруг бум дата-центров притормозит?
Логичный вопрос: если хайп вокруг ИИ-инфраструктуры остынет, не окажется ли это «ИИ ради ИИ»?
У ThinkLabs два ответа. Первый — сетям всё равно нужна модернизация: инструменты планирования местами застряли в 90-х, а специалисты, которые умеют работать с этим зоопарком, уходят на пенсию. Второй — стоимость электричества. Если планировать сеть по принципу «строим по максимуму на худший случай», тарифы будут расти так, что людям захочется снова греть воду на костре. Более умное вероятностное планирование позволяет тратить деньги точнее — усиливать там, где действительно нужно, а не «на всякий пожарный».
Электросеть как дорога: можно строить шире, а можно включить навигатор
Вонг сравнивает старый подход с вечным ремонтом трассы: если пробки — расширяем дорогу. В энергетике это «больше меди, больше проводов, больше железа». ThinkLabs хочет быть навигатором: не обязательно строить новую магистраль, иногда можно перераспределить поток — батареями, гибкостью нагрузки и более умными режимами работы сети.
Это то редкое место, где «ИИ-помощник» — не про картинки и тексты, а про то, чтобы у тебя дома не мигал свет, когда рядом открыли ещё один дата-центр.
Электросеть постепенно превращается из «проводов с историей» в систему, которой нужен мозг. Как старому лифту в подъезде: можно бесконечно клеить объявления «не прыгать», а можно наконец поставить нормальную автоматику — и перестать жить в режиме сюрпризов.
Занимаюсь внедрением ИИ для бизнеса. Детали — в телеграме