Tokyo, yapay zekâ veri merkezlerinden çıkan ısıyla soğutma ve sıcak su üretimini test ediyor

10 dakikalık okuma
Tokyo Tests Turning AI Data Center Heat Into Cooling and Hot Water

Tokyo'da bir deneme, atık sunucu ısısını kullanıma kazandırıyor

Tokyo, yapay zekâ sunucularından doğrudan ısı geri kazanmayı ve bu ısıyı binaları soğutmak, yakındaki hamam ve kaplıcalara enerji sağlamak ve fabrikaları desteklemek için kullanmayı amaçlayan bir projeye destek veriyor. 16 Temmuz 2026'dan 31 Mart 2028'e kadar sürecek demonstrasyon için metropol yönetimi, uygun maliyetlerin en fazla 520 milyon yenini karşılayacak.

İçindekiler
  1. Tokyo'da bir deneme, atık sunucu ısısını kullanıma kazandırıyor
  2. WaBiCo yongalardan ısıyı nasıl geri kazanıyor?
  3. Tokyo neleri finanse edip test ediyor?
  4. Soğutma verimliliği ve ısının yeniden kullanımı farklı kazanımları ölçüyor
  5. Daha verimli yongalar, büyüyen yapay zekâ iş yükleriyle karşı karşıya
  6. Ani güç dalgalanmaları başka bir sorun yaratıyor
  7. Elektriği taşımak yerine hesaplamaları taşımak
  8. Demiryolu fiberi daha kapsamlı denemeyi birbirine bağlıyor
  9. Japonya, daha az enerji israfıyla daha fazla bilgi işlem hedefliyor
  10. Öne Çıkanlar

TEPCO olarak bilinen Tokyo Electric Power Company Holdings, Tokyo'daki bir veri merkezinde MESH-X ve NHK Technologies ile çalışmaya liderlik ediyor. Hedefleri, yapay zekâyla birlikte büyüyen pratik bir soruna çözüm bulmak: Bilgi işlem ekipmanına giren elektriğin büyük bölümü sonunda ısıya dönüşüyor ve makinelerin çalışmayı sürdürmesi için operatörlerin bu ısıyı uzaklaştırması gerekiyor.

Tokyo yönetiminin duyurusunda, grafik işlem birimleri (GPU) bulunan sunucuları soğutmak için buharlaşmadan yararlanan ve oluşan ısıyı doğrudan yüksek sıcaklıkta toplayan bir sistem anlatılıyor. GPU'lar, aynı anda çok sayıda hesaplama yapan ve bu nedenle modern yapay zekânın temelini oluşturan yongalardır.

Proje, genellikle ayrı ayrı ele alınan iki ihtiyacı bir araya getiriyor. Veri merkezlerinin soğutmaya, yakındaki binalar ve işletmelerin ise ısıya ihtiyacı var. Kullanılabilir ısının geri kazanılması, aynı elektriğin hem bilgi işlem hem de yerel enerji ihtiyaçları için kullanılmasına yardımcı olabilir.

Japonya başka bir yaklaşımı da test ediyor: Yapay zekâ hesaplamalarını şehirler arasında taşımak ya da çalışma zamanlarını elektrik arzına göre değiştirmek. Bu denemeler birlikte, yapay zekânın enerjiyi nasıl kullandığını, bu enerjinin nerede tüketildiğini ve sonrasında ne olduğunu ele alıyor.

WaBiCo yongalardan ısıyı nasıl geri kazanıyor?

TEPCO, yaklaşımına Watt Bit Cogeneration'ın kısaltması olan WaBiCo adını veriyor. Bu ad, güç ölçü birimi watt ile dijital bilgi birimi bit'i bir araya getiriyor. Temel fikir, güçlü elektronik ekipmanları hem bir bilgi işlem kaynağı hem de kullanılabilir ısı kaynağı olarak değerlendirmek.

Soğutma teknolojisi, suyun yaklaşık atmosfer basıncının yarısı kadar düşük bir basınç altında tutulmasını sağlıyor. Böylece su, alışıldık 100 derece yerine yaklaşık 80 santigrat derecede kaynıyor. GPU'dan gelen ısı buharlaşmayı tetikliyor ve sistem, başka uygulamalarda kullanılabilecek sıcaklıkta ısı enerjisi topluyor.

Reklam

TEPCO, GPU'yu doğrudan soğutan ve ısısını geri kazanan, özel olarak tasarlanmış bir soğuk plakayı tarif ediyor. Dolaşım yöntemi, ısıyı taşımak için ısının kendisinden yararlanıyor; bu işlem için pompa kullanılmıyor. Enerjiyi yongaya yakın bir noktada toplamak, sunucu odasına yayılmasına izin vermeye kıyasla daha sıcak ve kullanışlı ısı elde etmenin bir yolunu sunuyor.

Sıcaklık önemli, çünkü farklı işler farklı sıcaklık düzeylerinde ısı gerektiriyor. Toplanması maliyetli olan ılık havanın kullanım alanları sınırlı. Yaklaşık 80 santigrat derecede geri kazanılan ısı, ekipman ve sıcaklık gereksinimlerine bağlı olarak daha geniş bir bina ve sanayi uygulaması yelpazesinde kullanılabilir.

Önerilen kullanım alanları arasında yakındaki hamam ve kaplıcalara, fabrikalara ve bölgesel ısıtma sistemlerine enerji sağlamak; ayrıca sunucu odalarını ya da komşu tesisleri soğutmak için geri kazanılan ısıdan yararlanmak bulunuyor. Isıyla çalışan soğutma, tamamen elektrikli kompresöre dayanmak yerine bir soğutma çevrimini işletmek için termal enerji kullanıyor.

Tokyo neleri finanse edip test ediyor?

TEPCO'nun projenin kabulüne ilişkin duyurusunda, Tokyo'nun teklifi 30 Haziran 2026'da seçtiği belirtiliyor. Şirket, projeye liderlik edeceğini bildiriyor ve yönetimin belirli giderler için kısmi destek olarak en fazla 520 milyon yen katkı sağlayacağını açıklıyor.

Tokyo'nun sanayi ve çalışma işleri bürosu, demonstrasyonu enerji verimliliğini en üst düzeye çıkarma hedefi kapsamında 2050 Tokyo Stratejisi'ne dahil ediyor. Uygulamalı çalışma, buharlaşmalı soğutma sisteminin geliştirilmesini gerçek bir çalışma ortamındaki testlerle birleştiriyor.

Proje kapsamında ısı geri kazanımının kullanılabilir bir noktaya ulaştırılması gerekiyor. Hamam ya da kaplıca için bu, güvenilir bir termal enerji arzı anlamına geliyor. Fabrika içinse sıcaklığın ve zamanlamanın endüstriyel süreçle uyumlu olması gerekiyor. Sunucu odalarında geri kazanılan ısının, güvenilir çalışmayı destekleyen bir soğutma sistemine entegre edilmesi gerekiyor.

Duyurularda demonstrasyon alanı yalnızca Tokyo'da bir veri merkezi olarak belirtiliyor. Isı geri kazanım oranına, elektrik tasarrufuna, emisyon azaltımına, adı açıklanan ısı müşterilerine ya da ticari kullanıma geçiş tarihine ilişkin ölçüm paylaşılmıyor. Deneme sonrasında yaklaşımın ne kadar yararlı olacağını bu sonuçlar belirleyecek.

Reklam

Soğutma verimliliği ve ısının yeniden kullanımı farklı kazanımları ölçüyor

TEPCO, Güç Kullanım Etkinliği (PUE) adı verilen standart bir veri merkezi verimlilik ölçütünü iyileştirmeyi hedefliyor. Bu ölçüt, bir tesisin kullandığı toplam elektriği bilgi işlem ekipmanının kullandığı elektriğe bölüyor. Sonucun 1'e yaklaşması, soğutma ve diğer destek sistemleri için harcanan ek elektriğin daha az olduğu anlamına geliyor.

Varsayımsal olarak, bilgisayarları 100 birim elektrik tüketen ve toplamda 120 birim kullanan bir tesisin PUE değeri 1,2 olur. Fazladan tüketilen 20 birimin azaltılması bu değeri iyileştirir. Tokyo projesi, yongalardan ısının uzaklaştırılma yöntemini değiştirerek bu tür kazanımlar sağlamayı amaçlıyor.

Isının yeniden kullanılması da olası bir başka fayda sunuyor: Yakındaki bir kullanıcı, ısıtma ihtiyacının bir bölümünü bilgi işlemden geri kazanılan enerjiyle karşılayabilir. Elektrik sunucuları çalıştırmaya devam ederken kullanılabilir termal enerji tesisten başka bir amaçla dışarı aktarılır.

Bu iki faydanın ayrı ayrı ölçülmesi gerekiyor. Operatörlerin soğutmada kullanılan elektriği, müşterilere gerçekten ulaştırılan ısıyı ve bu müşterilerin başka türlü tüketeceği enerjiyi takip etmesi gerekiyor. Isı bağlantısı, alıcı tesis enerjiyi ulaştığı sırada kullanabildiğinde değer kazanıyor.

Daha verimli yongalar, büyüyen yapay zekâ iş yükleriyle karşı karşıya

NVIDIA, enerjiyi yapay zekâ altyapısının temeli olarak tanımlıyor. Üst yönetici Jensen Huang, Ocak 2026'daki Davos toplantısında sektörü beş katmanlı bir pastaya benzetti: En altta enerji, ardından yongalar, altyapı, modeller ve uygulamalar geliyor.

NVIDIA temsilcisi Hiroki Saito, enerjiyi yapay zekânın ilk geçiş noktası olarak tanımlıyor. Saito'nun anlatımı, bilgi işlem talebinin ne hızla değiştiğini de gösteriyor. ChatGPT'nin Kasım 2022'de kullanıma sunulmasını başlangıç noktası alan Saito, Ocak 2025'teki DeepSeek akıl yürütme modelinin gerektirdiği işlem gücünü bu düzeyin 100 katı, yaklaşık bir yıl sonraki OpenClaw otonom aracının gerektirdiği gücü ise 1.000 katı olarak belirtiyor.

Bu örnekler, değişen yapay zekâ iş türleriyle ilgili. Akıl yürütme modelleri sorunları çözmek için işlem gücü harcarken, ajanlar bir dizi görevi yerine getirebiliyor. Tek tek yongalar daha verimli hale gelse bile daha karmaşık görevler daha fazla işlem kapasitesi tüketebiliyor.

Reklam

NVIDIA, Rubin neslinin aynı güç tüketimiyle Blackwell'e kıyasla 10 kat daha fazla ajan işlemi gerçekleştirebildiğini söylüyor. Bunun pratikteki değeri, ekipmanın nasıl kullanıldığına ve hangi görevleri yerine getirdiğine bağlı.

Saito, işletme önceliklerinin değiştiğini de belirtiyor. Geleneksel veri merkezleri kesintisiz çalışmaya odaklanıyordu. NVIDIA'nın yapay zekâ üretimi için kurulan altyapıya verdiği adla bir yapay zekâ fabrikasının ise yararlı bilgi işlem çıktısını da en üst düzeye çıkarması gerekiyor. Elektrik birimi başına performansın iyileşmesiyle artan talep aynı anda ilerliyor; toplam tüketim de her ikisine bağlı hale geliyor.

Ani güç dalgalanmaları başka bir sorun yaratıyor

Yapay zekâ tesislerinin karşılaştığı zorluklar, toplam elektrik tüketiminin ötesine geçiyor. Model eğitimi sırasında yüz binlerce GPU, milisaniyeler içinde güç tüketimini birlikte değiştirebiliyor. Elektrik ekipmanının, gücü dengede tutarken bu hızlı değişimleri karşılaması gerekiyor.

Elektrik tedarikçilerine ve veri merkezlerine güvenilirlik konusunda danışmanlık veren Uptime Institute'un baş danışmanı Amber Villegas-Williamson, sistem üzerindeki baskıyı şöyle anlattı:

Yapay zekâ, gerçekten alışılmadık güç talebi yaratıyor,

Villegas-Williamson, oluşan yıpranmayı otomobil motorunu sabit hızda çalıştırmak yerine tekrar tekrar zorlamaya benzetti. Eski Tesla yöneticisi ve Heron Power Electronics'in kurucusu Drew Baglino ise yapay zekâ talebinin kısa süreliğine bir tesisin tasarım kapasitesini yüzde 50'ye kadar aşabildiğini söyledi. Verdiği örnekte, 1 gigavat için tasarlanan bir veri merkezi bir anlığına 1,5 gigavat çekebiliyor.

Bu zorlanmalarla ilişkilendirilen ekipman arızaları arasında çatlayan türbinler ve haftalar ya da aylar içinde değiştirilmesi gereken bataryalar bulunuyor. Bazı tesislerin erişilebilirlik oranının yaklaşık yüzde 80'de kaldığı bildiriliyor. Kesintiler sırasındaki tahmini gelir kayıpları ise işletmeye bağlı olarak dakikada binlerce dolardan yüz binlerce dolara kadar çıkıyor.

North American Electric Reliability Corporation, ABD'deki veri merkezlerinin 33 gigavatı aşan talebini kapsayan yük modellerinin yaklaşık dörtte üçünün dinamik davranışları yeterince temsil etmediğini saptadı. Bu modeller, kamu hizmeti şirketlerinin müşterilerin elektrik sistemi üzerindeki etkisini öngörmesine yardımcı oluyor. Bu nedenle tüketimdeki hızlı değişimler planlamada önemli bir konu oluşturuyor.

Batı Teksas'ta planlanan 2,67 gigavatlık bir yerleşke, planlama üzerindeki etkileri gösteriyor. Projeyi geliştiren Joulent, Microsoft'un yüzde 99,999 güvenilirlik şartını karşılamak için mühendislik çalışmalarına ek süre koydu ve elektrik tedarikinin başlangıcını 2027'den 2028'e erteledi. Bu güvenilirlik düzeyinde yıllık kesinti süresi yaklaşık beş dakika olur.

Reklam

Elektriği taşımak yerine hesaplamaları taşımak

Japonya'nın ikinci denemesi, yapay zekânın elektriği nerede ve ne zaman tükettiğini ele alıyor. J-Power, Cisco Systems, East Japan Railway, Hitachi ve Bitmedia, 8 Ekim 2026'da Yokohama ve Kitakyushu'daki yapay zekâ veri merkezlerini birbirine bağlayan bir demonstrasyon yürüttüklerini duyurdu.

Ağustos 2026'da başlayan denemenin 1 Şubat 2027'ye kadar sürmesi planlanıyor. Denemede, elektrik ve bilgi işlem koşullarına göre hesaplama görevlerinin başka bir konuma ya da başka bir zamana atanması anlamına gelen iş yükü kaydırma yöntemi test ediliyor.

Mekânsal kaydırmada bir hesaplama başka bir veri merkezine gönderiliyor. Zamansal kaydırmada ise farklı bir saate planlanıyor. Sistem; yenilenebilir enerji üretimi tahminlerini, elektrik ticareti fiyatlarını, arz ve talebi, kullanılabilir bilgi işlem kapasitesini ve afetlere ilişkin bilgileri değerlendiriyor.

Hedeflerden biri, aksi halde kısıtlanabilecek yenilenebilir elektriği kullanmak. Şebekenin mevcut gücün tamamını taşıyamadığı ya da tüketemediği durumlarda güneş ve rüzgâr üretiminin geçici olarak azaltılmasına üretim kısıntısı deniyor. Uygun yapay zekâ işlerini bu elektriğin bulunduğu yerlere kaydırmak, kullanımını artırabilir.

Şirketler, iş yüklerini kaydırmanın yol açtığı ek işlem süresini ve hizmet kalitesini nasıl koruyacaklarını da inceleyecek. Görevleri taşımak pratik maliyetler doğurduğundan deneme, hem elektrik tasarrufunu hem de bilgi işlem performansına etkisini ölçüyor.

Demiryolu fiberi daha kapsamlı denemeyi birbirine bağlıyor

Beş şirket, Joetsu Shinkansen hattı boyunca tümüyle fotonik bir ağı da test ediyor. Echigo-Yuzawa, Jomo-Kogen ve Takasaki istasyonlarındaki optik iletim ekipmanları, mevcut demiryolu fiberini kullanarak titreşim ve değişen hava koşullarında iletişim kalitesini inceleyecek.

Testlerde sinyal kaybı, iletim hataları, gecikme ve gecikme değişkenliği ölçülüyor. Farklı yerlerdeki bilgi işlem tesislerinin birlikte çalışması gerektiğinde bu ölçümler önem taşıyor. Demiryolu ağı deneyi, Yokohama ve Kitakyushu arasında iş yükü kaydırma denemesinin yanında programın ayrı bir bölümünü oluşturuyor.

Konsorsiyuma J-Power liderlik ediyor ve sonuçları değerlendiriyor. Hitachi iş yükü kaydırma sistemini ve optik test ortamını kuruyor; Cisco ağ tasarımı ve ölçümlere destek veriyor; JR East demiryolu iletişim ekipmanlarını inceliyor; Bitmedia ise veri merkezlerindeki sistemi geliştiriyor.

Reklam

Çalışmalar, Nisan 2026'da kurulan ve JR West Optical Network ile Nagoya Railroad'un da yer aldığı bir konseyin ardından yürütülüyor. Konseyin daha geniş kapsamlı amacı, geniş alanlı optik ağlar ve iş yükü kaydırma kullanarak dağıtık yapay zekâ veri merkezlerini eşgüdümlü biçimde işletmek.

Temel kilometre taşları, ısı ve bilgi işlem denemelerinin nasıl kesiştiğini gösteriyor:

  • Nisan 2026: Yedi şirket optik ağ ve iş yükü kaydırma için bir konsey kuruyor.
  • 30 Haziran 2026: Tokyo, TEPCO'nun ısı geri kazanım teklifini seçiyor.
  • 16 Temmuz 2026: Tokyo'daki ısı demonstrasyonu başlıyor.
  • Ağustos 2026: Yokohama ve Kitakyushu'daki iş yükü kaydırma denemesi başlıyor.
  • 1 Şubat 2027: İş yükü kaydırma demonstrasyonunun sona ermesi planlanıyor.
  • 31 Mart 2028: Tokyo'daki ısı geri kazanım projesinin sona ermesi planlanıyor.

Japonya, daha az enerji israfıyla daha fazla bilgi işlem hedefliyor

Japonya, 2050'ye kadar karbon nötrlüğüne ulaşmaya çalışırken yapay zekâ ve yarı iletken yatırımlarına yöneliyor. TSMC'nin Kumamoto Eyaleti'ndeki fabrikaları bu sanayi genişlemesinin bir parçası. Yenilenebilir enerji, 2022'de Japonya'nın elektrik üretiminin yaklaşık yüzde 22'sini oluşturuyordu; bu da ülkeyi fosil yakıtlar dahil diğer kaynaklara büyük ölçüde bağımlı bırakıyor.

TEPCO'nun beşinci kapsamlı özel iş planında, 2040 mali yılına kadar Tokyo metropol bölgesindeki veri merkezi talep artışının dünyadaki en yüksek düzeyler arasında yer alması hedefleniyor. Dolayısıyla ısı projesi, sektörü büyütmeye yönelik açık bir hedefle birlikte ilerliyor.

Isı geri kazanımı ve iş yükü kaydırma, bu büyümenin farklı yönlerini ele alıyor. WaBiCo, sunucuların zaten tükettiği elektrikten daha fazla yararlı çıktı elde etmeyi amaçlıyor. İş yükü kaydırma ise bilgi işlem talebini elektrik arzıyla daha iyi eşleştirmeyi hedefliyor. Hızlı güç dalgalanmalarını karşılayabilen ekipman da her iki yaklaşımın gerektirdiği güvenilirliği destekliyor.

Yakındaki topluluklar için somut fırsatlar, kullanılabilir ısı ve veri merkezleriyle yerel enerji ihtiyaçları arasında daha yakın bir bağ kurulması. Operatörler içinse denemeler soğutma maliyetlerini, verimli bilgi işlem süresini ve hizmet güvenilirliğini ele alıyor. Bir sonraki dönüm noktası, bilgisayarlar çalışmayı sürdürürken ne kadar enerji tasarrufu sağlandığını ya da yeniden kullanıldığını gösteren performans ölçümleri olacak.

Öne Çıkanlar

  • Tokyo, uygun maliyetler için en fazla 520 milyon yen katkıyla TEPCO'nun ısı geri kazanım demonstrasyonunu destekliyor.
  • 31 Mart 2028'e kadar sürecek proje; soğutma, hamam ve kaplıcalar, fabrikalar ve bölgesel ısıtmayı hedefliyor.
  • WaBiCo, GPU'lardan kullanılabilir ısıyı geri kazanmak için düşük basınçta buharlaşmadan yararlanıyor.
  • Ayrı bir deneme, elektrik koşullarına uyum sağlamak için yapay zekâ görevlerini Yokohama ve Kitakyushu arasında, ayrıca farklı çalışma saatlerine kaydırıyor.
  • Yapay zekâda elektrik tüketiminin hızla dalgalanması da ekipman ve güvenilirlik sorunlarına yol açıyor.
  • Demonstrasyonların pratik değerini ölçülen enerji tasarrufu, ulaştırılan geri kazanılmış ısı ve işletme performansı belirleyecek.
Bu haberi paylaş

Bunlar da ilginizi çekebilir