Operace „Supermicro-Série B“: Jak se obchází embargo

Je to tak trochu thriller jako z Hollywoodu, jen s méně výbuchy a více smaženic. Představte si šéfa z Nvidia, senior manažera, který měl na starosti strategické partnerství. Místo toho, aby popíjel kávu v Mountain View, prý organizoval obchody, ze kterým by mu naskočila kuželka na čele. Spočívají v banálním triku: poslat super výkonné servery s AI čipy do Číny přes第三strany, aby obešli tvrdá americká embarga. Mezi tím se na Twitteru (resp. X) prohání zprávy, že nový LFM2.5-DSpark model je o 320 % rychlejší v inferenci. Souvislosti? Hnedle.

Tady to není jen o politice. Je to o tom, že tenhle hardware, který se tajně převáží přes oceán, je přesně to, co český živnostník nebo střední firma potřebuje k tomu, aby si nepochodila s dotacemi na fotovoltaiku a optimalizací sítě. A nebo aspoň to tam může napsat do žádosti. Pojďme se podívat na to, jak probíhá pašování křemíkových bestií, jak to souvisí s dotacemi na FVE u nás (vázno na sebe to není, ale peníze tečou stejně) a jak si na takovém hardware – pokud ho legálně seženete – postavit model, který vám bude říkat, kdy prodávat elektřinu.

Operace „Supermicro-Série B“: Jak se obchází embargo

Americké ministerstvo obchodu nepospívá. Embarga na vývoz pokročilých čipů (H100, H800 a nově Blackwell) do Číny jsou přísná. Ale poptávka po umělé inteligenci v Číně je obrovská a firmy jako Tencent, Alibaba nebo Baidu zoufale shánějí výkon. Supermicro, kalifornský výrobce serverů, je v tomto příběhu klíčovým hráčem. Jejich servery jsou pro AI to nejlepší, co si můžete koupit – modulární, výkonné a žíznivé.

Podle informací z vyšetřování prý manažer z Nvidia pomáhal koordinovat dodávky serverů Supermicro do regionů, kam se dostat neměly. Trik byl prostý: servery byly oficiálně určeny pro zákazníky v Indii nebo Taiwanu, ale fyzicky skončily v datových centrech v pevninské Číně. Zní to jako klasická přepravní fraška, jen místo balíků s tabákem letí desítky kilogramů křemíku v hodnotě milionů dolarů.

Proč to ale sledujeme? Protože to ukazuje, jak silná je černá tržní cena za AI výkon. Když někdo riskuje vězení jen za to, aby poslal server do Číny, znamená to, že ten hardware generuje zisky, o kterých se nám v Evropě zdá jen v těch nejdivočejších snech. A právě o ten výkon stojí i v energetice – pro predikci spotřeby, pro řízení sítě a pro analýzu dat z FVE.

Když se podíváme na Smart Energy Share, vidíme, že takto silné servery by mohly dělat zázraky s daty o spotové ceně elektřiny. Otázkou je, zda český trh vůbec unese zátěž takových investic, nebo zůstaneme jen u "kšeftování" s levnějšími kartami RTX 4090. Pravda je, že zatímco v Číně riskují zadržení za pašování H100, my se musíme potýkat s byrokracií při dotacích na bateriové úložiště.

Fotovoltaika, dotace a nástěnka: Kde se to prohání

Tady by se člověk ptal, co má pašovaný server společného s panelům na střeše rodinného domu v jižních Čechách. Na první pohled nic. Ale pod povrchem je to příběh o efektivitě a optimalizaci nákladů. Dotace na fotovoltaiku (FVE) v Česku jsou v podstatě státem podporovaný způsob, jak snížit provozní náklady na elektřinu. Dostanete peníze na hardware, nainstalujete panel a doufáte, že se vám to vrátí do pěti let.

Jenže staré dobré časy, kdy jste vyrobili, nespotřebovali a zbytek prodali za draho, jsou fuč. Dnes jde o to to elektřinu udržet. A tady přichází na řadu baterie a – čekáte to – smart řízení. Bez softwaru je FVE jen drahá hračka. Připojení do agregátorů flexibility jako je SmartEnergyShare je to, co z té investice udělá byznys.

Co když ale otevřeme notebook s "pašovaným" serverem (ano, nadsázka, použijme cloud) a spustíme tam model, který vypočítá, kdy je nejlepší nabíjet baterii a kdy ji vybírat, aby se maximalizoval zisk z prodeje přebytků? To je ten důvod, proč jsou tyhle čipy tak žádané. Čínské firmy to chtějí pro Llama 3 a jazykové modely, my to můžeme chtít pro predikci výroby elektřiny.

Dotace na FVE často vyžadují tzv. flexibilní řízení. To znamená, že musíte mít systém, který umí reagovat na signály z sítě. Využití AI pro tyto účely už není sci-fi, je to nutnost pro dosažení návratnosti investice (ROI). Pokud nemáte chytré řízení, prodáváte elektřinu za pár korun, zatímco trh je v tu chvíli záporný.

Kdo chce jít do hloubky a optimalizovat své FVE, měl by se podívat na to, jak funguje obchodování s flexibilitou. Není to jen o prodeji elektřiny, je to o tom, že vaše baterie se stává součástí virtuální elektrárny. A virtuální elektrárna potřebuje mozek. A mozek potřebuje procesor. Ideálně takový, který umí zpracovat terabajty dat za sekundu.

LFM2.5-DSpark: Zrychlení o 320 % je víc než číslo

Teď k tomu slavnému 3.2x rychlejšímu inference. Inference (odvozování výsledků) v kontextu AI je okamžik, kdy se model ptáte na něco a on odpoví. Nebo když mu hodíte senzorová data a on vám řekne "teď vypni čerpadlo". Model LFM2.5-DSpark je optimalizovaný pro specifické typy hardwaru, pravděpodobně využívající techniky jako Flash Attention nebo quantization (kvantizaci) do 4-bitů.

Co to znamená v praxi? Představte si, že máte model, který monitoruje 300 střídačů v solárním parku. Běžný Llama-2-70B model by se na takový objem dat potrhal a reagoval by se zpožděním desítek sekund. To je v energetice věčnost – mezifáze trvá jen milisekundy. LFM2.5-DSpark s optimalizací pro specifické instrukční sady GPU dokáže zpracovat stejný objem dat třikrát rychleji. Znamená to méně spotřeby energie (ano, AI je žravá) a nižší náklady na provoz serveru.

Pro běžného vývojáře nebo admina v české firmě je to znamení, že nemusíte kupovat za 5 milionů korun cluster, abyste měli "chytrou" elektřinu. S dobře optimalizovaným open-source modelem nasazeným přes HuggingFace a běžícím na výkonnějších consumer kartách (nebo menších serverových GPU) můžete dosáhnout výkonů, které před rokem vyžadovaly H100.

Klíčem je slovo "open-source". Zatímco Nvidia smiřuje se Supermicro a americkou vládou, komunita kolem Ollama a Mistral (kteří LFM modely často nabízejí v různých variantách) tlačí kupředu. Můžete si stáhnout quantizovaný model (např. Q4_K_M), nahrát ho do Ollama a během chvilky mít lokální asistenta, který neposílá data do cloudu a má bleskovou odezvu.

Technická realizace: Ollama, Docker a pár příkazů

Dost teorie, pojďme k železu. Jak si takovou věc postavit doma nebo v serverovně firmy, aniž byste museli pašovat hardware přes Singapur? Budete potřebovat počítač s GPU s alespoň 12 GB VRAM (ideálně 24 GB pro větší modely) a Linux (nebo Docker na Windows/Mac).

Jednoduchý postup pro nasazení LFM2.5 (nebo kompatibilního modelu, jako je Llama 3.1) lokálně:

1. Nainstalujte si Ollama. Je to nástroj, který se o vše postará. 2. V terminálu spusťte příkaz pro stažení a spuštění modelu. Pro Llama 3.1 8B, který je skvělý kompromis mezi rychlostí a inteligencí, napíšete: `ollama run llama3.1` 3. Chcete-li to mít v Dockeru (pro čistší deployment na serveru): ```dockerfile FROM ollama/ollama # Vytvoření modelu ( pokud nemáte vlastní, stačí run při startu ) CMD ["ollama", "run", "llama3.1"] ```

A jak to připojit k reálnému světu? V Pythonu. Použijte knihovnu `langchain_ollama` nebo prostě HTTP požadavky na localhost:11434. Vytvořte skript, který jede v nekonečné smyčce, čte API z vámi napojeného IoT monitoringu (např. přes platformu IoT monitorování) a posílá dotaz do modelu.

Příklad pseudo-kódu v Pythonu: ```python import requests import json

url = "http://localhost:11434/api/generate" data = { "model": "llama3.1", "prompt": "Mám baterii 10kWh, aktuální SOC je 40%, cena elektřiny je 150 Kč/MWh a predikce za 2 hodiny je 80 Kč. Mám nabíjet?", "stream": False }

response = requests.post(url, json=data) print(response.json()['response']) ```

Toto je zjednodušené, ale ukazuje to princip. Takový systém může běžet na jedné malé serverovské stanici a řídit celý dům nebo malou firmu. Nepotřebujete superpočítač. Potřebujete jen správný software, který využije efektivitu moderních modelů. A to je to, co děsí velké hráče – decentralizace výpočetního výkonu.

Rizika a šedá zóna: Nelegální hardware a neznámé modely

Zmínili jsme pašování a černý trh. Pojďme si rozebrat rizika. Koupit server na eBaye, který má v sobě H100 čipy "ztracené" ze zásilek pro Amazon, může znít lákavě. Cena může být poloviční. Ale rizika jsou obrovská.

Za prvé: záruka. Takový hardware je "vzácný zvíře" a pokud ho přehřejete při trénování modelu nebo při těžbě kryptoměn (stále se to dělá), máte v ruce cihlu. Nvidia má své BIOSy a čipy s protipirátskými opatřeními. Můžete snadno skončit s kartou, která nebootne.

Za druhé: bezpečnost. Kdo nainstaloval firmware na ten server? Mohou tam být backdory, které posílají vaše trénovací data (nebo firemní tajemství) někam do Asie. V energetice, kde jde o citlivá data o spotřebě a výrobě, je to hazard se státní bezpečností. Používat nelegálně importovaný hardware pro kritickou infrastrukturu je cesta do pekel.

A pak jsou tu samotné modely. "Necenzurované" modely, které unikly z čínských laboratoří nebo jsou trénovány na datech z celého webu bez filtrů. Mohou být geniální, ale také toxické. Pokud necháte takový model rozhodovat o tom, kdy vypnout výrobní linku, musíte si být jistí, že se ho nezeptáte na politiku a on to neschopí jako příkaz k útoku na systém.

Vždy používejte ověřené zdroje jako HuggingFace a čtěte komunity u jednotlivých modelů. Neinstalujte náhodné binární soubory z Disku. U AI platí staré pravidlo garbage in, garbage out – i hardware. Pokud je hardware špinavý (pašovaný), výsledky budou pochybné.

Když si to spojíte: Energetika a AI roku 2025

Příběh o Nvidia manažerovi a Supermicro servery je jen odleskem globální bitvy o křemík. Ale pro nás, koncové uživatele a technologické nadšence, je to signál. Znamená to, že ten výkon je tak cenný, že se kvůli němu porušují zákony. A my ten výkon můžeme využít legálně a ku prospěchu věci – k efektivnímu nakládání s energií.

Fotovoltaika bez chytrého řízení je passé. Baterie bez prediktivních algoritmů jsou jen drahé olovo. Aby se nám investice do FVE vrátila, musíme hrát ve stejné lize jako ty velké firmy. Musíme využívat nástroje jako Smart Energy Share, které nám umožní prodat elektřinu v tu správnou chvíli za nejvyšší cenu. A musíme mít pod kapotou AI, která nám s tím pomůže.

Ať už si postavíte vlastní inferenční server s kartami RTX 4090, nebo využijete cloudové služby, důležité je začít. S modely jako Llama 3.1 nebo optimalizovanými variantami LFM2.5 dnes dokáže jeden člověk nahradit tým analytiků. Jde jen o to, nechat si ujít vlak. Nebo v tomto případě nechat si ujet kontejner lodí plný serverů.

Zdroje

- Portál oEnergetice.cz - Novinky z trhu s elektřinou - Energetický regulační úřad (ERÚ) - Informace o OZE - PV Magazine - Analýza trhu se solární technologií - HuggingFace - Repozitáře AI modelů - ShareElectric.cz - Praktické návody a kalkulace

Obchodujete s batteriovými úložišti nebo hledáte partnera pro flexibilitu a day trading elektřiny? SmartEnergyShare nabízí kompletní řešení pro BESS projekty od 50 do 250 kW — obchodování flexibility, SVR služby a IoT monitoring. Zjistěte víc →

Další články na toto téma najdete na: SmartEnergyShare.info SmartEnergyShare není dodavatel elektřiny: Jak funguje el... Vice o sdílení elektřiny