فناوریهوش مصنوعیویژه

مراکز داده هوش مصنوعی برای رقابت به برق بیشتری نیاز دارند │ هزینه توسعه زیرساخت بر شبکه و مصرف‌کنندگان سنگینی می‌کند

گسترش هوش مصنوعی، رقابت شرکت‌های بزرگ فناوری را از ساخت تراشه و توسعه مدل‌ها به تأمین برق موردنیاز مراکز داده کشانده است. مصرف برق این مراکز تا سال ۲۰۳۰ می‌تواند دو برابر شود؛ تغییری که هزینه انرژی، توسعه شبکه و پیامدهای زیست‌محیطی را تحت تأثیر قرار می‌دهد.

هوش مصنوعی برای آموزش مدل‌های بزرگ، پردازش درخواست کاربران و اجرای برنامه‌های پیچیده به هزاران پردازنده قدرتمند نیاز دارد. این پردازنده‌ها به‌صورت شبانه‌روزی فعالیت می‌کنند و علاوه بر برق موردنیاز برای محاسبات، گرمای زیادی تولید می‌کنند که باید به‌طور مداوم دفع شود. برآوردهای تازه آژانس بین‌المللی انرژی نشان می‌دهد مصرف برق مراکز داده جهان در سال ۲۰۲۵ به حدود ۴۸۵ تراوات‌ساعت رسیده و ممکن است تا سال ۲۰۳۰ به نزدیک هزار تراوات‌ساعت افزایش پیدا کند. به این ترتیب، تأمین انرژی به یکی از مهم‌ترین هزینه‌ها و محدودیت‌های توسعه هوش مصنوعی تبدیل شده است.

Jensen Huang Declares AGI Has Arrived as Inference Compute Reshapes the Scaling Law

چرا مراکز داده هوش مصنوعی برق زیادی مصرف می‌کنند؟

مراکز داده ساختمان‌هایی معمولی با تعدادی رایانه نیستند. این مجموعه‌ها زیرساخت عظیمی از پردازنده‌ها، حافظه‌ها، تجهیزات ذخیره‌سازی، شبکه‌های ارتباطی و سامانه‌های سرمایشی را در خود جای می‌دهند.

تفاوت مراکز داده هوش مصنوعی با بسیاری از مراکز داده سنتی، در نوع پردازش و شدت فعالیت تجهیزات است. آموزش یک مدل بزرگ هوش مصنوعی به انجام حجم بسیار زیادی از محاسبات هم‌زمان نیاز دارد. پس از آموزش نیز مدل باید به درخواست میلیون‌ها کاربر پاسخ دهد؛ فرایندی که به آن استنتاج گفته می‌شود.

در چنین شرایطی، هزاران پردازنده گرافیکی به‌صورت هم‌زمان فعالیت می‌کنند. هرچه تعداد کاربران، پیچیدگی مدل‌ها و حجم درخواست‌ها افزایش پیدا کند، نیاز به توان پردازشی و در نتیجه مصرف برق نیز بیشتر می‌شود.

عامل مهم دیگر، تولید گرماست. تقریباً تمام انرژی الکتریکی مصرف‌شده توسط تجهیزات پردازشی در نهایت به گرما تبدیل می‌شود. بنابراین مراکز داده علاوه بر تأمین برق سرورها، باید انرژی موردنیاز برای خنک‌سازی آن‌ها را نیز فراهم کنند.

این مسئله در مراکز داده مجهز به پردازنده‌های پیشرفته اهمیت بیشتری دارد؛ زیرا افزایش توان پردازشی در فضای محدود، چگالی مصرف برق و گرمای تولیدشده را بالا می‌برد.

مصرف برق مراکز داده تا سال ۲۰۳۰ چقدر افزایش می‌یابد؟

Electrical Power Grid Substation feeding 600MW to massive new AI data center construction in Hutto Texas

برآوردهای آژانس بین‌المللی انرژی نشان می‌دهد مصرف برق مراکز داده جهان در حال افزایش سریع است. در گزارش‌های سال ۲۰۲۶ این نهاد، رشد تقاضای برق این مجموعه‌ها یکی از تحولات مهم بازار جهانی انرژی معرفی شده است.

مهم‌ترین ارقام این روند عبارت‌اند از:

شاخص میزان
مصرف برق مراکز داده در سال ۲۰۲۵ ۴۸۵ تراوات‌ساعت
پیش‌بینی مصرف در سال ۲۰۳۰ حدود ۹۵۰ تا ۱۰۰۰ تراوات‌ساعت
سهم مراکز داده از مصرف برق جهان در سال ۲۰۳۰ حدود ۳ درصد
رشد مصرف برق مراکز داده در سال ۲۰۲۵ ۱۷ درصد
رشد مصرف برق مراکز داده متمرکز بر هوش مصنوعی در سال ۲۰۲۵ حدود ۵۰ درصد

این ارقام نشان می‌دهند رشد مصرف برق مراکز داده به‌مراتب سریع‌تر از افزایش عمومی مصرف برق جهان است. همچنین انتظار می‌رود مصرف برق مراکز داده اختصاصی هوش مصنوعی تا سال ۲۰۳۰ تقریباً سه برابر شود.

نکته مهم این است که افزایش مصرف فقط به معنای ساخت ساختمان‌های بیشتر نیست. مراکز داده جدید با تراکم پردازشی بالاتری طراحی می‌شوند و تجهیزات قدرتمندتری را در فضای محدود جای می‌دهند.

بر اساس تحلیل آژانس بین‌المللی انرژی، توان مصرفی یک رک سرور پیشرفته هوش مصنوعی ممکن است تا سال ۲۰۲۷ در اوج فعالیت با مصرف برق ۶۵ خانوار برابری کند.

این موضوع نشان می‌دهد حتی یک مجموعه پردازشی نسبتاً کوچک از نظر تعداد ساختمان‌ها می‌تواند تقاضای برق بسیار بزرگی ایجاد کند.

رقابت شرکت‌های فناوری از تراشه به تأمین برق رسیده است

Skyrocketing electricity prices fuel political backlash against tech sector's AI data centers - energynews.today

تا چند سال قبل، بخش مهمی از رقابت شرکت‌های هوش مصنوعی بر سر طراحی تراشه‌های سریع‌تر، ساخت مدل‌های قدرتمندتر و جذب کاربران بیشتر بود. اکنون دسترسی به برق پایدار نیز به یکی از عوامل تعیین‌کننده موفقیت این شرکت‌ها تبدیل شده است.

شرکت‌هایی مانند مایکروسافت، گوگل، آمازون و متا برای توسعه زیرساخت‌های پردازشی خود به سرمایه‌گذاری‌های سنگین نیاز دارند. ساخت یک مرکز داده بزرگ بدون دسترسی مطمئن به شبکه برق، حتی با وجود سرمایه و تجهیزات پردازشی، امکان بهره‌برداری اقتصادی ندارد.

مشکل اصلی اینجاست که توسعه مراکز داده معمولاً سریع‌تر از توسعه شبکه‌های انتقال و توزیع برق انجام می‌شود.

ساخت یک مرکز داده ممکن است در بازه زمانی نسبتاً کوتاهی انجام شود، اما احداث خطوط انتقال جدید، نصب تجهیزات فشارقوی و افزایش ظرفیت نیروگاه‌ها به زمان و سرمایه بیشتری نیاز دارد.

آژانس بین‌المللی انرژی برآورد کرده است که حدود ۲۰ درصد از پروژه‌های برنامه‌ریزی‌شده مراکز داده ممکن است به دلیل محدودیت‌های شبکه و تأخیر در اتصال برق با مشکل مواجه شوند.

در برخی مناطق نیز درخواست‌های متعدد برای اتصال مراکز داده به شبکه برق باعث ایجاد صف‌های طولانی شده است. به همین دلیل، محل احداث مراکز داده دیگر فقط بر اساس قیمت زمین، نزدیکی به شهرها یا دسترسی به اینترنت انتخاب نمی‌شود؛ ظرفیت برق منطقه به یکی از معیارهای اصلی تبدیل شده است.

هزینه پنهان توسعه مراکز داده به چه بخش‌هایی منتقل می‌شود؟

افزایش مصرف برق مراکز داده فقط برای شرکت‌های فناوری هزینه ایجاد نمی‌کند. توسعه این زیرساخت‌ها می‌تواند هزینه‌های گسترده‌تری برای صنعت برق و جوامع محلی به همراه داشته باشد.

۱. افزایش هزینه تولید و انتقال برق

اگر ظرفیت موجود شبکه پاسخگوی تقاضای جدید نباشد، باید نیروگاه‌های تازه ساخته شوند یا ظرفیت نیروگاه‌های فعلی افزایش پیدا کند.

در کنار آن، احداث خطوط انتقال، پست‌های برق و نصب ترانسفورماتورهای بزرگ ضروری خواهد بود.

این تجهیزات ارزان نیستند و تأمین آن‌ها نیز به دلیل افزایش تقاضای جهانی با محدودیت‌هایی روبه‌رو شده است.

آژانس بین‌المللی انرژی در گزارش چشم‌انداز انرژی جهان ۲۰۲۶ به محدودیت عرضه تجهیزاتی مانند ترانسفورماتورها و کابل‌های برق اشاره کرده است. افزایش تقاضا برای این تجهیزات می‌تواند هزینه توسعه زیرساخت‌های انرژی را بیشتر کند.

۲. احتمال افزایش هزینه برق مصرف‌کنندگان

یکی از نگرانی‌های مهم، نحوه تقسیم هزینه توسعه شبکه میان شرکت‌های بزرگ و سایر مشترکان است.

اگر یک مرکز داده بزرگ برای اتصال به شبکه به احداث خطوط جدید یا تقویت تجهیزات موجود نیاز داشته باشد، باید مشخص شود چه کسی هزینه این سرمایه‌گذاری را پرداخت می‌کند.

در صورتی که هزینه‌ها میان تمام مشترکان تقسیم شوند، ممکن است بخشی از بار مالی توسعه مراکز داده به خانوارها و کسب‌وکارهای دیگر منتقل شود.

البته افزایش تعداد مراکز داده الزاماً به معنای گران‌تر شدن برق خانوارها نیست. اگر شرکت‌های فناوری هزینه زیرساخت اختصاصی خود را پرداخت کنند و از ظرفیت موجود شبکه به شکل بهینه استفاده شود، فشار بر سایر مشترکان می‌تواند محدودتر باشد.

۳. وابستگی بیشتر به نیروگاه‌های گازی

سرعت بالای توسعه هوش مصنوعی باعث شده برخی شرکت‌ها برای تأمین سریع برق به تولید اختصاصی انرژی روی بیاورند.

نیروگاه‌های گازی در مقایسه با بسیاری از پروژه‌های بزرگ شبکه و زیرساخت، امکان تأمین برق در محل را فراهم می‌کنند؛ اما گسترش استفاده از آن‌ها می‌تواند وابستگی به سوخت‌های فسیلی و انتشار آلاینده‌ها را افزایش دهد.

این موضوع یکی از چالش‌های اصلی شرکت‌هایی است که هم‌زمان وعده توسعه هوش مصنوعی و کاهش انتشار کربن را مطرح می‌کنند.

بررسی‌های تازه بلومبرگ‌ان‌ای‌اف نیز از اعلام برنامه‌هایی برای احداث حدود ۱۸۱ گیگاوات ظرفیت تولید برق گازی در کنار مراکز داده خبر می‌دهد که بیش از ۹۰ درصد آن در آمریکا متمرکز است.

مصرف آب؛ هزینه دیگری که با توسعه هوش مصنوعی افزایش می‌یابد

How a Green Cooling Data Center Reduces Energy Consumption

برق تنها منبعی نیست که مراکز داده برای فعالیت به آن نیاز دارند. خنک‌سازی تجهیزات و تأمین انرژی نیروگاه‌ها نیز می‌تواند مصرف قابل‌توجهی از منابع آب ایجاد کند.

در بسیاری از مراکز داده از سامانه‌های خنک‌کننده آبی استفاده می‌شود. این سامانه‌ها گرمای تولیدشده توسط سرورها را دریافت و به محیط بیرون منتقل می‌کنند.

با افزایش توان پردازشی تجهیزات هوش مصنوعی، مدیریت دمای سرورها دشوارتر می‌شود و روش‌های سنتی خنک‌سازی ممکن است پاسخگوی نیاز مراکز جدید نباشند.

بر اساس گزارش چشم‌انداز انرژی جهان ۲۰۲۶، مجموع مصرف آب مرتبط با مراکز داده در سال ۲۰۲۵ حدود ۸۸۵ میلیارد لیتر برآورد شده است.

از این میزان، حدود ۲۴۰ میلیارد لیتر مستقیماً در داخل مراکز داده مصرف شده و بخش قابل‌توجهی نیز به تولید برق و ساخت تراشه‌ها ارتباط داشته است.

یکی از نگرانی‌های جدی، محل استقرار این مراکز است. حدود ۳۰ درصد از ظرفیت موجود و برنامه‌ریزی‌شده مراکز داده جهان در مناطقی قرار دارد که با تنش آبی بالا مواجه هستند.

بنابراین انتخاب محل مناسب برای احداث مرکز داده اهمیت زیادی دارد. منطقه‌ای که برق کافی دارد، لزوماً از نظر منابع آب یا شرایط زیست‌محیطی انتخاب مناسبی نیست.

شرکت‌های فناوری چگونه هزینه برق هوش مصنوعی را کاهش می‌دهند؟

شرکت‌های بزرگ برای جلوگیری از افزایش بی‌رویه هزینه‌های عملیاتی، چند مسیر را به‌صورت هم‌زمان دنبال می‌کنند.

تراشه‌های کم‌مصرف‌تر: طراحی پردازنده‌هایی که با مصرف برق کمتر، محاسبات بیشتری انجام دهند، یکی از مهم‌ترین راهکارهاست. افزایش بازده پردازنده‌ها می‌تواند هزینه هر درخواست هوش مصنوعی را کاهش دهد.

خنک‌سازی مایع: در این روش، مایع خنک‌کننده گرمای تجهیزات را با کارایی بیشتری دریافت و منتقل می‌کند. این فناوری برای رک‌های پردازشی پرتراکم اهمیت زیادی دارد.

استفاده از انرژی خورشیدی و بادی: شرکت‌های فناوری با خرید برق تجدیدپذیر و سرمایه‌گذاری در نیروگاه‌های جدید تلاش می‌کنند بخشی از نیاز انرژی خود را تأمین کنند.

ذخیره‌سازی برق: باتری‌های بزرگ می‌توانند در زمان کاهش تولید انرژی یا افزایش ناگهانی مصرف، برق موردنیاز مراکز داده را تأمین کنند.

انتخاب محل مناسب: ساخت مراکز داده در مناطقی با ظرفیت آزاد شبکه و دسترسی به منابع انرژی، می‌تواند هزینه اتصال و توسعه زیرساخت را کاهش دهد.

بهینه‌سازی پردازش‌ها: همه درخواست‌های هوش مصنوعی به یک میزان قدرت محاسباتی نیاز ندارند. استفاده از مدل‌های سبک‌تر برای کارهای ساده و اختصاص مدل‌های قدرتمند به درخواست‌های پیچیده می‌تواند مصرف برق را کاهش دهد.

آیا توسعه هوش مصنوعی باعث افزایش قیمت خدمات می‌شود؟

افزایش هزینه زیرساخت می‌تواند در بلندمدت بر قیمت خدمات هوش مصنوعی تأثیر بگذارد؛ اما این تأثیر لزوماً مستقیم و یکسان نیست.

هزینه برق تنها یکی از اجزای هزینه نهایی شرکت‌های ارائه‌دهنده هوش مصنوعی است. قیمت تراشه، حافظه، تجهیزات شبکه، هزینه ساخت مراکز داده، نیروی انسانی و سرمایه‌گذاری در توسعه مدل‌ها نیز اهمیت دارند.

از طرف دیگر، پیشرفت فناوری می‌تواند هزینه پردازش هر درخواست را کاهش دهد. اگر یک پردازنده جدید بتواند با مصرف برق مشابه، تعداد بیشتری درخواست را پردازش کند، شرکت ارائه‌دهنده می‌تواند بخشی از افزایش هزینه انرژی را جبران کند.

برای درک بهتر این موضوع، بررسی تغییر هزینه استفاده از مدل‌های هوش مصنوعی در ساعات اوج مصرف اهمیت دارد؛ زیرا شیوه قیمت‌گذاری خدمات پردازشی می‌تواند تحت تأثیر محدودیت ظرفیت و هزینه بهره‌برداری تغییر کند.

در نتیجه، افزایش مصرف برق به‌تنهایی به معنای افزایش قطعی قیمت اشتراک ابزارهای هوش مصنوعی نیست. شرکت‌هایی که بتوانند بازده پردازش را افزایش دهند، احتمالاً در رقابت قیمتی موقعیت بهتری خواهند داشت.

آینده رقابت هوش مصنوعی به کدام سمت می‌رود؟

رقابت در صنعت هوش مصنوعی به‌تدریج به مجموعه‌ای از عوامل فنی و اقتصادی وابسته شده است. توانایی ساخت مدل پیشرفته همچنان اهمیت دارد، اما شرکت‌ها برای تبدیل این توانایی به یک کسب‌وکار پایدار باید برق کافی، تجهیزات مناسب و سرمایه لازم را نیز در اختیار داشته باشند.

یکی از تحولات مهم پیش رو، افزایش نقش تولید برق اختصاصی در کنار مراکز داده است. در کنار آن، توسعه انرژی‌های تجدیدپذیر، باتری‌های ذخیره‌ساز و نیروگاه‌های هسته‌ای می‌تواند به تأمین پایدار انرژی کمک کند.

از طرف دیگر، شرکت‌ها ناچار خواهند بود درباره محل احداث مراکز داده و میزان مصرف منابع طبیعی تصمیم‌های دقیق‌تری بگیرند. توسعه یک مرکز پردازشی بزرگ در منطقه‌ای با شبکه برق ضعیف یا منابع آب محدود، ممکن است هزینه‌های اقتصادی و اجتماعی زیادی ایجاد کند.

این مسئله برای کسب‌وکارهایی که به ابزارهای هوش مصنوعی وابسته شده‌اند نیز اهمیت دارد. پایداری خدمات، هزینه پردازش و دسترسی به ظرفیت محاسباتی می‌تواند بر انتخاب ابزارهای مورد استفاده آن‌ها تأثیر بگذارد. بررسی ریسک وابستگی کسب‌وکارها به یک سرویس هوش مصنوعی نیز از همین زاویه اهمیت پیدا می‌کند.

در نهایت، شرکت‌هایی که بتوانند هوش مصنوعی را با مصرف انرژی کمتر، هزینه عملیاتی پایین‌تر و دسترسی پایدارتر به برق توسعه دهند، مزیت رقابتی مهمی به دست خواهند آورد. آینده این صنعت فقط به ساخت مدل‌های هوشمندتر وابسته نیست؛ مدیریت هزینه انرژی نیز بخشی از معادله موفقیت آن خواهد بود.

از این منظر، حتی فرصت‌های تجاری ایجادشده به‌واسطه هوش مصنوعی نیز به هزینه زیرساخت وابسته هستند؛ موضوعی که در بررسی روش‌های کسب درآمد از ابزارهای هوش مصنوعی نیز باید مورد توجه قرار گیرد.

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا