مراکز داده هوش مصنوعی برق بیشتری می‌خواهند؛ آینده مصرف انرژی فناوری چگونه است؟
هوش مصنوعی هر روز در بخش‌های بیشتری از زندگی ما حضور پیدا می‌کند؛ از پاسخ‌گویی به پرسش‌ها و تولید تصویر گرفته تا تحلیل اطلاعات پزشکی، طراحی صنعتی، خودروهای هوشمند و دستیارهای دیجیتال. اما پشت این تجربه سریع و ساده، زیرساختی عظیم قرار دارد که کمتر دیده می‌شود: مراکز داده‌ای که برای آموزش و اجرای مدل‌های هوش مصنوعی به پردازنده‌های قدرتمند، تجهیزات شبکه، سیستم‌های خنک‌کننده و برق مداوم نیاز دارند.
افزایش استفاده از هوش مصنوعی باعث شده مصرف انرژی این مراکز به یکی از موضوعات مهم صنعت فناوری تبدیل شود. شرکت‌ها برای ساخت مراکز داده بزرگ‌تر رقابت می‌کنند، دولت‌ها درباره ظرفیت شبکه برق برنامه‌ریزی می‌کنند و تولیدکنندگان انرژی به دنبال راه‌هایی برای پاسخ‌گویی به تقاضای جدید هستند.
سؤال اصلی این است: آیا شبکه‌های برق جهان می‌توانند با سرعت رشد هوش مصنوعی هماهنگ شوند؟ و آیا فناوری‌های کم‌مصرف‌تر و انرژی‌های تجدیدپذیر برای کنترل این روند کافی خواهند بود؟
- مراکز داده برای آموزش و اجرای مدل‌های هوش مصنوعی به برق قابل‌توجهی نیاز دارند.
- برآورد آژانس بین‌المللی انرژی نشان می‌دهد مصرف برق مراکز داده جهان ممکن است از ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ برسد.
- افزایش مصرف فقط به پردازنده‌ها مربوط نیست؛ سرمایش، شبکه، ذخیره‌سازی و تجهیزات پشتیبان نیز انرژی مصرف می‌کنند.
- انرژی خورشیدی، بادی، هسته‌ای، گاز و ذخیره‌سازهای باتری در تأمین برق این مراکز نقش خواهند داشت.
- افزایش بهره‌وری سخت‌افزار مهم است، اما رشد تعداد کاربران و کاربردهای سنگین هوش مصنوعی می‌تواند بخشی از صرفه‌جویی را خنثی کند.
چرا هوش مصنوعی به برق بیشتری نیاز دارد؟
برای درک میزان مصرف انرژی هوش مصنوعی باید به نحوه عملکرد آن توجه کنیم. مدل‌های پیشرفته با استفاده از پردازنده‌های تخصصی، حجم زیادی از اطلاعات را پردازش می‌کنند. این پردازش در دو مرحله اصلی اتفاق می‌افتد: آموزش مدل و استفاده از مدل پس از آموزش.
۱. آموزش مدل‌های بزرگ
در مرحله آموزش، مدل هوش مصنوعی با حجم گسترده‌ای از داده‌ها کار می‌کند تا الگوها و ارتباطات میان اطلاعات را یاد بگیرد. این فرایند ممکن است به هزاران پردازنده تخصصی نیاز داشته باشد که برای مدت طولانی به‌صورت هم‌زمان فعالیت می‌کنند.
هرچه مدل بزرگ‌تر و فرایند آموزش پیچیده‌تر باشد، معمولاً منابع محاسباتی بیشتری لازم است. البته میزان مصرف انرژی به معماری مدل، نوع پردازنده، روش آموزش و مدت اجرای محاسبات نیز وابسته است.
۲. اجرای مدل و پاسخ‌گویی به کاربران
آموزش مدل تنها بخش ماجرا نیست. پس از آماده شدن یک مدل، کاربران بارها و بارها از آن استفاده می‌کنند. هر درخواست برای تولید متن، تحلیل تصویر، ساخت ویدئو یا انجام یک وظیفه چندمرحله‌ای، پردازش جدیدی را به زیرساخت تحمیل می‌کند.
با افزایش تعداد کاربران، تعداد درخواست‌ها و پیچیدگی وظایف، مصرف انرژی بخش اجرا نیز افزایش پیدا می‌کند. به همین دلیل، حتی اگر مصرف برق یک درخواست مشخص کاهش یابد، رشد بسیار زیاد تعداد درخواست‌ها می‌تواند مصرف کل را بالا ببرد.
۳. سرمایش و تجهیزات پشتیبان
پردازنده‌های قدرتمند هنگام فعالیت گرمای زیادی تولید می‌کنند. برای جلوگیری از داغ شدن تجهیزات و حفظ عملکرد پایدار، مراکز داده به سیستم‌های سرمایش و تهویه نیاز دارند.
علاوه بر این، تجهیزات شبکه، ذخیره‌سازی اطلاعات، سیستم‌های برق اضطراری، UPS و سایر زیرساخت‌های پشتیبان نیز مصرف‌کننده انرژی هستند. بنابراین مصرف برق یک مرکز داده فقط به توان پردازنده‌های آن محدود نمی‌شود.
مصرف برق مراکز داده تا سال ۲۰۳۰ چقدر افزایش می‌یابد؟
آژانس بین‌المللی انرژی در گزارش به‌روزشده خود درباره ارتباط انرژی و هوش مصنوعی، برآورد کرده است که مصرف برق مراکز داده جهان از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ برسد.
این مقدار تقریباً دو برابر مصرف فعلی در مبنای گزارش است و می‌تواند حدود ۳ درصد از تقاضای جهانی برق را در پایان این دوره به خود اختصاص دهد. نکته مهم این است که این ارقام به کل مراکز داده مربوط می‌شوند؛ یعنی علاوه بر زیرساخت‌های هوش مصنوعی، مراکز پردازش ابری، ذخیره‌سازی، خدمات اینترنتی و سایر کاربردها را نیز شامل می‌شوند.
آیا همه درخواست‌های هوش مصنوعی به یک اندازه برق مصرف می‌کنند؟
خیر. نوع وظیفه‌ای که از هوش مصنوعی می‌خواهیم، تأثیر زیادی بر منابع محاسباتی موردنیاز دارد. پاسخ‌گویی به یک پرسش متنی ساده معمولاً با تولید یک ویدئوی طولانی یا تحلیل چندمرحله‌ای مجموعه‌ای از اسناد و تصاویر یکسان نیست.
برخی کاربردهای جدید مانند تولید ویدئو، استدلال پیچیده و عامل‌های هوشمند که چندین مرحله را به‌صورت متوالی انجام می‌دهند، می‌توانند به پردازش بسیار بیشتری نیاز داشته باشند.
| نوع فعالیت | ماهیت پردازش | عامل مؤثر بر مصرف انرژی |
|---|---|---|
| پرسش متنی ساده | تولید پاسخ متنی کوتاه | طول ورودی و خروجی، اندازه مدل و تعداد درخواست‌ها |
| تحلیل اسناد و اطلاعات | بررسی حجم زیادی از متن و استخراج ارتباط‌ها | حجم داده، طول زمینه و پیچیدگی تحلیل |
| تولید تصویر | ساخت تصویر بر اساس دستور متنی | وضوح تصویر، معماری مدل و تعداد مراحل پردازش |
| تولید ویدئو | ساخت مجموعه‌ای از فریم‌های مرتبط | مدت ویدئو، وضوح، نرخ فریم و پیچیدگی مدل |
| عامل هوش مصنوعی | برنامه‌ریزی و انجام چند مرحله برای رسیدن به هدف | تعداد مراحل، فراخوانی ابزارها و پردازش‌های تکراری |
به همین دلیل، نمی‌توان یک عدد ثابت را به‌عنوان مصرف برق تمام درخواست‌های هوش مصنوعی اعلام کرد. حتی دو درخواست ظاهراً مشابه ممکن است به دلیل تفاوت مدل، سخت‌افزار، طول پاسخ و روش پردازش، انرژی متفاوتی مصرف کنند.
کدام منابع انرژی برق مراکز داده را تأمین می‌کنند؟
افزایش تقاضای مراکز داده باعث شده شرکت‌های فناوری و تأمین‌کنندگان برق به ترکیبی از منابع انرژی توجه کنند. هیچ منبعی به‌تنهایی پاسخ‌گوی تمام نیازها نیست و انتخاب هر راهکار به موقعیت جغرافیایی، ظرفیت شبکه و شرایط اقتصادی بستگی دارد.
آیا انرژی‌های تجدیدپذیر می‌توانند پاسخ‌گوی رشد هوش مصنوعی باشند؟
انرژی‌های تجدیدپذیر بخش مهمی از پاسخ به افزایش مصرف برق مراکز داده هستند. نیروگاه‌های خورشیدی و بادی می‌توانند برق کم‌کربن تولید کنند و به کاهش وابستگی به سوخت‌های فسیلی کمک کنند.
با این حال، تولید برق خورشیدی و بادی همیشه با میزان مصرف مراکز داده هماهنگ نیست. یک مرکز داده بزرگ به برق پایدار و قابل‌اعتماد نیاز دارد و نمی‌تواند در هر ساعت از شبانه‌روز صرفاً به شرایط آب‌وهوایی وابسته باشد.
در نتیجه، توسعه شبکه انتقال برق، ذخیره‌سازهای انرژی، مدیریت هوشمند بار و استفاده از منابع پشتیبان اهمیت زیادی دارد. قرارداد خرید برق تجدیدپذیر نیز لزوماً به این معنا نیست که در تمام ساعات، برق مصرفی یک مرکز داده مستقیماً از همان نیروگاه تأمین می‌شود.
بر اساس تحلیل آژانس بین‌المللی انرژی در گزارش سال ۲۰۲۵، انرژی‌های تجدیدپذیر می‌توانند نزدیک به نیمی از افزایش تقاضای برق مراکز داده تا سال ۲۰۳۰ را پوشش دهند. گاز و زغال‌سنگ نیز در برخی مناطق سهم خواهند داشت و انرژی هسته‌ای می‌تواند در ادامه این دهه و سال‌های بعد نقش بیشتری پیدا کند.
چرا مراکز داده ممکن است به چالش شبکه برق تبدیل شوند؟
افزایش مصرف برق در سطح جهانی تنها مسئله نیست. محل احداث مراکز داده نیز اهمیت زیادی دارد. این مراکز معمولاً در مناطق مشخصی متمرکز می‌شوند و ممکن است در یک منطقه، چند پروژه بزرگ به‌طور هم‌زمان به برق نیاز داشته باشند.
در چنین شرایطی، حتی اگر ظرفیت تولید برق یک کشور کافی باشد، شبکه انتقال و توزیع محلی ممکن است توان پاسخ‌گویی سریع به تقاضای جدید را نداشته باشد.
۱. کمبود ظرفیت اتصال به شبکه
ساخت یک مرکز داده ممکن است سریع‌تر از توسعه خطوط انتقال، پست‌های برق و تجهیزات توزیع انجام شود. در نتیجه، پروژه آماده بهره‌برداری است اما اتصال آن به شبکه با تأخیر روبه‌رو می‌شود.
۲. نیاز به ترانسفورماتورها و تجهیزات قدرت
مراکز داده بزرگ به تجهیزات الکتریکی قدرتمند و قابل‌اعتماد نیاز دارند. افزایش تقاضا برای ترانسفورماتور، تجهیزات الکترونیک قدرت و سیستم‌های برق پشتیبان می‌تواند زنجیره تأمین این قطعات را تحت فشار قرار دهد.
۳. افزایش تقاضا در یک منطقه محدود
اگر چند مرکز داده بزرگ در نزدیکی یکدیگر ساخته شوند، فشار زیادی به شبکه محلی وارد می‌شود. به همین دلیل، دسترسی به برق و زمین مناسب در تصمیم‌گیری شرکت‌ها برای انتخاب محل احداث اهمیت بیشتری پیدا کرده است.
۴. احتمال افزایش هزینه برق
اگر توسعه زیرساخت برق هم‌زمان با رشد تقاضا انجام نشود، هزینه سرمایه‌گذاری در شبکه ممکن است افزایش پیدا کند. اینکه این هزینه در نهایت بر عهده شرکت‌های فناوری، مصرف‌کنندگان بزرگ یا سایر مشترکان قرار بگیرد، به قوانین و ساختار بازار برق هر کشور بستگی دارد.
آیا پردازنده‌های جدید می‌توانند مصرف انرژی را کاهش دهند؟
یکی از مسیرهای مهم کنترل مصرف انرژی، افزایش بهره‌وری سخت‌افزار است. تولیدکنندگان تراشه تلاش می‌کنند پردازش‌های بیشتری را با مصرف برق کمتر انجام دهند. معماری‌های جدید پردازنده، حافظه‌های سریع‌تر و روش‌های بهینه‌سازی نرم‌افزاری می‌توانند انرژی موردنیاز برای انجام یک وظیفه مشخص را کاهش دهند.
استفاده از مدل‌های کوچک‌تر و تخصصی نیز می‌تواند در بعضی کاربردها جایگزین مناسبی برای مدل‌های بسیار بزرگ باشد. اگر یک وظیفه ساده با مدل کوچک‌تر انجام شود، ممکن است نیازی به اختصاص منابع محاسباتی سنگین نباشد.
بهینه‌سازی کد، کاهش محاسبات تکراری، فشرده‌سازی مدل و زمان‌بندی هوشمند پردازش‌ها نیز در کاهش مصرف انرژی نقش دارند.
نقش هوش مصنوعی در بهینه‌سازی مصرف انرژی
رابطه هوش مصنوعی و انرژی فقط یک‌طرفه نیست. در حالی که آموزش و اجرای مدل‌های هوش مصنوعی برق مصرف می‌کند، همین فناوری می‌تواند به مدیریت بهتر شبکه‌های برق و کاهش اتلاف انرژی کمک کند.
- پیش‌بینی تقاضای برق: تحلیل داده‌های مصرف می‌تواند به شرکت‌های برق برای تخمین نیاز ساعات و روزهای آینده کمک کند.
- مدیریت شبکه: الگوریتم‌های هوشمند می‌توانند در شناسایی ناهماهنگی‌ها و بهینه‌سازی توزیع برق نقش داشته باشند.
- نگهداری تجهیزات: تحلیل داده‌های حسگرها می‌تواند احتمال خرابی برخی تجهیزات را زودتر مشخص کند.
- بهینه‌سازی سرمایش: بررسی دما و شرایط کاری تجهیزات می‌تواند به تنظیم بهتر سیستم‌های خنک‌کننده مراکز داده کمک کند.
- هماهنگی انرژی‌های تجدیدپذیر: پیش‌بینی تولید خورشیدی و بادی می‌تواند مدیریت ذخیره‌سازی و مصرف را بهبود دهد.
البته استفاده از هوش مصنوعی برای بهینه‌سازی انرژی نیز به پردازش نیاز دارد. بنابراین ارزش واقعی این راهکار زمانی مشخص می‌شود که میزان انرژی صرفه‌جویی‌شده از انرژی مصرفی برای اجرای آن بیشتر باشد.
آیا مصرف برق بیشتر به معنی آلودگی بیشتر است؟
لزوماً نه؛ اما ترکیب منابع تولید برق اهمیت زیادی دارد. اگر افزایش تقاضای مراکز داده با توسعه نیروگاه‌های زغال‌سنگ و گاز پاسخ داده شود، انتشار گازهای گلخانه‌ای می‌تواند افزایش پیدا کند.
در مقابل، استفاده بیشتر از انرژی خورشیدی، بادی و هسته‌ای می‌تواند شدت انتشار کربن برق مصرفی را کاهش دهد. با این حال، ساخت نیروگاه‌ها، باتری‌ها، خطوط انتقال و خود مراکز داده نیز به مواد اولیه، زمین و انرژی نیاز دارد.
موضوع آب نیز اهمیت دارد. برخی سیستم‌های خنک‌کننده مراکز داده از آب استفاده می‌کنند و میزان مصرف آن‌ها به فناوری سرمایش، شرایط آب‌وهوایی و طراحی ساختمان بستگی دارد. در مناطقی که با کمبود آب مواجه‌اند، انتخاب فناوری مناسب و مدیریت منابع محلی ضروری است.
آینده مصرف انرژی فناوری چه شکلی خواهد بود؟
در سال‌های آینده، رقابت شرکت‌های فناوری فقط بر سر ساخت مدل‌های هوشمندتر نخواهد بود. توانایی تأمین برق پایدار، کاهش هزینه انرژی و طراحی مراکز داده کم‌مصرف نیز به یکی از عوامل مهم رقابت تبدیل می‌شود.
می‌توان چند روند مهم را برای آینده این صنعت در نظر گرفت:
کاربران عادی چه نقشی در این تغییرات دارند؟
ممکن است تصور کنیم مصرف برق مراکز داده موضوعی است که فقط شرکت‌های بزرگ فناوری و دولت‌ها باید درباره آن تصمیم بگیرند. اما رفتار کاربران نیز در شکل‌گیری تقاضا مؤثر است.
استفاده از هوش مصنوعی برای کارهای ضروری، انتخاب ابزار متناسب با نیاز و پرهیز از پردازش‌های غیرضروری می‌تواند به استفاده منطقی‌تر از منابع محاسباتی کمک کند. البته مسئولیت اصلی کاهش مصرف انرژی مراکز داده بر عهده کاربران عادی نیست؛ طراحی زیرساخت‌های کارآمد، انتخاب منابع برق و شفافیت شرکت‌ها نقش بسیار بزرگ‌تری دارند.
برای مثال، یک شرکت ارائه‌دهنده خدمات هوش مصنوعی می‌تواند با استفاده از مدل مناسب برای هر وظیفه، بهینه‌سازی پردازش‌ها و طراحی سیستم سرمایش کارآمد، مصرف انرژی خود را کنترل کند. این اقدامات در مقیاس بزرگ اثر بیشتری از توصیه‌های فردی به کاربران خواهند داشت.
سؤالات متداول درباره مصرف انرژی هوش مصنوعی
زیرا آموزش و اجرای مدل‌های بزرگ به پردازنده‌های قدرتمند و پردازش مداوم نیاز دارد. تجهیزات سرمایش، شبکه، ذخیره‌سازی و سیستم‌های پشتیبان نیز به مصرف برق اضافه می‌کنند.
بر اساس برآورد به‌روزشده آژانس بین‌المللی انرژی، مصرف برق مراکز داده جهان ممکن است از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ برسد.
معمولاً تولید تصویر به پردازش بیشتری از یک پاسخ متنی ساده نیاز دارد، اما میزان دقیق مصرف به مدل، سخت‌افزار، کیفیت خروجی و روش پردازش وابسته است.
می‌تواند بخشی از نیاز آن‌ها را پوشش دهد، اما برای تأمین برق پایدار در تمام ساعات به ترکیبی از منابع انرژی، ذخیره‌سازها و شبکه برق نیاز است.
بله. هوش مصنوعی می‌تواند در پیش‌بینی تقاضا، مدیریت شبکه، بهینه‌سازی سرمایش و نگهداری تجهیزات کمک کند؛ البته اجرای خود این سامانه‌ها نیز انرژی مصرف می‌کند.
این موضوع به منابع تولید برق بستگی دارد. استفاده از سوخت‌های فسیلی می‌تواند انتشار کربن را افزایش دهد، در حالی که انرژی‌های کم‌کربن می‌توانند اثر زیست‌محیطی هر واحد برق را کاهش دهند.
جمع‌بندی؛ آینده هوش مصنوعی به آینده انرژی وابسته است
رشد هوش مصنوعی فقط به پیشرفت پردازنده‌ها و افزایش توان مدل‌ها وابسته نیست. مراکز داده برای فعالیت به برق پایدار، تجهیزات خنک‌کننده، شبکه انتقال و زیرساخت‌های قابل‌اعتماد نیاز دارند. به همین دلیل، انرژی به یکی از عوامل تعیین‌کننده در رقابت جهانی شرکت‌های فناوری تبدیل شده است.
افزایش بهره‌وری تراشه‌ها، استفاده از مدل‌های کوچک‌تر، توسعه انرژی‌های تجدیدپذیر، ذخیره‌سازهای باتری و مدیریت هوشمند مصرف می‌توانند بخشی از فشار را کاهش دهند. با این حال، رشد سریع کاربردهای هوش مصنوعی ممکن است همچنان تقاضای کل برق را افزایش دهد.
آینده فناوری زمانی پایدارتر خواهد بود که پیشرفت هوش مصنوعی با توسعه زیرساخت انرژی، کاهش اتلاف منابع و شفافیت در مصرف برق همراه شود. در واقع، رقابت بعدی صنعت فناوری فقط بر سر هوشمندتر شدن نیست؛ بر سر هوشمندتر مصرف کردن انرژی نیز خواهد بود.
فناوری را فقط از زاویه امکانات آن نبینید؛ زیرساخت و اثرات آن هم مهم‌اند.
برای مطالعه مطالب بیشتر درباره هوش مصنوعی، گجت‌ها، فناوری‌های جدید و راهنمای خرید به مجله اوپاکالا سر بزنید.
مطالعه مجله اوپاکالا