مشکل برق هوش مصنوعی: مراکز داده چگونه قوانین بازارهای انرژی را بازنویسی میکنند
در سال ۲۰۲۰، مراکز داده تقریباً ۲۰۰ تراوات-ساعت برق در سطح جهان مصرف کردند که حدود ۱٪ از تقاضای جهانی برق بود. جدیدترین برآوردهای آژانس بینالمللی انرژی (IEA) مصرف مراکز داده را تا سال ۲۰۲۶ در مسیر ۹۴۵ تراوات-ساعت قرار میدهد که تقریباً به طور کامل توسط بارهای کاری هوش مصنوعی هدایت میشود. برای درک این موضوع: کل کشور آلمان سالانه تقریباً ۵۵۰ تراوات-ساعت استفاده میکند. برق مورد نیاز برای آموزش و اجرای مدلهای هوش مصنوعی که سال ۲۰۲۶ را شکل میدهند، به تنهایی قابل مقایسه با تأمین برق یکی از بزرگترین اقتصادهای صنعتی جهان است.
این یک نگرانی آینده نیست. این یک واقعیت عملیاتی کنونی برای اپراتورهای شبکه، بازارهای انرژی و شرکتهایی است که زیرساختها را میسازند.
برق کجا میرود
بارهای کاری هوش مصنوعی به طور قابل توجهی برقبرتر از محاسبات ابری سنتی هستند. یک ماشین مجازی استاندارد ابری که سرویس وب میدهد ممکن است ۱۰۰ وات مصرف کند. یک خوشه GPU متراکم که استنتاج مدل بزرگ را اجرا میکند، به ازای هر کارت GPU بین ۴۰۰ تا ۵۰۰ وات مصرف میکند، با خوشههای شتابدهنده هوش مصنوعی مدرن که هزاران تراشه را در یک قفسه قرار میدهند. یک GPU H100، که پراستفادهترین شتابدهنده هوش مصنوعی تا سال ۲۰۲۴ است، توان حرارتی طراحی ۷۰۰ وات دارد. NVIDIA Blackwell B200 این مقدار را به ۱۰۰۰ وات به ازای هر GPU در پیکربندی خنکشونده با هوا افزایش داده است. یک خوشه ۱۰۰۰۰ GPU به طور مداوم تقریباً ۱۰ مگاوات مصرف میکند – کافی برای تأمین برق یک شهر کوچک.
معیار Power Usage Effectiveness (PUE) – که کارایی یک مرکز داده در استفاده از برق دریافتی را اندازهگیری میکند – در سراسر صنعت بهبود یافته است، اما بازدهی کاهشی در حال وقوع است. ابرمقیاسها (Google، Microsoft، Amazon، Meta) اکنون برای تأسیسات جدید به طور معمول به PUE بین ۱.۱ و ۱.۲ دست مییابند، به این معنی که حدود ۱۰–۲۰٪ سربار برای خنکسازی، روشنایی و توزیع برق وجود دارد. در این بازدهیها، گلوگاه دیگر خنکسازی نیست: بلکه صرفاً مقدار خام برقی است که تأسیسات باید از شبکه دریافت کند.
چرخش هستهای
مهمترین داستان انرژی در صنعت فناوری طی دو سال گذشته، چرخش به سمت انرژی هستهای بوده است. در سال ۲۰۲۳، این موضوع حاشیهای به نظر میرسید. تا اواسط سال ۲۰۲۶، این یک استراتژی صریح برای هر ابرمقیاس بزرگ تبدیل شده است.
Microsoft در سپتامبر ۲۰۲۳ یک قرارداد ۲۰ ساله برای راهاندازی مجدد واحد ۱ نیروگاه Three Mile Island در پنسیلوانیا امضا کرد که ۸۳۵ مگاوات اختصاصی به مراکز داده فراهم میکند. Google در سال ۲۰۲۳ قراردادی برای برق از رآکتورهای کوچک مدولار Kairos Power امضا کرد که قرار است از سال ۲۰۳۰ تحویل داده شود. Amazon یک محوطه مرکز داده با برق هستهای از Talen Energy خریداری کرد و ۹۶۰ مگاوات برق نزدیک به صفر کربن تضمین کرد. Constellation Energy – بزرگترین اپراتور هستهای ایالات متحده – شاهد سه برابر شدن سهام خود بوده است زیرا تقاضای فناوری، علاقه تجاری به داراییهایی را که بازار از قلم انداخته بود، احیا کرده است.
جذابیت هستهای برای مراکز داده هوش مصنوعی خاص است: برق پایدار ۲۴/۷ با چگالی انرژی بسیار بالا در واحد زمین فراهم میکند. انرژی خورشیدی و بادی به ازای هر کیلووات-ساعت ارزانتر هستند اما متناوب – شما نمیتوانید یک خوشه ۱۰۰ مگاواتی GPU را با برق متناوب بدون ذخیرهسازی عظیم باتری (پرهزینه و زمینبر) یا یک اتصال پشتیبان به شبکه که اساساً به ظرفیت سوخت فسیلی در جایی در سیستم نیاز دارد، راه اندازی کنید.
انرژیهای تجدیدپذیر: حسابداری صادقانه
همه ابرمقیاسهای بزرگ تعهدات خنثیسازی کربن یا انرژی تجدیدپذیر را منتشر میکنند. این تعهدات واقعی هستند، اما رابطه آنها با انتشار عملیاتی واقعی پیچیدهتر از آن چیزی است که بازاریابی نشان میدهد. ابزار کلیدی گواهی انرژی تجدیدپذیر (REC) یا قرارداد خرید برق (PPA) است: یک شرکت با یک تأسیسات انرژی تجدیدپذیر قرارداد میبندد، گواهیهایی دریافت میکند که آن مقدار تولید تجدیدپذیر را نشان میدهد و آن را علیه مصرف خود در کاغذ ادعا میکند.
مشکل ناهماهنگی زمانی و مکانی است. یک مرکز داده Google که در ساعت ۲ بامداد یک شب زمستانی در ویرجینیا ۵۰۰ مگاوات مصرف میکند، در واقع توسط یک مزرعه خورشیدی در تگزاس که گواهیهای خود را در بعدازظهرهای تابستان تولید میکند، تأمین نمیشود. الکترونهایی که مرکز داده مصرف میکند از هر چیزی که در ساعت ۲ بامداد در شبکه ویرجینیا وجود دارد میآید – که در زمستان عمدتاً گاز و هستهای است. گواهیهای تجدیدپذیر این را بر مبنای حسابداری سالانه جبران میکنند، اما انتشار عملیاتی واقعی بالاتر از آن چیزی است که حسابداری مبتنی بر گواهی نشان میدهد.
تطبیق ۲۴/۷ برق بدون کربن (CFE) – جایی که مصرف با تولید ساعت به ساعت و مکان به مکان تطبیق داده میشود – معیار معنادارتری است و Google تهاجمیترین در پیگیری آن بوده است. نمره CFE آنها در سال ۲۰۲۵ در سطح جهان ۷۶٪ بود که خود آن را ناکافی خواندهاند. ارزیابی صادقانه موقعیت صنعت در مورد انرژیهای تجدیدپذیر عبارت است از: سرمایهگذاری قابل توجه در ظرفیت تجدیدپذیر، جبران جزئی انتشار واقعی و شکافی که در حال بسته شدن است اما هنوز بسته نشده است.
بهرهوری به عنوان اهرم دیگر
بهبود چشمگیر در بهرهوری مدلهای هوش مصنوعی طی سه سال گذشته کمبحثترین بخش داستان انرژی است. GPT-3 در سال ۲۰۲۰ برای آموزش به تقریباً ۱۳۰۰ مگاوات-ساعت نیاز داشت. مدلهای با قابلیت معادل که در سال ۲۰۲۵ آموزش دیدند، به کسری از آن نیاز داشتند، زیرا پیشرفتهای الگوریتمی (معماریهای بهتر، تکنیکهای آموزش کارآمدتر، تقطیر) با پیشرفتهای سختافزاری ترکیب شدند.
همین پویایی در مورد استنتاج نیز صادق است: یک پرسش از یک دستیار هوش مصنوعی پیشرفته در سال ۲۰۲۶ به ازای هر پرسش به طور قابل توجهی انرژی کمتری نسبت به یک پرسش معادل در سال ۲۰۲۳ مصرف میکند، زیرا مدلها کارآمدتر شدهاند و سختافزاری که آنها را اجرا میکند بهبود یافته است. بهرهوری استنتاج طی سه سال به ازای هر پرسش تقریباً ۱۰ برابر بهبود یافته است.
مشکل این است که رشد تقاضا از پیشرفتهای بهرهوری پیشی گرفته است. تعداد پرسشهای هوش مصنوعی، اندازه مدلهای در حال استقرار و گستره کاربردهای استفادهکننده از هوش مصنوعی همگی سریعتر از پیشرفتهای بهرهوری رشد کردهاند. این پارادوکس کلاسیک Jevons است: ارزانتر کردن استفاده از یک منبع، مصرف کل را افزایش میدهد نه کاهش.
آنچه اپراتورهای شبکه میبینند
برای اپراتورهای شبکه برق، گسترش مراکز داده ابرمقیاس هوش مصنوعی یک چالش برنامهریزی را نشان میدهد که شبیه هیچ چیز دیگری نیست که قبلاً مدیریت کردهاند. یک پروژه مرکز داده بزرگ ممکن است به ۵۰۰ مگاوات تا ۱۰۰۰ مگاوات ظرفیت تولید جدید نیاز داشته باشد – به اندازه ساخت یک شهر جدید. صفهای اتصال به شبکه در ویرجینیا، تگزاس، جورجیا و آریزونا – بازارهای اولیه مراکز داده ایالات متحده – برای سالها عقب افتاده است. PJM، بزرگترین اپراتور شبکه ایالات متحده، در سال ۲۰۲۵، ۱۲۰۰ درخواست مرکز داده در صف اتصال خود گزارش کرد که نشاندهنده بیش از ۲۰۰ گیگاوات ظرفیت درخواستی است.
سرمایهگذاری مورد نیاز برای ساخت زیرساخت انتقال برق برای تأمین این تقاضا در سراسر ایالات متحده به تنهایی صدها میلیارد دلار تخمین زده میشود. پروندههای تعرفه در مقابل کمیسیونهای خدمات عمومی در سراسر کشور اکنون با این سؤال دست و پنجه نرم میکنند که چه کسی هزینه ارتقاء شبکه ناشی از رشد مراکز داده را پرداخت میکند: خود مراکز داده، همه پرداختکنندگان قبض برق یا ترکیبی از این دو.
داستان انرژی هوش مصنوعی در سال ۲۰۲۶ یک بحران نیست – چراغها روشن ماندهاند و تأسیسات در حال ساخته شدن هستند. اما این یک تغییر شکل عمیق در جایی است که برق از آن میآید، چه کسی برای آن هزینه میکند و شبکهها چگونه عمل میکنند. این پیامدها بسیار فراتر از هر چرخه محصول هوش مصنوعی گسترش خواهند یافت.