هوش مصنوعی شبکه برق را تخلیه می‌کند: نگاهی به بحران انرژی مراکز داده که زیرساخت انرژی را دگرگون می‌کند

اشتراک‌گذاری:
هوش مصنوعی شبکه برق را تخلیه می‌کند: نگاهی به بحران انرژی مراکز داده که زیرساخت انرژی را دگرگون می‌کند

اعداد دروغ نمی‌گویند

در سال ۲۰۲۳، مراکز داده در سراسر جهان حدود ۴۶۰ تراوات-ساعت (TWh) برق مصرف کردند - تقریباً ۲ درصد از کل تقاضای جهانی برق. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که تا سال ۲۰۲۶ این رقم دو برابر شده و به بیش از ۱۰۰۰ TWh در سال برسد که تقریباً به طور کامل ناشی از بار کاری آموزش و استنتاج هوش مصنوعی است. برای درک این موضوع: ۱۰۰۰ TWh بیش از کل برق مصرفی کشور آلمان در یک سال است.

یک اجرای آموزش هوش مصنوعی در مقیاس بزرگ - مانند آنچه برای توسعه مدل‌های پیشرو استفاده می‌شود - می‌تواند ۵۰ تا ۱۰۰ گیگاوات-ساعت (GWh) برق مصرف کند. تخمین زده می‌شود که آموزش GPT-4 حدود ۵۰ GWh مصرف کرده است. استنتاج، فرآیند اجرای یک مدل آموزش‌دیده برای پاسخ به پرسش‌ها، حتی سریع‌تر مقیاس می‌شود: با میلیون‌ها کاربر فعال روزانه در هر محصول بزرگ هوش مصنوعی، تقاضای استنتاج در حال پیشی گرفتن از تقاضای آموزش در کل مصرف انرژی در بسیاری از تأسیسات Hyperscaler است.

شبکه برق در حال شکست است

PJM Interconnection، بزرگترین اپراتور شبکه برق در آمریکای شمالی که ۱۳ ایالت و واشنگتن دی‌سی را پوشش می‌دهد، در سال ۲۰۲۴ هشدار داد که تقاضای پیش‌بینی‌شده برق در دهه آینده نسبت به پیش‌بینی سال ۲۰۲۲ خود ۴۰٪ افزایش یافته است - که عمدتاً به دلیل مراکز داده است. در ویرجینیای شمالی، که متراکم‌ترین تمرکز مراکز داده در جهان را دارد («خیابان مراکز داده»)، شرکت‌های برق محلی در برخی پست‌های برق توقف ظرفیت اعمال کرده‌اند زیرا شبکه بدون سال‌ها به‌روزرسانی زیرساخت نمی‌تواند برق بیشتری تأمین کند.

ایرلند که میزبان مراکز داده اروپایی گوگل، متا، آمازون و مایکروسافت است، شاهد مصرف ۲۱٪ از کل برق ملی توسط مراکز داده در سال ۲۰۲۳ بود. اپراتور شبکه ایرلند EirGrid شروع به محدود کردن اتصالات جدید مراکز داده در منطقه دوبلین تا حداقل سال ۲۰۲۸ کرده است. سنگاپور از سال ۲۰۱۹ تا ۲۰۲۲ به دلایل مشابه یک مهلت سه ساله برای ساخت مراکز داده جدید اعمال کرد و تنها پس از تضمین تعهدات انرژی سبز آن را لغو کرد.

تنگنا تنها تولید نیست - بلکه ظرفیت انتقال و پست‌های برق است. ساخت یک پست برق جدید فشار قوی در ایالات متحده به دلیل مجوزها، محدودیت‌های زنجیره تأمین ترانسفورماتورهای بزرگ و هماهنگی شرکت‌های برق ۴ تا ۷ سال طول می‌کشد. زیرساخت هوش مصنوعی در عرض چند ماه مستقر می‌شود. شکاف بین جدول زمانی تقاضا و جدول زمانی به‌روزرسانی شبکه، نقطه تنش اصلی این بحران است.

مشارکت با شرکت‌های برق: یک مدل صنعتی جدید

در مواجهه با محدودیت‌های شبکه، شرکت‌های Hyperscaler از خرید سنتی شرکت‌های برق عبور کرده و مستقیماً با تولیدکنندگان برق مذاکره می‌کنند. مایکروسافت در سال ۲۰۲۳ یک قرارداد خرید برق ۲۰ ساله (PPA) با Constellation Energy برای راه‌اندازی مجدد واحد ۱ نیروگاه هسته‌ای Three Mile Island امضا کرد که در سال ۲۰۱۹ به دلایل اقتصادی تعطیل شده بود. ارزش این قرارداد بیش از ۳ میلیارد دلار تخمین زده می‌شود و حدود ۸۳۵ مگاوات (MW) برق پایه بدون کربن را منحصراً برای مراکز داده مایکروسافت تأمین می‌کند.

آمازون رویکرد متفاوتی در پیش گرفته است: خرید یک محوطه مرکز داده که مستقیماً در مجاورت نیروگاه هسته‌ای Susquehanna در پنسیلوانیا قرار دارد و یک خط انتقال ۹۶۰ مگاواتی اختصاصی دریافت می‌کند که شبکه عمومی را کاملاً دور می‌زند. گوگل متعهد به خرید برق از شش رآکتور هسته‌ای نسل بعدی است که توسط Kairos Power در حال توسعه است و هدف آن استقرار بین سال‌های ۲۰۳۰ تا ۲۰۳۵ با مجموع ۵۰۰ MW است.

این قراردادها یک تغییر بنیادی را نشان می‌دهند: شرکت‌های فناوری در حال تبدیل شدن به مشتریان لنگر برای زیرساخت انرژی هستند، همانطور که کارخانه‌های آلومینیوم و فولاد در قرن بیستم لنگرهای صنعتی بودند. تفاوت در سرعت است: شرکت‌های Hyperscaler می‌توانند در عرض چند ماه سرمایه اختصاص دهند و قرارداد امضا کنند، در حالی که زیرساخت انرژی دهه‌ها طول می‌کشد تا ساخته شود.

احیای انرژی هسته‌ای

بازگشت انرژی هسته‌ای دراماتیک‌ترین پیامد تقاضای برق هوش مصنوعی است. در ایالات متحده، قبل از سال ۲۰۲۳ هیچ نیروگاه هسته‌ای جدیدی در بیش از دو دهه راه‌اندازی نشده بود. اکنون این وضعیت در حال تغییر است:

  • واحد ۱ Three Mile Island توسط Constellation Energy برای مایکروسافت راه‌اندازی مجدد می‌شود که برای سال ۲۰۲۸ برنامه‌ریزی شده است.
  • واحد ۳ و ۴ Vogtle در جورجیا در سال‌های ۲۰۲۳ و ۲۰۲۴ راه‌اندازی شدند - اولین رآکتورهای جدید ساخته شده در آمریکا در ۳۰ سال گذشته - که تقاضای مراکز داده یک عامل کلیدی در توجیه تجاری Southern Company بود.
  • رآکتورهای مدولار کوچک (SMR) - رآکتورهای ساخته شده در کارخانه با ظرفیت ۵۰ تا ۳۰۰ مگاوات - میلیاردها دلار سرمایه‌گذاری از آمازون، گوگل و مایکروسافت دریافت می‌کنند. NuScale، X-energy و TerraPower رقبای اصلی هستند، اگرچه اولین پروژه تجاری NuScale در سال ۲۰۲۳ به دلیل افزایش هزینه‌ها لغو شد که نشان می‌دهد این فناوری هنوز به طور کامل از ریسک خارج نشده است.

جذابیت انرژی هسته‌ای برای مراکز داده خاص است: برق پایه بدون کربن ۲۴ ساعته در ۷ روز هفته را فراهم می‌کند که انرژی خورشیدی و بادی بدون ذخیره‌سازی عظیم باتری نمی‌توانند با آن رقابت کنند. یک مرکز داده که بار کاری استنتاج بزرگ هوش مصنوعی را اجرا می‌کند نمی‌تواند برق متناوب را تحمل کند - هر میلی‌ثانیه قطعی هزینه‌ای برای کاربر دارد. هسته‌ای نمایه قابلیت اطمینانی را ارائه می‌دهد که عملیات هوش مصنوعی به آن نیاز دارد.

فرانسه که در حال حاضر بیش از ۷۰٪ از برق خود را از هسته‌ای تولید می‌کند، شاهد رشد قابل توجه بخش مراکز داده خود بوده است زیرا شرکت‌ها به دنبال هم‌مکانی با برق پاک قابل برنامه‌ریزی هستند. دولت فرانسه در سال ۲۰۲۲ برنامه‌هایی برای ساخت شش رآکتور جدید EPR2 و احتمالاً هشت رآکتور دیگر اعلام کرد که تقاضای برق ناشی از هوش مصنوعی به صراحت در توجیه سیاست ذکر شده است.

بهبودهای کارایی چه مشکلاتی را حل می‌کند - و چه مشکلاتی را حل نمی‌کند

استدلال استاندارد صنعت در برابر نگرانی‌های بحران برق، بهبود کارایی است. GPU H100 انویدیا تقریباً ۳۰ برابر عملکرد استنتاج هوش مصنوعی در هر وات را نسبت به A100 چهار سال پیش ارائه می‌دهد. خنک‌کننده مایع که اکنون در بیشتر مراکز داده جدید AI Hyperscale مستقر می‌شود، امکان تراکم حرارتی ۱۰۰+ کیلووات در هر رک را در مقابل ۱۵ تا ۲۰ کیلووات برای تأسیسات خنک‌شونده با هوا فراهم می‌کند - که امکان محاسبه بیشتر در فضای فیزیکی و زیرساخت برق کمتر را فراهم می‌کند.

اما پارادوکس جونز با قدرت کامل عمل می‌کند: بهبودهای کارایی به طور کامل توسط رشد تقاضا مصرف می‌شود. هنگامی که استنتاج در هر پرسش ارزان‌تر می‌شود، تعداد پرسش‌ها منفجر می‌شود. هنگامی که آموزش کارآمدتر می‌شود، محققان مدل‌های بزرگ‌تر را بیشتر آموزش می‌دهند. مسیر خالص مصرف انرژی به شدت صعودی است صرف نظر از بهبودهای کارایی در هر واحد.

Anthropic، OpenAI، Google DeepMind و متا همگی مدل‌های بزرگ‌تری نسبت به مدل‌های قبلی خود را در چرخه‌های ۱۲ تا ۱۸ ماهه مستقر یا اعلام کرده‌اند. هر نسل برای آموزش به محاسبه بیشتری نیاز دارد، حتی اگر استنتاج ارزان‌تر شود. استدلال کارایی واقعی است اما به عنوان یک راه‌حل مستقل کافی نیست.

آنچه در پی می‌آید: سه مسیر

بحران برق مراکز داده در امتداد یکی از سه مسیر، یا به احتمال زیاد ترکیبی از هر سه، حل خواهد شد:

  • توزیع مجدد جغرافیایی: مراکز داده به مناطقی با ظرفیت برق مازاد مهاجرت می‌کنند - جنوب غربی آمریکا (باد و خورشید)، کبک (برق آبی)، اسکاندیناوی (برق آبی و زمین‌گرمایی) و در نهایت زیر صحرای آفریقا (ظرفیت برق آبی توسعه‌نیافته). این در حال حاضر اتفاق می‌افتد: مایکروسافت یک محوطه مرکز داده ۵۰۰ مگاواتی در Quincy، واشنگتن، به طور خاص برای دسترسی به برق آبی افتتاح کرد.
  • انعطاف‌پذیری در سمت تقاضا: بار کاری آموزش هوش مصنوعی - بر خلاف استنتاج - قابل جابجایی در زمان است. یک اجرای آموزش مدل می‌تواند در ساعات غیر اوج شبکه یا در دوره‌های تولید مازاد انرژی تجدیدپذیر برنامه‌ریزی شود. گوگل و DeepMind قبلاً سیستم‌های ML را مستقر کرده‌اند که محاسبات غیر فوری را به پنجره‌های شبکه کم‌کربن منتقل می‌کنند و شدت کربن خود را بدون کاهش توان عملیاتی کاهش می‌دهند.
  • تولید جدید در مقیاس بزرگ: فراتر از هسته‌ای، گداخت همچنان یک شانس دور است اما سرمایه جدی دریافت می‌کند - Commonwealth Fusion Systems در سال ۲۰۲۱، ۱.۸ میلیارد دلار جمع‌آوری کرد و هدف آن یک رآکتور نمایشی تا سال ۲۰۲۵ است. فوری‌تر، پروژه‌های بادی فراساحلی اختصاص داده شده به تأمین برق مراکز داده در مراحل صدور مجوز در دریای شمال و سواحل شرقی آمریکا هستند.

نکات عملی

برای تیم‌های زیرساخت، سرمایه‌گذاران و سیاست‌گذاران، نتایج قابل اقدام این بحران مشخص است:

  • در دسترس بودن برق، زمین جدید است: انتخاب مکان برای مراکز داده اکنون با تجزیه و تحلیل ظرفیت شبکه آغاز می‌شود، نه جغرافیا یا مسیرهای فیبر. مناطقی که می‌توانند ۵۰۰+ مگاوات برق قابل اعتماد تحویل دهند، سرمایه‌گذاری نامتناسبی را برای دهه آینده جذب خواهند کرد.
  • PPAهای هسته‌ای افزایش ارزش خواهند داشت: قراردادهای خرید برق بلندمدت با اپراتورهای هسته‌ای نسبت به ارزش خود کمتر قیمت‌گذاری شده‌اند. شرکت‌هایی که PPAهای هسته‌ای ۲۰ ساله را در سال‌های ۲۰۲۳-۲۰۲۴ منعقد کرده‌اند، مزیت هزینه ساختاری نسبت به رقبایی دارند که در دهه ۲۰۳۰ به بازارهای برق لحظه‌ای متکی هستند.
  • جدول زمانی به‌روزرسانی شبکه یک محدودیت سخت است: هیچ مقدار سرمایه نمی‌تواند جدول زمانی ۶ ساله مجوز پست برق را به ۱۸ ماه کاهش دهد بدون اصلاحات نظارتی. لابی برای اصلاح مجوزها - که در حال حاضر از طریق ائتلاف مراکز داده و گروه‌های مشابه انجام می‌شود - تأثیر کوتاه‌مدت بیشتری نسبت به هر سرمایه‌گذاری فناوری خواهد داشت.
  • ریسک SMR واقعی است: رآکتورهای مدولار کوچک یک راه‌حل کوتاه‌مدت نیستند. اولین استقرار تجاری قابل اعتماد سال ۲۰۳۰ است و عدم قطعیت هزینه همچنان بالاست. شرکت‌هایی که روی SMRها به عنوان استراتژی اصلی برق خود برای بازه ۲۰۲۶-۲۰۲۹ شرط می‌بندند، با ریسک اجرا مواجه هستند.
اشتراک‌گذاری:
هوش مصنوعی شبکه برق را تخلیه می‌کند: نگاهی به بحران انرژی مراکز داده که زیرساخت انرژی را دگرگون می‌کند | AIO APEX