گسترش سرسامآور هوش مصنوعی و خدمات ابری، دنیای فناوری را وارد چالشی بیسابقه با محیطزیست کرده است. بررسیهای اخیر نشان میدهد مصرف انرژی و میزان انتشار کربن حاصل از تنها دو دیتاسنتر بزرگِ در دست احداث در بریتانیا، از کل آلایندگی تأسیسات محلی غول نفتی «اکسانموبیل» پیشی خواهد گرفت؛ هشداری جدی که تقابل جاهطلبی دیجیتال و اهداف کربنصفر را به تصویر میکشد.
ابعاد یک زنگ خطر زیستمحیطی؛ وقتی فناوری از نفت آلایندهتر میشود
مسابقه جهانی بر سر تصاحب سهم بیشتر از بازار هوش مصنوعی، عطش بیپایانی برای احداث مراکز داده (Data Centers) فوقبزرگ ایجاد کرده است. تحلیلهای اخیر کارشناسان انرژی در بریتانیا فاش کرده است که برق موردنیاز دو مگادیتاسنتر جدید که برای تأمین زیرساختهای ابری و پردازش مدلهای زبانی حجیم طراحی شدهاند، میزان انتشار گازهای گلخانهای را به رقمی بالاتر از فعالیتهای پالایشگاهی و پتروشیمی شرکت اکسانموبیل (ExxonMobil) در خاک این کشور میرساند.
این ارقام نمادین، شوک بزرگی به بدنه حاکمیتی و اکوسیستم فناوری وارد کرده است؛ چرا که بخش فناوری اطلاعات همواره خود را پیشران توسعه پایدار معرفی میکرد، اما اکنون به یکی از سنگینترین بارهای تحمیلی بر شبکه توزیع برق تبدیل شده است.
چرا هوش مصنوعی تا این حد تشنه انرژی است؟
برخلاف محاسبات سنتی، آموزش و اجرای مدلهای هوش مصنوعی زاینده (Generative AI) نیازمند فعالیت بیوقفه دهها هزار شتابدهنده گرافیکی (GPU) فوقپیشرفته نظیر تراشههای H100 و بلکول انویدیا است. این تراشهها نهتنها توان برق لحظهای بسیار بالایی مصرف میکنند، بلکه اتلاف حرارتی عظیمی دارند که بخش قابلتوجهی از انرژی دیتاسنتر را صرف سیستمهای سرمایشی پیچیده میکند.
- توان حرارتی سرسامآور (TDP): هر رک سرور هوش مصنوعی مدرن میتواند بین ۴۰ تا ۱۰۰ کیلووات توان الکتریکی مصرف کند؛ مقداری که برای تأمین برق یک محله مسکونی کوچک کافی است.
- خنکسازی مداوم: سیستمهای چیلر و خنککنندههای مایع دیتاسنترها نیازمند پمپاژ حجم عظیمی از سیالات و تبرید هستند که خود تا ۴۰ درصد برق کل مجموعه را میبلعد.
- فرایند شبانهروزی استنتاج (Inference): میلیونها کاربر در لحظه در حال ارسال درخواست به ابزارهای هوش مصنوعی هستند و این فشار کاری هیچگاه به صفر نمیرسد.
مقایسه شاخصهای کلیدی مصرف انرژی و کربن
| شاخص مقایسه | تأسیسات دیتاسنتر مقیاس بزرگ (Hyperscale) | صنایع پالایشگاهی/سنتی |
|---|---|---|
| نوع مصرف انرژی | برق متصل به شبکه ۲۴/۷ بدون افت ولتاژ | عمدتاً گاز، سوخت فسیلی و حرارت صنعتی |
| روند رشد سالانه تقاضا | رشد سالانه بیش از ۲۰ تا ۳۰ درصد | رشد پایدار یا نزولی (۱ تا ۳ درصد) |
| شدت کربن | بسته به سوخت نیروگاههای تأمینکننده برق شبکه | تولید مستقیم آلایندگی از فرآیند احتراق |
دوراهی دولتها؛ پیشتازی دیجیتال یا تعهدات اقلیمی؟
کشورهایی مانند بریتانیا، آلمان و ایالات متحده در میانه یک دوگانه استراتژیک گرفتار شدهاند. از یکسو دولتها تمایل دارند با میزبانی از زیرساختهای هوش مصنوعی، جایگاه رهبری فناورانه و اقتصادی خود را تثبیت کنند، و از سوی دیگر قوانین سختگیرانه تعهد به «انتشار خالص صفر» (Net Zero) تا سال ۲۰۵۰، مانع از صدور مجوزهای نامحدود برای پروژههای مصرفکننده برق فسیلی میشود.
پیشبینی میشود تا سال ۲۰۳۰، مصرف برق دیتاسنترها در برخی مناطق توسعهیافته به بیش از ۱۰ تا ۱۵ درصد از کل ظرفیت شبکه سراسری برسد؛ وضعیتی که زیرساختهای انتقال نیرو توان پاسخگویی به آن را نخواهند داشت.
استراتژی غولهای فناوری برای حل بحران انرژی
افزایش فشارهای رسانهای و نهادهای نظارتی سبب شده شرکتهای بزرگ حوزه فناوری راهکارهای متفاوتی را برای تأمین پایدار انرژی در پیش بگیرند:
- سرمایهگذاری روی انرژی هستهای و راکتورهای کوچک مدولار (SMR): شرکتهایی مانند مایکروسافت، گوگل و آمازون قراردادهای بلندمدتی برای راهاندازی مجدد نیروگاههای هستهای یا ساخت راکتورهای SMR امضا کردهاند.
- قراردادهای خرید تضمینی انرژی تجدیدپذیر (PPA): هدایت سرمایه به سمت مزارع بادی و خورشیدی با هدف اتصال مستقیم به دیتاسنترها.
- مهاجرت به مناطق سردسیر جغرافیایی: ساخت خوشههای پردازشی جدید در کشورهایی با دمای پایینتر جهت بهینهسازی سیستم خنککاری طبیعی (Free Cooling).
چشمانداز بازار؛ پیامدهای زنجیرهای برای کاربران و توسعهدهندگان
محدودیتهای زیرساختی انرژی بدون شک قیمت نهایی سرویسهای ابری و APIهای هوش مصنوعی را در ماههای آینده افزایش خواهد داد. از سوی دیگر، توسعه مدلهای زبانی کوچکتر (SLM) که کارایی محاسباتی بالاتری دارند، به عنوان یک ضرورت تجاری و زیستمحیطی اولویت یافته است. تعادل میان قدرت پردازش و ردپای کربن، برگ برنده شرکتهای فناوری در دهه پیشرو خواهد بود.
جمعبندی
تبدیلشدن مراکز داده هوش مصنوعی به منابع عظیم انتشار کربن، نشان میدهد که نوآوری در نرمافزار نمیتواند جدا از واقعیتهای فیزیکی دنیای انرژی پیش برود. آینده توسعه هوش مصنوعی بیش از آنکه به الگوریتمها وابسته باشد، به توانایی بشر در تأمین برق پاک، توسعه راکتورهای نوین و معماری بهینه سیلیکون وابسته خواهد بود.
سؤالات متداول
چرا دیتاسنترهای هوش مصنوعی بیش از صنایع سنتی برق مصرف میکنند؟
تراشههای هوش مصنوعی (GPUها) بهصورت مداوم و در تمام ۲۴ ساعت شبانهروز با حداکثر توان پردازشی کار میکنند و اتلاف حرارتی بسیار بالایی دارند که نیازمند مصرف مداوم برق برای خنکسازی است.
آیا ردپای کربن دیتاسنترها مستقیماً توسط خود سرورها ایجاد میشود؟
خیر، کربن حاصل از دیتاسنترها عمدتاً از نوع آلایندگی غیرمستقیم (Scope 2) است؛ یعنی ناشی از سوزاندن گاز یا زغالسنگ در نیروگاههایی است که برق شبکه را برای این مراکز تأمین میکنند.
غولهای فناوری چگونه تلاش میکنند اثرات مخرب محیطزیستی دیتاسنترها را کاهش دهند؟
از طریق سرمایهگذاری مستقیم در انرژیهای تجدیدپذیر (خورشیدی و بادی)، بستن قراردادهای خرید برق هستهای و استفاده از فناوریهای نوین خنکسازی مایع با هدررفت انرژی کمتر.
آیا این بحران انرژی میتواند بر قیمت سرویسهای هوش مصنوعی تأثیر بگذارد؟
بله؛ با افزایش هزینههای تأمین برق، استهلاک تجهیزات سرمایشی و مالیاتهای کربن، هزینه اشتراک ابزارهای هوش مصنوعی و خدمات ابری روندی صعودی خواهد داشت.
