پیشبینی میشود تا سال ۲۰۲۶، مراکز داده تقریباً ۱,۰۰۰ تراوات-ساعت برق مصرف کنند – رقمی معادل مجموع تقاضای سالانه ژاپن و آلمان. این جهش ناشی از بارهای کاری هوش مصنوعی است و شکاف انرژی حاصل از آن، تهدیدی برای توقف موج بعدی پیشرفتهای یادگیری ماشین محسوب میشود.
اشتهای هوش مصنوعی برای الکتریسیته، موضوعی انتزاعی نیست. یک پرسوجوی واحد در ChatGPT ده برابر بیشتر از یک جستجوی معمولی در Google انرژی مصرف میکند و آموزش مدلی به اندازه GPT-4 به برق کافی برای تأمین انرژی ۴,۶۰۰ خانه به مدت یک سال نیاز دارد. در حالی که شرکتها برای گسترش خوشههای استنتاج و آموزش با هم رقابت میکنند، نیاز به برق مداوم و عظیم، سریعتر از توانایی انرژیهای تجدیدپذیر متناوب برای تأمین آن، در حال رشد است.
چرا ترکیب فعلی انرژیهای تجدیدپذیر کافی نیست
پنلهای خورشیدی و توربینهای بادی تنها زمانی برق تولید میکنند که خورشید بتابد یا باد بوزد. اپراتورهای مراکز داده به تأمین برق مداوم و ۲۴ ساعته نیاز دارند، اما باتریهایی که مازاد تولید انرژیهای تجدیدپذیر را ذخیره میکنند، تنها میتوانند برای چند ساعت انرژی فراهم کنند و سپس تخلیه میشوند. نتیجه این است که وابستگی به نیروگاههای پیک سوختهای فسیلی – یعنی ژنراتورهای گاز طبیعی یا زغالسنگ که هنگام کاهش تولید انرژیهای تجدیدپذیر وارد مدار میشوند – افزایش مییابد. این نیروگاهها کربن منتشر کرده و هزینههای عملیاتی را بالا میبرند و ادعاهای «سبز» بسیاری از غولهای فناوری را که در گزارشهای پایداری خود مطرح میکنند، زیر سؤال میبرند.
بازگشت انرژی هستهای
در مواجهه با شکاف قابلیت اطمینان، چندین شرکت بزرگ فناوری به انرژی هستهای روی آوردهاند که برق بار پایه و بدون کربن را فراهم میکند.
- مایکروسافت در حال احیای یک رآکتور از رده خارج شده در Three Mile Island است تا تأمین برق پایداری را برای بارهای کاری هوش مصنوعی خود تضمین کند.
- گوگل با یک استارتاپ که در حال توسعه رآکتورهای پیشرفته است، وارد شراکت شده و هدفگذاری آن برای استقرار تا سال ۲۰۳۰ است.
- آمازون در حال سرمایهگذاری بر روی رآکتورهای کوچک مدولار و مستقر کردن مراکز داده جدید در نزدیکی سایتهای هستهای موجود است.
این اقدامات نشاندهنده یک «رنسانس هستهای» گستردهتر در این صنعت است، جایی که وعده توان بالا و در دسترس در تمام ساعات شبانهروز، بر بدنامی تاریخی مرتبط با این فناوری غلبه میکند.
آربیتراژ مکانی و بهرهوری سختافزاری
همه شرکتها روی رآکتورهای جدید شرطبندی نمیکنند. برخی با ساخت مراکز داده در مناطقی که برق تجدیدپذیر در آنها فراوان و ارزان است، از این مشکل عبور میکنند. میدانهای زمینگرمایی ایسلند و شبکههای برقآبی نروژ، هم برق و هم خنکسازی طبیعی را فراهم میکنند که باعث کاهش مصرف انرژی و هزینههای عملیاتی میشود.
همزمان، طراحان سختافزار در حال تلاش برای استخراج کار بیشتر از هر وات هستند. تراشههای جدید بهینهسازیشده برای هوش مصنوعی، عملکرد بالاتری را به ازای هر واحد برق ارائه میدهند و سیستمهای خنکسازی مایع میتوانند انرژی مورد نیاز برای خنکسازی را تا ۵۰ درصد کاهش دهند. این پیشرفتها زمان میخرند، اما منحنی تقاضای زیربنایی را از بین نمیبرند.
مخاطرات برای این صنعت
اگر برق پاک، قابل اطمینان و مقرونبهصرفه با رشد هوش مصنوعی همگام نشود، چندین پیامد محتمل خواهد بود:
- فشار هزینه:
آنچه باید در آینده زیر نظر داشت
- تحولات مقرراتی: پیشرفت شراکتهای هستهای اعلامشده و مقیاس ساخت مراکز داده در مناطق کمکربن را دنبال کنید.
رقابت برای تأمین برق هوش مصنوعی دیگر مسئله ساخت تراشههای سریعتر نیست؛ بلکه نبردی برای دستیابی به الکتریسیته پاک، قابل اطمینان و در مقیاس بزرگ است. نحوه حل این تنش توسط صنعت، تعیین خواهد کرد که آیا نسل بعدی مدلهای هوش مصنوعی میتوانند بدون محدود کردن جاهطلبیها، آموزش دیده و اجرا شوند یا خیر.