صنعت جهانی هوش مصنوعی بیسروصدا در حال عبور از مرزی است که میتواند شبکههای برق و تعهدات زیستمحیطی را تغییر دهد. یافتههای جدید نشان میدهند که برق موردنیاز برای راهاندازی سیستمهای پیشرفته هوش مصنوعی ممکن است تا اواخر سال 2025 از مصرف انرژی استخراج بیتکوین پیشی بگیرد؛ تأثیری که فراتر از جلسات هیئتمدیره شرکتهای فناوری خواهد بود.
گسترش سریع هوش مصنوعی مولد باعث رونق ساخت مراکز داده و تولید سختافزار شده است. با پیچیدهترشدن برنامههای هوش مصنوعی و پذیرش گستردهتر آنها، سختافزارهای تخصصی مانند شتابدهندههای تولیدشده توسط شرکتهایی مانند انویدیا و AMD با سرعت بیسابقهای افزایش یافته است. این موج، افزایش قابلتوجهی در مصرف انرژی به دنبال داشته و پیشبینی میشود هوش مصنوعی تا سال آینده تقریباً نیمی از کل برق مصرفی مراکز داده را به خود اختصاص دهد، در حالی که این سهم امروز حدود 20 درصد است.
سهم هوش مصنوعی از مصرف برق مراکز داده تا سال آینده
این تغییرات، توسط الکس دیوریسگائو، دانشجوی دکتری در مؤسسه مطالعات محیطی دانشگاه آزاد آمستردام، تحلیل شده است. تحقیقات وی که در مجله Joule منتشر شده، با استفاده از مشخصات عمومی دستگاهها، پیشبینی تحلیلگران و افشای اطلاعات شرکتها، حجم تولید و مصرف انرژی سختافزارهای هوش مصنوعی را تخمین زده است.
مصرف برق تخمینی ماژولهای شتابدهنده هوش مصنوعی و سیستمهای تولیدشده در سالهای 2023 و 2024، همراه با مصرف تجمعی آنها تا سال 2025، براساس نرخ استفاده 65 درصد و ضریب بهرهوری انرژی (PUE) 1.2 محاسبه شده است. تغییرات در مقادیر PUE بین 1.1 و 1.3 و نرخهای استفاده بین 55 تا 75 درصد نیز درنظر گرفته شده است.
از آنجا که شرکتهای بزرگ فناوری بهندرت مصرف برق عملیات هوش مصنوعی خود را افشا میکنند، دیوریسگائو از روش «مثلثسازی» استفاده کرده و زنجیره تأمین تراشههای پیشرفته و ظرفیت تولید شرکتهایی مانند TSMC را بررسی کرده است.
ماجرایی ترسناک درباره اعداد و ارقام
هر تراشه شتابدهنده هوش مصنوعی انویدیا H100 که جزء اصلی مراکز داده مدرن است، هنگام اجرای مدلهای پیچیده بهطور مداوم 700 وات برق مصرف میکند. وقتی این مقدار را در میلیونها واحد ضرب کنیم، مصرف تجمعی انرژی به ارقامی حیرتانگیز میرسد.
دیوریسگائو تخمین میزند که تنها سختافزارهای تولیدشده در سالهای 2023 تا 2024 ممکن است بین 5.3 تا 9.4 گیگاوات برق نیاز داشته باشند که بیش از کل مصرف برق ملی ایرلند است.
مصرف تخمینی برق سختافزارهای هوش مصنوعی تا سال 2025 در مقایسه با مصرف برق ایرلند (2023)، سوئیس (2023)، اتریش (2023)، فنلاند (2022)، هلند (2023)، استخراج بیتکوین (مارس 2025)، بریتانیا (2023)، فرانسه (2023) و کل مصرف برق مراکز داده (بهجز استخراج رمزارزها، 2024) ارزیابی شده است.
اما موج واقعی در راه است. فناوری بستهبندی CoWoS شرکت TSMC امکان ادغام پردازندههای قدرتمند و حافظههای پرسرعت در واحدهای منفرد را فراهم میکند که هسته سیستمهای مدرن هوش مصنوعی است. دیوریس-گائو دریافته است که TSMC ظرفیت تولید CoWoS را بین سالهای 2023 و 2024 بیش از دوبرابر کرده است، اما تقاضا از سوی سازندگان تراشههای هوش مصنوعی مانند انویدیا و AMD همچنان از عرضه فراتر است.
TSMC قصد دارد ظرفیت CoWoS خود را در سال 2025 بار دیگر دوبرابر کند. دیوریسگائو پیشبینی میکند که اگر روندهای کنونی ادامه یابد، کل نیازهای برقی سیستمهای هوش مصنوعی تا پایان سال به 23 گیگاوات برسد، که تقریباً معادل میانگین مصرف برق ملی بریتانیا است.
فراتر از استخراج بیتکوین
این امر میتواند ردپای انرژی هوش مصنوعی را از استخراج جهانی بیتکوین بزرگتر کند. آژانس بینالمللی انرژی هشدار میدهد که این رشد ممکن است مصرف برق مراکز داده را در عرض دو سال دوبرابر کند.
در حالی که پیشرفتهایی در بهرهوری انرژی و اتکا به منابع تجدیدپذیر کمک کرده است، این دستاوردها بهسرعت تحتالشعاع مقیاس سختافزار جدید و استقرار مراکز داده قرار میگیرند. ذهنیت «بزرگتر بهتر است» در صنعت، که به دنبال مدلهای هرچه بزرگتر برای افزایش عملکرد بوده، چرخهای از افزایش استفاده از منابع ایجاد کرده است. حتی با کارآمدترشدن مراکز داده منفرد، مصرف کلی انرژی همچنان درحال افزایش است.
در پشت صحنه، رقابت تولید پیچیدگی بهرهوری را افزایش داده است. هر نسل جدید از تراشههای هوش مصنوعی نیاز به بستهبندیهای پیشرفتهتری دارد. در حالی که فناوری CoWoS-L جدید TSMC برای پردازندههای نسل بعدی ضروری خواهد بود، با بازده تولید پایین مواجه است.
در همین حال، شرکتهایی مانند گوگل از «بحران ظرفیت برق» گزارش میدهند، زیرا آنها برای ساخت مراکز داده بهاندازه کافی سریع تلاش میکنند. برخی پروژهها اکنون زیرساختهای سوخت فسیلی را تغییر کاربری میدهند و یک پروژه خاص 4.5 گیگاوات ظرفیت گاز طبیعی را بهطور ویژه برای بارهای کاری هوش مصنوعی تأمین کرده است.
تأثیر زیستمحیطی هوش مصنوعی شدیداً به محل فعالیت این سیستمهای پرمصرف وابسته است. در مناطقی که برق عمدتاً از سوختهای فسیلی تأمین میشود، انتشار کربن مرتبط میتواند بهطور قابلتوجهی بیشتر از مناطقی باشد که از منابع تجدیدپذیر استفاده میکنند. بهعنوان مثال، یک مرکز سرور در ویرجینیای غربی که به زغالسنگ وابسته است تقریباً دوبرابر یک مرکز در کالیفرنیای غنی از منابع تجدیدپذیر کربن تولید میکند.
با این حال، غولهای فناوری بهندرت مشخص میکنند که عملیات هوش مصنوعی آنها کجا یا چگونه انجام میشود؛ شکافی در شفافیت که اهداف آبوهوایی را تهدید میکند. این عدم شفافیت ارزیابی کامل پیامدهای زیستمحیطی رونق هوش مصنوعی را برای سیاستگذاران، محققان و عموم مردم دشوار میکند.
توسط 
توسط 
دیدگاهتان را بنویسید