هوش مصنوعی از رقابت نرمافزاری به بحران انرژی رسیده است. این مقاله به تحلیل بنبست برق در دیتاسنترها، سرمایهگذاری هستهای غولهای فناوری و ژئوپلیتیک جدید منابع قدرت در عصر AI میپردازد.
رشد هوش مصنوعی دیگر فقط یک رقابت نرمافزاری نیست؛ امروز این فناوری به یک جنگ بزرگ بر سر زیرساخت، برق، تراشه و دیتاسنتر تبدیل شده است. مدلهای هوش مصنوعی برای آموزش و اجرا به توان پردازشی عظیم و مصرف انرژی بسیار بالا نیاز دارند. همین موضوع باعث شده شرکتهای بزرگ فناوری برای تامین برق پایدار، به سراغ منابعی مثل انرژی هستهای، تجدیدپذیرها و ساخت دیتاسنترهای پیشرفته بروند.
مدلهای زبانی و مولد، برای آموزش نیاز به پردازش هزاران میلیارد پارامتر دارند. این فرایند به تعداد زیادی GPU، حافظه پرسرعت و سرورهای قدرتمند نیاز دارد که معادل مصرف برق بسیار بالا است.
مصرف انرژی فقط به مرحله آموزش محدود نمیشود. هر بار که کاربران از چتباتها، ابزارهای تولید تصویر یا سیستمهای تحلیلی استفاده میکنند، سرورهای هوش مصنوعی در حال پردازش دائمی هستند و منابع برق زیادی مصرف میکنند.
دیتاسنترهای امروزی دیگر فقط محل ذخیره اطلاعات نیستند؛ آنها به کارخانههای عظیم پردازش داده تبدیل شدهاند که شبانهروز کار میکنند و به برق، خنکسازی و شبکه پایدار نیاز دارند.
هرچه تراکم پردازش سختافزارها بیشتر شود، حرارت تولیدشده نیز بالاتر میرود. به همین دلیل، دیتاسنترهای هوش مصنوعی علاوه بر انرژی مورد نیاز پردازندهها، بخش زیادی از برق خود را صرف سیستمهای خنککننده میکنند.
انرژی هستهای یکی از معدود منابعی است که میتواند بهصورت پایدار و بدون قطعی، برق مورد نیاز دیتاسنترهای بزرگ را تامین کند. این ویژگی برای شرکتهایی که سرویسهای AI را در مقیاس جهانی ارائه میدهند، حیاتی است.
برخلاف منابع تجدیدپذیر مانند انرژی خورشیدی و بادی که وابسته به شرایط جوی هستند، نیروگاههای هستهای برق ثابت و پایداری را وارد مدار میکنند؛ موضوعی که ریسک قطعی پردازش در زیرساختهای حساس AI را به حداقل میرساند.
رقابت امروز در دنیای فناوری فقط بر سر الگوریتمها و نرمافزارها نیست. اکنون غولهای تکنولوژی برای خرید تراشههای پردازشی، تامین زمین مناسب و دریافت مجوزهای اتصال به شبکه برق پرقدرت با یکدیگر رقابت میکنند.
در عصر کنونی، تنها داشتن مدل یا چتبات قوی کافی نیست. شرکتی بازار را به دست میگیرد که بتواند قدرت پردازشی بیشتر، سرعت پاسخدهی بالاتر و تامین انرژی مطمئنتری را فراهم کند.
هرچه مدلها بزرگتر و سرویسها فراگیرتر میشوند، هزینه قبوض برق، نگهداری و راهاندازی مراکز داده جدید به شدت افزایش مییابد. این بحران هزینههای زیرساختی میتواند سرعت توسعه پروژههای کوچکتر را کند کند.
برای مقابله با این چالش، شرکتها به سمت بهینهسازی معماری مدلها، استفاده از تراشههای کممصرف و طراحی سیستمهای سختافزاری بهینه حرکت کردهاند تا مصرف انرژی را کنترل کنند.
آینده فناوریهای هوشمند دیگر در کدهای برنامهنویسی خلاصه نمیشود؛ این حوزه به یک صنعت زیرساختی سنگین پیوند خورده که سرنوشت آن به خطوط انتقال نیرو، نیروگاهها و زنجیره تامین سختافزار گره خورده است.
در سالهای پیش رو، برگ برنده در دست شرکتهایی است که بتوانند تعادلی هوشمندانه میان قدرت پردازش پیشرفته و مصرف بهینه انرژی ایجاد کنند. پایداری انرژی، بزرگترین مزیت رقابتی در آینده فناوری خواهد بود.
هوش مصنوعی امروز وارد مرحلهای شده که بدون زیرساخت قوی و تامین انرژی پایدار امکان رشد ندارد. دیتاسنترها، تراشهها و شبکه برق به شریانهای حیاتی این فناوری تبدیل شدهاند. به همین دلیل، جنگ واقعی در دنیای هوش مصنوعی دیگر فقط بین الگوریتمها نیست، بلکه بین دارندگان قدرتمندترین زیرساختهای فیزیکی و منابع انرژی در جریان است.
RTX 5090 غولی برای هوش مصنوعی محلی است. اما آیا برای آموزش مدلهای سنگین جایگزین سرورهای دیتاسنتر میشود؟ تفاوت واقعی این دو دنیا را در این مقاله بررسی میکنیم.