40 درصد از مراکز داده هوش مصنوعی ممکن است با کمبود انرژی مواجه شوند که چالش های بزرگی برای چشم انداز انرژی جهانی ایجاد می کند.

Dec 04, 2024

پیام بگذارید

در چشم انداز فناوری هوش مصنوعی امروزی که به سرعت در حال پیشرفت است، یک واقعیت نگران کننده در حال ظهور است: قدرت مورد نیاز برای یک جستجوی ChatGPT تقریباً 10 برابر یک جستجوی Google است.

این شکاف قابل توجه نه تنها تفاوت اساسی در مصرف انرژی بین فناوری‌های هوش مصنوعی و خدمات اینترنتی سنتی را نشان می‌دهد، بلکه نشان‌دهنده تغییری عمیق در الگوی مصرف انرژی جهانی است.

اخیراً، شرکت مشاوره مشهور گارتنر در آخرین گزارش خود هشداری صادر کرد و پیش بینی کرد که تا سال 2027، 40 درصد از مراکز داده موجود هوش مصنوعی به دلیل منبع تغذیه ناکافی با مشکلات عملیاتی روبرو خواهند شد. این پیش بینی بر تنش فزاینده بین توسعه هوش مصنوعی و تامین انرژی تاکید می کند.

در همان زمان، تحقیقات بانک سرمایه گذاری بین المللی گلدمن ساکس چشم انداز مشابهی را ارائه می دهد: تا سال 2030، تقاضای برق مرکز داده جهانی 160 درصد افزایش خواهد یافت. این موضوع نگرانی های گسترده ای را برانگیخته استتامین انرژی، توسعه زیرساخت ها و اثرات زیست محیطی.

1

نمودار|پیش بینی گارتنر: مصرف انرژی اضافی از سرورهای جدید هوش مصنوعی در مراکز داده هوش مصنوعی هر ساله (منبع: گارتنر)

اخیرا غول های فناوری مانند گوگل، مایکروسافت، آمازون و متا به طور فعال در تاسیسات انرژی هسته ای سرمایه گذاری کرده اند. یکی از دلایل این نگرانی آنها از عدم برآورده شدن تقاضای انرژی عظیم مراکز داده هوش مصنوعی در آینده است.

از نظر تاریخی، تقاضای انرژی مراکز داده ثبات قابل توجهی را نشان داده است. از سال 2015 تا 2019، با وجود تقریباً دو برابر شدن حجم کاری مراکز داده، مصرف برق سالانه آنها در حدود 200 تراوات ساعت ثابت ماند.

این ثبات تا حد زیادی به دلیل بهبود مستمر در بهره وری انرژی در مراکز داده بود. با این حال، این وضعیت پس از سال 2020 دچار یک تغییر اساسی شد.

باب جانسون، تحلیلگر گارتنر، خاطرنشان کرد: "ساخت نسل بعدی مراکز داده با مقیاس فوق العاده، تقاضای برق عظیمی را ایجاد می کند که از توانایی ارائه دهندگان خدمات برق برای افزایش عرضه پیشی می گیرد. به ویژه در حوزه پردازش و آموزش مدل های بزرگ، منابع محاسباتی مورد نیاز است. و مصرف انرژی به سطوح بی سابقه ای رسیده است."

در حال حاضر، مراکز داده جهانی 1-2 درصد از کل مصرف برق را تشکیل می‌دهند، اما پیش‌بینی می‌شود که تا سال ۲۰۳۰، این سهم به 3-4 درصد افزایش یابد که این رشد به‌ویژه در کشورهای توسعه‌یافته برجسته است.

به طور خاص، در ایالات متحده پیش بینی می شود که تا سال 2030، مصرف برق مراکز داده از 3٪ فعلی به 8٪ افزایش می یابد، که باعث می شود تقاضای برق ایالات متحده با سریع ترین نرخ خود در نزدیک به 25 سال گذشته رشد کند.

2

نمودار|پیش بینی های گلدمن ساکسانرژیتقاضا برای مراکز داده (منبع: گلدمن ساکس)

برای مقابله با این چالش، شرکت های خدمات شهری ایالات متحده باید حدود 50 میلیارد دلار در ظرفیت تولید برق جدید به طور خاص برای مراکز داده سرمایه گذاری کنند.

علاوه بر این، تا سال 2030، افزایش تقاضای برق از مراکز داده به تنهایی منجر به افزایش روزانه 3.3 میلیارد فوت مکعبی تقاضای گاز طبیعی خواهد شد که مستلزم ساخت زیرساخت های جدید خط لوله است.

گلدمن ساکس خاطرنشان می کند که وضعیت در اروپا حتی پیچیده تر است. به عنوان یک مرکز اصلی برای مراکز داده جهانی، 15 درصد از مراکز داده در اروپا قرار دارند. تا سال 2030، تقاضای انرژی این مراکز داده معادل مجموع مصرف برق پرتغال، یونان و هلند خواهد بود.

با توجه به اینکه اروپا دارای قدیمی‌ترین سیستم‌های شبکه برق در جهان است، این منطقه در یک دهه آینده نزدیک به ۸۰۰ میلیارد یورو برای ارتقای سیستم‌های انتقال و توزیع و همچنین تقریباً ۸۵۰ میلیارد یورو در توسعه منابع انرژی تجدیدپذیر نیاز دارد. به عنوان انرژی خورشیدی، بادی خشکی و بادی فراساحلی برای رفع نیازهای انرژی مراکز داده جدید.

3

نمودار|میانگین سنی شبکه های برق در مناطق مختلف و چین (منبع: گلدمن ساکس)

آنچه حتی بیشتر نگران کننده است این است که این افزایش تقاضای برق مستقیماً بر قیمت برق تأثیر می گذارد. تحقیقات نشان می‌دهد که اپراتورهای بزرگ مراکز داده در حال مذاکره با تولیدکنندگان بزرگ انرژی هستند تا تامین برق پایدار و بلندمدت را مستقل از سایر نیازهای شبکه تضمین کنند.

این رقابت به ناچار قیمت برق را افزایش می دهد و این هزینه ها در نهایت به کاربران محصولات و خدمات هوش مصنوعی منتقل می شود.

در نتیجه، کارشناسان توصیه می‌کنند که سازمان‌ها از قبل برای افزایش هزینه‌های برق آماده شوند و برای امضای قراردادهای بلندمدت خدمات مرکز داده با قیمت‌های مناسب تلاش کنند.

اثرات زیست محیطی نیز نگران کننده است. انتظار می رود تا سال 2030، انتشار کربن از مراکز داده در مقایسه با سال 2022 بیش از دو برابر شود و چالش جدیدی را برای اهداف کاهش انتشار جهانی ایجاد کند.

به گفته گلدمن ساکس، «هزینه اجتماعی» افزایش انتشار کربن از مراکز داده به تنهایی 125 تا 140 میلیارد دلار (ارزش فعلی) خواهد بود.

گارتنر تخمین می زند که تا سال 2027، تقاضای برق برای اجرای سرورهای بهینه شده با هوش مصنوعی به 500 تراوات ساعت در سال خواهد رسید که 2.6 برابر میزان در سال 2023 است.

در کوتاه مدت، برای پاسخگویی به تقاضای فزاینده برق، برخی از نیروگاه‌های سوخت فسیلی که در ابتدا برای از کار انداختن برنامه‌ریزی شده بودند، ممکن است مجبور شوند عمر عملیاتی خود را افزایش دهند و فشارهای محیطی را تشدید کنند.

مراکز داده به 24-ساعت برق بدون وقفه نیاز دارند، و در حال حاضر، باید به نیروگاه‌های برق آبی، سوخت فسیلی یا هسته‌ای برای ارائه چنین منبع برق پایداری متکی باشند.

در حالی که منابع انرژی تجدیدپذیر مانند باد و خورشید با محیط زیست سازگار هستند، بدون پشتیبانی از سیستم های ذخیره انرژی، تکیه بر آنها برای برآورده کردن نیازهای برق مستمر مراکز داده دشوار است.

4

نمودار|تغییرات در بار مرکز داده و مصرف انرژی طی نه سال گذشته (منبع: گلدمن ساکس)

 

برای مقابله با این چالش ها، صنعت در حال بررسی راه حل های مختلف است. برخی از شرکت ها در حال افزایش سرمایه گذاری در انرژی های تجدیدپذیر و ترویج فعال تجاری سازی فناوری های جدید انرژی هسته ای هستند.

شرکت های فناوری همچنین در حال بررسی روش های نوآورانه برای بهبود بهره وری انرژی هستند. در درازمدت، توسعه فن آوری های جدید ذخیره سازی باتری یا فناوری های انرژی پاک (مانند راکتورهای هسته ای کوچک) ممکن است راه حل های جدیدی ارائه دهد.

شایان ذکر است که فناوری هوش مصنوعی خود می تواند با سرعت بخشیدن به نوآوری در زمینه هایی مانند مراقبت های بهداشتی، کشاورزی و آموزش و همچنین بهبود بهره وری انرژی به راه حل ها کمک کند.

در نهایت، گزارش‌های تحقیقاتی هر دو شرکت نشان می‌دهد که کسب‌وکارها باید به طور کامل خطرات بالقوه کمبود انرژی را هنگام تدوین استراتژی‌های توسعه هوش مصنوعی در نظر بگیرند، تأثیر افزایش هزینه‌های برق را در آینده ارزیابی کنند و فعالانه به دنبال راه‌حل‌های جایگزین باشند.

راه‌حل‌های امیدوارکننده شامل استفاده از فناوری‌های محاسبات لبه‌ای، اتخاذ مدل‌های کوچک‌تر بزرگ، و اولویت‌بندی کارایی محاسباتی هنگام توسعه برنامه‌های هوش مصنوعی مولد است.

واضح است که توسعه فناوری هوش مصنوعی چشم انداز انرژی جهانی را تغییر می دهد. ایجاد تعادل بین نوآوری های تکنولوژیکی، امنیت انرژی و حفاظت از محیط زیست چالش مهمی خواهد بود که صنعت جهانی فناوری و انرژی در آینده با هم روبرو خواهند شد. (مقاله بازنشر شده از دیپ تک)

 

ارسال درخواست