رفتن به محتوای اصلی
کوهستان
توضیح کوهستانزیرساخت هوش مصنوعیتحلیل و توضیح· 9 دقیقه مطالعه· در دیدگاه‌ها

آیا بحران انرژی هوش مصنوعی، آمریکا را مجبور به پذیرش نهایی انرژی هسته‌ای به عنوان تنها راه‌حل «سبز» می‌کند؟

در حالی که هوش مصنوعی مولد (Generative AI) باعث افزایش بی‌سابقه‌ای در تقاضای برق مراکز داده شده است، صنعت فناوری با اکراه به سمت انرژی هسته‌ای روی آورده است؛ زیرا این تنها منبع بار پایه (Baseload) بدون کربن است که می‌تواند محاسبات شبانه‌روزی را تأمین کند.

به قلم سروین سرلک

به‌طور خلاصه

  1. پیش‌بینی می‌شود تقاضای برق مراکز داده جهانی تا سال ۲۰۳۰ به ۸۵ تا ۹۰ گیگاوات ظرفیت جدید نیاز داشته باشد که عمدتاً ناشی از هوش مصنوعی مولد است.
  2. غول‌های فناوری به سمت انرژی هسته‌ای روی می‌آورند زیرا ضریب ظرفیت ۹۲ درصدی آن، تنها گزینه بدون کربن است که نیازهای بار پایه شبانه‌روزی (۲۴/۷) آموزش هوش مصنوعی را برآورده می‌کند.
  3. این صنعت به شدت روی راکتورهای مدولار کوچک (SMRs) شرط‌بندی می‌کند تا محدودیت‌های شبکه سنتی را دور زده و برق محلی تأمین کند.

در اواخر سال ۲۰۲۴، مایکروسافت یک قرارداد ۲۰ ساله تاریخی امضا کرد تا تمام برق تولیدی از یک راکتور مجدداً فعال شده در نیروگاه هسته‌ای «تری مایل آیلند» (Three Mile Island) را خریداری کند و میلیاردها دلار برای تأمین برق اختصاصی مراکز داده هوش مصنوعی خود متعهد شد. این لحظه‌ای تعیین‌کننده بود که یک واقعیت ریاضی تلخ را روشن کرد: انقلاب هوش مصنوعی مولد به سرعت در حال اتمام منابع انرژی است.

در حالی که غول‌های فناوری مجموعه‌های سرور عظیم‌تری را برای آموزش مدل‌های تریلیون پارامتری مستقر می‌کنند، با محدودیت‌های فیزیکی شبکه برق آمریکا برخورد می‌کنند. چگالی محاسباتی محض مورد نیاز برای هوش مصنوعی مدرن، مراکز داده را از مصرف‌کنندگان منفعل برق به موتورهای صنعتی سیری‌ناپذیر تبدیل کرده و جستجوی ناامیدانه‌ای برای یافتن انرژی قابل اعتماد و بدون کربن را برانگیخته است.[4][5]

استدلال اصلی این تغییر اجتناب‌ناپذیر است: صنعت فناوری به آرامی متوجه شده است که برق بادی و خورشیدی نمی‌تواند تقاضای بی‌وقفه و شبانه‌روزی هوش مصنوعی مولد را تأمین کند و این امر، پذیرش اکراهی اما ضروری انرژی هسته‌ای را به عنوان تنها راه‌حل «سبز» بار پایه ممکن، تحمیل کرده است. با این حال، در حالی که منطق مهندسی درست است، جدول زمانی استقرار کاملاً به هم ریخته است.

شرکت‌های فناوری رشد تصاعدی محاسبات را طی سه سال آینده پیش‌بینی می‌کنند، در حالی که صنعت هسته‌ای با جدول‌های زمانی ده ساله کار می‌کند. این عدم تطابق زمانی تضمین می‌کند که با وجود سرازیر شدن میلیاردها دلار به استارتاپ‌های هسته‌ای، آینده فوری هوش مصنوعی عمدتاً با گاز طبیعی تأمین خواهد شد و اصطکاک بین سرعت سیلیکون ولی و واقعیت‌های فیزیکی زیرساخت‌های سنگین را آشکار می‌سازد.[1][7]

مقیاس کمبود انرژی قریب‌الوقوع حیرت‌آور است. گلدمن ساکس تخمین می‌زند که ۸۵ تا ۹۰ گیگاوات ظرفیت هسته‌ای جدید در سطح جهان مورد نیاز است تا تنها رشد تقاضای برق مراکز داده تا سال ۲۰۳۰ را تأمین کند. برای درک بهتر این رقم، این میزان تقریباً معادل کل ظرفیت برق یک کشور صنعتی با اندازه متوسط، یا ده‌ها نیروگاه سنتی در مقیاس گیگاوات است.

آژانس بین‌المللی انرژی پیش‌بینی می‌کند که هوش مصنوعی باعث افزایش شدید تقاضای برق در سراسر جهان خواهد شد و نحوه عملکرد بخش انرژی را تغییر داده و دولت‌ها را مجبور می‌کند تا برنامه‌ریزی بلندمدت شبکه و سرمایه‌گذاری‌های زیرساختی خود را به طور اساسی بازنگری کنند.[1][2]

پیش‌بینی می‌شود تقاضای برق مراکز داده جهانی تا سال ۲۰۳۰ به ۹۰ گیگاوات ظرفیت جدید نیاز داشته باشد.

سال‌ها، شرکت‌های فناوری با خرید اعتبارات انرژی تجدیدپذیر، ردپای انرژی رو به رشد خود را پنهان می‌کردند و ادعا می‌کردند که «۱۰۰ درصد با انرژی‌های تجدیدپذیر تأمین می‌شوند»، در حالی که شب‌ها به شدت از شبکه‌های محلی متکی به سوخت‌های فسیلی استفاده می‌کردند. اما هوش مصنوعی مولد این توهم حسابداری را در هم شکسته است.

پاسخ به اینکه چرا تجدیدپذیرها نمی‌توانند بحران انرژی هوش مصنوعی را حل کنند، در مفهوم «ضریب ظرفیت» (Capacity Factor) نهفته است—نسبت خروجی واقعی انرژی الکتریکی در یک دوره زمانی معین به حداکثر خروجی ممکن. باد و خورشید ذاتاً متناوب هستند؛ ضریب ظرفیت آن‌ها بین ۲۵ تا ۳۵ درصد در نوسان است، به این معنی که آن‌ها بخش عمده روز بیکار می‌مانند.[3][7]

در مقابل، انرژی هسته‌ای با ضریب ظرفیتی بیش از ۹۲ درصد کار می‌کند و بدون توجه به شرایط آب و هوایی، شبانه‌روز به طور مداوم فعال است. برای «هایپراسکِیلرها» (Hyperscalers) که مدل‌های پیشرفته هوش مصنوعی را آموزش می‌دهند، این قابلیت اطمینان یک تجمل نیست، بلکه یک ضرورت عملیاتی است. یک نوسان یا قطعی برق می‌تواند هفته‌ها کار محاسباتی را خراب کند و میلیون‌ها دلار زمان پردازش را هدر دهد.

این نیاز فیزیکی، شرکت‌های بزرگ فناوری را به سمت پذیرش انرژی هسته‌ای سوق داده است و آن‌ها را از خرید اعتبارات کاغذی به سمت تأمین مالی مستقیم زیرساخت‌های فیزیکی بار پایه سوق داده است. بولتن دانشمندان اتمی اشاره می‌کند که چرخش هوش مصنوعی به سمت هسته‌ای، نشان‌دهنده یک تغییر عمیق در استراتژی اقلیمی شرکت‌ها است که الکترون‌های واقعی را بر حسابداری کربن اولویت می‌دهد.[3][4][5]

قوی‌ترین استدلال مخالف در برابر این رنسانس هسته‌ای، ترس سنتی از تشعشع یا زباله نیست، بلکه اقتصاد بی‌رحمانه زمان و هزینه است. ساخت یک راکتور هسته‌ای سنتی در مقیاس گیگاوات، یک دهه یا بیشتر طول می‌کشد و معمولاً میلیاردها دلار بیش از بودجه هزینه می‌برد.

صنعت فناوری که چرخه‌های محصول را بر حسب ماه اندازه‌گیری می‌کند، نمی‌تواند تا سال ۲۰۳۵ منتظر بماند تا برق جدید وارد مدار شود. تحلیلگران گلدمن ساکس اشاره می‌کنند که تا سال ۲۰۳۰، بسیار کمتر از ۱۰ درصد از ۸۵ گیگاوات ظرفیت هسته‌ای مورد نیاز، در سطح جهان در دسترس خواهد بود و کمبود عظیمی را باقی می‌گذارد که باید با ابزارهای دیگر پر شود.[1]

برای دور زدن این تأخیرها، شرکت‌های فناوری به شدت روی «راکتورهای مدولار کوچک» (SMRs) شرط‌بندی می‌کنند. آژانس بین‌المللی انرژی اتمی SMRها را به عنوان راکتورهای هسته‌ای پیشرفته با ظرفیت برق تا ۳۰۰ مگاوات در هر واحد تعریف می‌کند که برای ساخت در کارخانه و حمل به محل طراحی شده‌اند، نه اینکه به طور کامل در محل ساخته شوند.

SMRها از لحاظ نظری یک راه‌حل «وصل کن و استفاده کن» (Plug-and-play) برای مراکز داده ارائه می‌دهند. به جای تکیه بر یک شبکه ملی تحت فشار، یک شرکت فناوری می‌تواند مجموعه‌ای از SMRها را مستقیماً در مجاورت یک مزرعه سرور مستقر کند و یک ریزشبکه (Microgrid) ایزوله‌شده با برق بدون کربن ایجاد کند که به طور کامل از گلوگاه‌های انتقال برق عبور می‌کند.[5][6]

ضریب ظرفیت بالای انرژی هسته‌ای آن را به طور منحصر به فردی برای الزامات بار پایه مداوم آموزش هوش مصنوعی مناسب می‌سازد.

با این حال، محاسبات یک شکاف لجستیکی آشکار در این استراتژی را نشان می‌دهد. تأمین کامل رشد تقاضای ۸۵ گیگاواتی پیش‌بینی شده تنها با SMRها، مستلزم استقرار حداقل ۲۸۳ واحد ۳۰۰ مگاواتی مجزا در سطح جهان تا سال ۲۰۳۰ است.

در حال حاضر، هیچ SMR تجاری در ایالات متحده فعال نیست و فرآیند تأیید نظارتی از طریق کمیسیون تنظیم مقررات هسته‌ای (NRC) همچنان پیچیده و پرپیچ‌وخم است. وزارت انرژی ایالات متحده مزایای متمایز مراکز داده با انرژی هسته‌ای را تأیید می‌کند، اما همچنین چالش‌های جدی در تجاری‌سازی این طرح‌های راکتوری جدید در چارچوب زمانی فشرده صنعت فناوری را برجسته می‌سازد.[3][6][7]

این عدم تطابق زمانی به این معنی است که در کوتاه‌مدت، رونق هوش مصنوعی ناگزیر برای پر کردن این شکاف به گاز طبیعی متکی خواهد بود. با وجود تعهدات بلندپروازانه صنعت فناوری برای «کربن صفر خالص» و اشتیاق واقعی برای نسل بعدی انرژی هسته‌ای، نیاز فوری به برق قابل اعتماد و شبانه‌روزی، یک مصالحه عمل‌گرایانه را تحمیل می‌کند.

نیروگاه‌های گاز طبیعی را می‌توان به سرعت ساخت و بار پایه لازم را تأمین کرد، به این معنی که ردپای کربن کوتاه‌مدت هوش مصنوعی مولد احتمالاً به طور قابل توجهی افزایش خواهد یافت، قبل از اینکه ظرفیت هسته‌ای وعده داده شده در دهه ۲۰۳۰ وارد مدار شود.[1][7]

در نهایت، بحران انرژی هوش مصنوعی یک حسابرسی ضروری را در سراسر بخش‌های فناوری و انرژی تحمیل می‌کند. این بحران توهم اینکه انرژی‌های تجدیدپذیر متناوب به تنهایی می‌توانند آینده‌ای با محاسبات بالا و برقی‌شده را تأمین کنند، از بین برده است.

غول‌های فناوری با سرمایه عظیم و وزن سیاسی خود در پشت انرژی هسته‌ای، شکافت هسته‌ای را نه به عنوان یادگاری از قرن بیستم، بلکه به عنوان موتور ضروری اقتصاد دیجیتال قرن بیست و یکم معرفی می‌کنند. چالش اکنون این است که آیا زیرساخت فیزیکی می‌تواند به اندازه کافی سریع ساخته شود تا به الگوریتم‌ها برسد.[4][5][7]

محیط نظارتی خود به یک میدان نبرد شدید تبدیل شده است. برای دهه‌ها، کمیسیون تنظیم مقررات هسته‌ای ایالات متحده (NRC) با مأموریتی که تقریباً منحصراً بر ایمنی متمرکز بود، فعالیت کرده است، که منجر به فرهنگی ریسک‌گریز شده و صدور مجوز برای طرح‌های جدید راکتور را به طرز دردناکی کند و پرهزینه می‌کند.

شرکت‌های فناوری، که به اخلاق چابک توسعه نرم‌افزار عادت دارند، اکنون به شدت برای اصلاحات نظارتی لابی می‌کنند. آن‌ها استدلال می‌کنند که ضرورت امنیت ملی برای پیروزی در رقابت جهانی هوش مصنوعی، نیازمند یک رویکرد ساده‌سازی شده برای صدور مجوز هسته‌ای است و زیرساخت‌های انرژی را به عنوان یک دارایی استراتژیک در نظر می‌گیرد.[4][7]

ادغام هوش مصنوعی و انرژی هسته‌ای مستلزم عبور از استانداردهای پیچیده نظارتی و ایمنی عملیاتی است.

این فشار برای مقررات‌زدایی مجموعه‌ای جدید از عدم قطعیت‌ها را معرفی می‌کند. منتقدان استدلال می‌کنند که تسریع فرآیند تأیید برای طرح‌های اثبات‌نشده SMR می‌تواند استانداردهای ایمنی را به خطر اندازد، به ویژه اگر این راکتورها در نزدیکی مناطق پرجمعیت یا منابع حیاتی آب مستقر شوند.

وزارت انرژی ایالات متحده بر لزوم ایجاد تعادل بین استقرار سریع و نظارت دقیق تأکید کرده و خاطرنشان می‌سازد که پذیرش عمومی رنسانس هسته‌ای کاملاً به حفظ سابقه ایمنی قوی این صنعت بستگی دارد. یک حادثه برجسته واحد شامل یک ریزراکتور مرکز داده می‌تواند کل این جنبش را یک شبه از مسیر خارج کند.[3][7]

علاوه بر این، زنجیره تأمین سوخت هسته‌ای پیشرفته همچنان یک گلوگاه حیاتی است. بسیاری از طرح‌های SMR نسل بعدی به اورانیوم غنی‌شده با غنای بالا (HALEU) نیاز دارند، سوختی تخصصی که در حال حاضر تقریباً به طور انحصاری توسط روسیه در مقادیر تجاری تولید می‌شود.

پیامدهای ژئوپلیتیکی اتکا به یک قدرت خارجی متخاصم برای سوخت مورد نیاز جهت راه‌اندازی زیرساخت هوش مصنوعی آمریکا، دولت ایالات متحده را مجبور کرده است تا برای ساخت یک زنجیره تأمین داخلی HALEU از صفر تلاش کند—فرآیندی که سال‌ها و میلیاردها دلار یارانه فدرال زمان و هزینه خواهد برد.[4][6]

فراتر از سوخت، ظرفیت تولید فیزیکی برای تولید انبوه SMRها هنوز وجود ندارد. چشم‌انداز راکتورهای ساخته شده در کارخانه که از خط مونتاژ خارج می‌شوند، نیازمند سرمایه‌گذاری اولیه هنگفت در تجهیزات آهنگری سنگین و تأسیسات تولید تخصصی است. در حالی که شرکت‌های فناوری مایل به امضای قراردادهای بلندمدت خرید برق هستند، از نظر تاریخی تمایلی به پذیرش ریسک ساخت کارخانه‌ها توسط خودشان نداشته‌اند، که این امر شکافی در ساختار سرمایه ایجاد می‌کند که شرکت‌های برق سنتی بدون حمایت دولت از پر کردن آن تردید دارند.[1][5]

راکتورهای مدولار کوچک (SMRs) برای ساخت در کارخانه و استقرار مستقیم در سایت‌های مراکز داده طراحی شده‌اند و گلوگاه‌های شبکه سنتی را دور می‌زنند.

با وجود این موانع بزرگ، همسویی سرمایه سیلیکون ولی و مهندسی هسته‌ای، مهم‌ترین کاتالیزور برای انرژی اتمی در نیم قرن اخیر است. اگر صنعت فناوری بتواند با موفقیت چالش‌های نظارتی، زنجیره تأمین و تولید را پشت سر بگذارد، نه تنها بحران انرژی خود را حل خواهد کرد، بلکه به طور بالقوه منحنی هزینه فناوری هسته‌ای پیشرفته را در سطح جهانی کاهش خواهد داد.

این امر می‌تواند دسترسی به برق بار پایه بدون کربن را دموکراتیزه کند و به صنایع سنگین و کشورهای در حال توسعه، بسیار فراتر از حوزه هوش مصنوعی، سود برساند.[2][7]

اصطلاحات کلیدی

برق بار پایه (Baseload Power)
حداقل سطح تقاضای برق در یک شبکه در طول یک دوره ۲۴ ساعته، که نیازمند نیروگاه‌هایی است که می‌توانند به طور مداوم کار کنند.
ضریب ظرفیت (Capacity Factor)
نسبت خروجی واقعی برق یک نیروگاه در یک دوره زمانی به حداکثر خروجی ممکن آن.
راکتور مدولار کوچک (SMR)
راکتورهای هسته‌ای پیشرفته با ظرفیت حداکثر ۳۰۰ مگاوات، که برای ساخت در کارخانه و حمل به محل طراحی شده‌اند.
هایپراسکِیلر (Hyperscaler)
شرکت‌های بزرگ فناوری که شبکه‌های عظیمی از مراکز داده را برای ارائه خدمات رایانش ابری و هوش مصنوعی اداره می‌کنند.
HALEU
اورانیوم غنی‌شده با غنای بالا (High-Assay Low-Enriched Uranium)، یک سوخت هسته‌ای تخصصی مورد نیاز بسیاری از راکتورهای پیشرفته نسل بعدی.

پرسش‌های متداول

چرا مراکز داده هوش مصنوعی نمی‌توانند فقط از انرژی خورشیدی و بادی استفاده کنند؟

خورشید و باد منابع انرژی متناوب با ضریب ظرفیت بین ۲۵٪ تا ۳۵٪ هستند. مراکز داده هوش مصنوعی برای آموزش مدل‌ها بدون وقفه، به برق مداوم و شبانه‌روزی نیاز دارند، که در حال حاضر فقط انرژی هسته‌ای یا سوخت‌های فسیلی می‌توانند آن را به طور قابل اعتماد تأمین کنند.

راکتور مدولار کوچک (SMR) چیست؟

SMR یک راکتور هسته‌ای نسل بعدی است که برای کوچک‌تر بودن (تا ۳۰۰ مگاوات) و ساخت در کارخانه‌ها به جای ساخت در محل طراحی شده است. این امر از لحاظ نظری آن‌ها را ارزان‌تر و سریع‌تر از نیروگاه‌های هسته‌ای سنتی در مقیاس بزرگ می‌کند.

آیا شرکت‌های فناوری واقعاً نیروگاه‌های هسته‌ای خود را خواهند ساخت؟

شرکت‌های فناوری خودشان تبدیل به اپراتورهای برق نمی‌شوند، اما با امضای قراردادهای بلندمدت و تضمین‌شده خرید برق با شرکت‌های انرژی، مستقیماً ساخت و راه‌اندازی مجدد نیروگاه‌های هسته‌ای را تأمین مالی می‌کنند.

این راکتورهای هسته‌ای جدید چه زمانی آماده خواهند شد؟

در حالی که راه‌اندازی مجدد نیروگاه‌های موجود مانند تری مایل آیلند برای سال ۲۰۲۷ هدف‌گذاری شده است، استقرار SMRهای تجاری جدید به دلیل موانع نظارتی و تولیدی، تا اوایل دهه ۲۰۳۰ انتظار نمی‌رود.

بررسی عمیق دیدگاه‌ها

هایپراسکِیلرهای فناوری

استدلال می‌کنند که هسته‌ای تنها راه‌حل ریاضی برای بحران انرژی هوش مصنوعی است و سرعت نظارتی یک ضرورت امنیت ملی است.

برای شرکت‌هایی که مدل‌های پیشرو هوش مصنوعی را می‌سازند، گذار به انرژی هسته‌ای به عنوان یک ضرورت وجودی تلقی می‌شود تا یک ترجیح زیست‌محیطی. هایپراسکِیلرها استدلال می‌کنند که چگالی محاسباتی محض مورد نیاز برای نسل بعدی هوش مصنوعی به سادگی نمی‌تواند توسط انرژی‌های تجدیدپذیر متناوب یا شبکه‌های محلی تحت فشار تأمین شود. آن‌ها سرمایه‌گذاری مستقیم در زیرساخت‌های هسته‌ای را تنها راه برای تضمین برق بار پایه شبانه‌روزی لازم برای حفظ رهبری آمریکا در هوش مصنوعی می‌دانند و تسریع صدور مجوز هسته‌ای را به عنوان یک اولویت حیاتی امنیت ملی مطرح می‌کنند.

شکاکان هسته‌ای و محیط‌زیست‌گرایان

استدلال می‌کنند که SMRها یک عامل حواس‌پرتی اثبات‌نشده و گران‌قیمت هستند که ناگزیر منجر به افزایش اتکا به گاز طبیعی در کوتاه‌مدت خواهند شد.

طرفداران محیط زیست و شکاکان انرژی هشدار می‌دهند که پذیرش ناگهانی انرژی هسته‌ای توسط صنعت فناوری، یک عامل حواس‌پرتی خطرناک از واقعیت‌های فوری کربن‌زدایی شبکه است. آن‌ها اشاره می‌کنند که راکتورهای مدولار کوچک در مقیاس تجاری تا حد زیادی اثبات نشده‌اند و با هزینه‌های اضافی هنگفتی مواجه هستند. از آنجایی که این راکتورها تا دهه ۲۰۳۰ به طور گسترده در دسترس نخواهند بود، شکاکان استدلال می‌کنند که رونق هوش مصنوعی عملاً گسترش عظیمی از زیرساخت‌های گاز طبیعی را در کوتاه‌مدت تثبیت می‌کند، که تعهدات کربن صفر خالص شرکت‌ها را تضعیف کرده و تغییرات اقلیمی را تشدید می‌کند.

اپراتورهای شبکه و شرکت‌های برق

نگران فشار محلی مراکز داده در مقیاس گیگاوات و ریسک مالی ساخت زیرساخت‌های سفارشی هستند.

شرکت‌های برق سنتی و اپراتورهای شبکه در میانه بحران انرژی هوش مصنوعی گرفتار شده‌اند. در حالی که آن‌ها از قراردادهای بلندمدت خرید برق ارائه شده توسط غول‌های فناوری استقبال می‌کنند، عمیقاً نگران فشارهای محلی هستند که مراکز داده در مقیاس گیگاوات بر زیرساخت‌های انتقال موجود وارد می‌کنند. علاوه بر این، شرکت‌های برق در پذیرش ریسک‌های مالی و ساخت‌وساز هنگفت مرتبط با ساخت اولین SMRها تردید دارند، زیرا می‌ترسند در صورت تأخیر یا افزایش هزینه پروژه‌های انرژی سفارشی صنعت فناوری، هزینه‌ها بر دوش مصرف‌کنندگان بیفتد.

هایپراسکِیلرهای فناوری 40%تحلیلگران انرژی 35%کارشناسان سیاست هسته‌ای 25%
هایپراسکِیلرهای فناوری
انرژی هسته‌ای را تنها راه‌حل بار پایه بدون کربن برای حفظ رشد هوش مصنوعی می‌دانند.
تحلیلگران انرژی
بر عدم تطابق جدول زمانی و اتکای ناگزیر کوتاه‌مدت به گاز طبیعی تأکید می‌کنند.
کارشناسان سیاست هسته‌ای
بر موانع نظارتی، زنجیره تأمین و ایمنی استقرار طرح‌های جدید راکتور تمرکز می‌کنند.

دیدگاه‌هایی که این گزارش پوشش نداده

  • جوامع محلی ساکن در نزدیکی مراکز داده و سایت‌های پیشنهادی SMR
  • توسعه‌دهندگان انرژی تجدیدپذیر که برای اتصال به شبکه رقابت می‌کنند

منابع

پوشش منابع

7 منبع

3 دیدگاه شناسایی‌شده

هایپراسکِیلرهای فناوری 40%تحلیلگران انرژی 35%کارشناسان سیاست هسته‌ای 25%
  1. [1]Goldman Sachsتحلیلگران انرژی

    Is nuclear energy the answer to AI data centers' power consumption?

    مطالعه در Goldman Sachs →
  2. [2]International Energy Agencyتحلیلگران انرژی

    AI is set to drive surging electricity demand from data centres while offering the potential to transform how the energy sector works

    مطالعه در International Energy Agency →
  3. [3]U.S. Department of Energyکارشناسان سیاست هسته‌ای

    Advantages and challenges of nuclear-powered data centers

    مطالعه در U.S. Department of Energy →
  4. [4]Bulletin of the Atomic Scientistsکارشناسان سیاست هسته‌ای

    AI goes nuclear

    مطالعه در Bulletin of the Atomic Scientists →
  5. [5]IEEE Spectrumهایپراسکِیلرهای فناوری

    Big Tech Embraces Nuclear Power to Fuel AI and Data Centers

    مطالعه در IEEE Spectrum →
  6. [6]International Atomic Energy Agencyکارشناسان سیاست هسته‌ای

    What are Small Modular Reactors (SMRs)?

    مطالعه در International Atomic Energy Agency →
  7. [7]تیم سردبیری کوهستانهایپراسکِیلرهای فناوری

    تحلیل تیم سردبیری کوهستان

    مطالعه در تیم سردبیری کوهستان →

نظرات

همیشه در جریان باشید

هر زاویه. هر روز.

اخبار دیدگاه‌ها با پوشش کامل منابع و تحلیل دیدگاه‌ها، هر روز و رایگان.