زیرساخت هوش مصنوعیفشار بر منابعJul 11, 2026, 9:22 PM· 4 دقیقه مطالعه· #1 از 4 در اخبار و سیاست

گزارش سازمان ملل: مراکز داده هوش مصنوعی تا سال ۲۰۳۰، ۹.۳ تریلیون لیتر آب مصرف خواهند کرد

یک مطالعه جدید سازمان ملل متحد هشدار می‌دهد که رونق هوش مصنوعی باعث تخلیه بی‌سابقه منابع جهانی شده است و پیش‌بینی می‌کند که مراکز داده هوش مصنوعی تا پایان این دهه، به اندازه‌ای آب مصرف خواهند کرد که برای تأمین نیازهای ۱.۳ میلیارد نفر کافی است.

به قلم تیم سردبیری کوهستان

محققان محیط زیست 45%حامیان عدالت منابع 30%حامیان صنعت فناوری 25%
محققان محیط زیست
استدلال می‌کنند که تمرکز صنعت فناوری بر انتشار کربن، ردپای ویرانگر آب و زمین زیرساخت‌های هوش مصنوعی را پنهان می‌کند.
حامیان عدالت منابع
نابرابری شدید بین مصرف مراکز داده شرکتی و میلیاردها نفری که فاقد دسترسی اولیه به آب هستند را برجسته می‌کنند.
حامیان صنعت فناوری
تأکید می‌کنند که نیازهای محاسباتی عظیم هوش مصنوعی برای توسعه فناوری‌هایی ضروری است که در نهایت چالش‌های جهانی آب و هوا و بهره‌وری را حل خواهند کرد.

زوایای پوشش‌داده‌نشده

  • · مقامات محلی آب و فاضلاب شهری
  • · مهندسان سیستم‌های خنک‌کننده سخت‌افزار

چرا مهم است

در حالی که هوش مصنوعی به بخشی جدایی‌ناپذیر از زندگی دیجیتال روزمره تبدیل می‌شود، زیرساخت فیزیکی آن به طور خاموش در حال تشدید کمبود آب جهانی و تحت فشار قرار دادن شبکه‌های برق است. این یافته‌ها ادعاهای «سبز» صنعت فناوری را به چالش می‌کشند و نشان می‌دهند که تلاش‌ها برای کاهش انتشار کربن اغلب به قیمت از دست رفتن مستقیم آب شیرین و زمین تمام می‌شود.

نکات کلیدی

  • گزارش جدید سازمان ملل پیش‌بینی می‌کند که مراکز داده هوش مصنوعی تا سال ۲۰۳۰ سالانه ۹.۳ تریلیون لیتر آب مصرف خواهند کرد.
  • این ردپای آبی معادل نیازهای اساسی سالانه آب خانگی ۱.۳ میلیارد نفر است.
  • استفاده روزانه از هوش مصنوعی (استنتاج) ۸۰ تا ۹۰ درصد از کل تقاضای انرژی این فناوری را تشکیل می‌دهد.
  • محققان هشدار می‌دهند که تمرکز صرف بر انتشار کربن اغلب منجر به پیامدهای بدتری برای مصرف آب و زمین می‌شود.
  • انتظار می‌رود ردپای فیزیکی زمین مورد نیاز برای زیرساخت‌های هوش مصنوعی تا پایان این دهه از ۱۴,۵۰۰ کیلومتر مربع فراتر رود.
9.3 trillion liters
مصرف آب پیش‌بینی‌شده هوش مصنوعی تا ۲۰۳۰
945 TWh
مصرف برق پیش‌بینی‌شده هوش مصنوعی تا ۲۰۳۰
1.3 billion
تعداد افرادی که نیاز آبی آن‌ها معادل ردپای هوش مصنوعی است
80–90%
انرژی مصرفی توسط استنتاج روزانه هوش مصنوعی

انقلاب هوش مصنوعی هزینه‌های فیزیکی سرسام‌آوری دارد. بر اساس گزارش مهمی که توسط مؤسسه آب، محیط زیست و سلامت دانشگاه سازمان ملل متحد (UNU-INWEH) منتشر شده است، زیرساخت جهانی تأمین‌کننده انرژی هوش مصنوعی در مسیر مصرف سالانه ۹.۳ تریلیون لیتر آب تا سال ۲۰۳۰ قرار دارد.[1][3]

این گزارش که «هزینه زیست‌محیطی مصرف انرژی هوش مصنوعی» نام دارد، این توهم را که اقتصاد دیجیتال به طور بی‌ضرر در فضای ابری وجود دارد، در هم می‌شکند. در عوض، تصویری از صنعتی را ترسیم می‌کند که گسترش بی‌امان آن با محدودیت‌های سیاره زمین در تضاد است.[1][2]

اگر مراکز داده هوش مصنوعی یک کشور بودند، مصرف برق پیش‌بینی‌شده آن‌ها در سال ۲۰۳۰ که ۹۴۵ تراوات ساعت است، آن‌ها را در میان پرمصرف‌ترین‌ها در سطح جهان قرار می‌داد. این رقم تقریباً سه برابر مصرف برق ترکیبی پاکستان، بنگلادش و نیجریه است؛ کشورهایی که مجموعاً بیش از ۶۵۰ میلیون نفر جمعیت دارند.[2][4]

در حالی که بخش فناوری تلاش‌های خود برای تأمین انرژی‌های تجدیدپذیر و کاهش انتشار کربن را به شدت تبلیغ کرده است، محققان سازمان ملل در مورد «دید تونلی کربنی» خطرناکی هشدار می‌دهند. دکتر میریام آکزل، نویسنده اصلی گزارش، اشاره کرد که انتخاب‌هایی که از منظر کربن «سبزترین» به نظر می‌رسند، اغلب منابع آب و زمین محلی را ویران می‌کنند.[1][4]

به عنوان مثال، تغییر مراکز داده از زغال سنگ به زیست‌انرژی می‌تواند انتشار کربن را تا ۷۰ درصد کاهش دهد. با این حال، انجام این کار باعث می‌شود که ردپای آبی این تأسیسات ۳۰ برابر و ردپای زمینی آن ۱۰۰ برابر افزایش یابد و یک بازی با حاصل جمع صفر در مناطقی ایجاد کند که در حال حاضر با کمبود منابع ناشی از تغییرات اقلیمی دست و پنجه نرم می‌کنند.[2][5]

معادل انسانی این مصرف بسیار تکان‌دهنده است. ۹.۳ تریلیون لیتر آبی که برای خنک کردن قفسه‌های سرور و تولید برق برای هوش مصنوعی تا پایان این دهه مورد نیاز است، معادل نیازهای اساسی سالانه آب خانگی ۱.۳ میلیارد نفر است—تقریباً کل جمعیت آفریقای زیر صحرا.[2][3]

بخش عمده‌ای از بحث‌های عمومی از لحاظ تاریخی بر انرژی عظیمی که برای آموزش مدل‌های پیشرو مورد نیاز است، متمرکز بوده است. با این حال، گزارش UNU-INWEH نشان می‌دهد که آموزش تنها نوک کوه یخ است.[3]

بخش عمده‌ای از بحث‌های عمومی از لحاظ تاریخی بر انرژی عظیمی که برای آموزش مدل‌های پیشرو مورد نیاز است، متمرکز بوده است.

استفاده روزمره—که به عنوان استنتاج (Inference) شناخته می‌شود—۸۰ تا ۹۰ درصد از کل تقاضای انرژی هوش مصنوعی را تشکیل می‌دهد. با ادغام هوش مصنوعی مولد در موتورهای جستجو، نرم‌افزارهای بهره‌وری و عوامل خودمختار، حجم درخواست‌های روزانه به میلیاردها مورد افزایش یافته است.[1][3]

انرژی مورد نیاز بسته به نوع کار به شدت متفاوت است. تولید یک تصویر هوش مصنوعی با وضوح بالا می‌تواند بیش از هزار برابر انرژی مورد نیاز برای یک طبقه‌بندی متنی ساده مصرف کند، و تولید ویدئو به طور تصاعدی به توان محاسباتی بیشتری نیاز دارد.[1][5]

فراتر از آب و برق، ردپای فیزیکی رونق هوش مصنوعی به سرعت در حال گسترش است. پیش‌بینی می‌شود که زمین مورد نیاز برای مراکز داده و زیرساخت‌های انرژی مرتبط با آن‌ها تا سال ۲۰۳۰ از ۱۴,۵۰۰ کیلومتر مربع فراتر رود—مساحتی تقریباً دو برابر منطقه کلان‌شهری جاکارتا.[3][4]

علاوه بر این، منسوخ شدن سریع سخت‌افزارهای تخصصی هوش مصنوعی در حال ایجاد یک بحران فزاینده زباله‌های الکترونیکی است. این گزارش تخمین می‌زند که سرورها، سیستم‌های خنک‌کننده و تراشه‌های هوش مصنوعی دور ریخته شده تا پایان این دهه ۲.۵ میلیون تن متریک زباله الکترونیکی تولید خواهند کرد که معادل دور انداختن ۲۵۰ برج ایفل در هر سال است.[3]

شرکت‌های فناوری به طور فزاینده‌ای در حال ساخت تأسیسات هایپراسکال در مناطق خشک هستند که منابع آب زیرزمینی محلی را تحت فشار قرار می‌دهد.
شرکت‌های فناوری به طور فزاینده‌ای در حال ساخت تأسیسات هایپراسکال در مناطق خشک هستند که منابع آب زیرزمینی محلی را تحت فشار قرار می‌دهد.

برنامه محیط زیست سازمان ملل متحد (UNEP) نیز این نگرانی‌ها را تکرار کرده و تأکید می‌کند که اگرچه هوش مصنوعی پتانسیل عظیمی برای بهینه‌سازی شبکه‌های انرژی تجدیدپذیر و ردیابی انتشار متان دارد، اما تأثیر خالص زیست‌محیطی آن همچنان خطرناک است. مقامات UNEP از دولت‌ها خواسته‌اند تا گزارش‌دهی استاندارد ردپای زیست‌محیطی را برای شرکت‌های فناوری الزامی کنند.[6]

نویسندگان گزارش تأکید می‌کنند که خواستار توقف توسعه هوش مصنوعی نیستند، بلکه خواهان تغییر جهت به سمت «بهره‌وری از طریق طراحی» هستند. آن‌ها توصیه می‌کنند که توسعه‌دهندگان مدل‌های سبک‌تر و کم‌مصرف‌تر را که برای یک کار مشخص مناسب هستند، در اولویت قرار دهند، به جای اینکه برای پرس‌وجوهای ساده به طور پیش‌فرض از سیستم‌های عظیم و منابع‌بر استفاده کنند.[1][5]

در نهایت، این یافته‌ها یک چالش حکمرانی عمیق را مطرح می‌کنند. در حالی که بازار هوش مصنوعی به سمت ارزش‌گذاری پیش‌بینی‌شده ۵ تریلیون دلاری تا سال ۲۰۳۳ پیش می‌رود، سیاست‌گذاران با وظیفه فوری ادغام زیرساخت‌های دیجیتال در برنامه‌ریزی ملی آب و کاربری زمین روبرو هستند، پیش از آنکه عطش این صنعت از ظرفیت سیاره برای حفظ آن پیشی بگیرد.[3][4]

روند رویداد

  1. 2023

    رونق هوش مصنوعی مولد آغاز می‌شود و رقابت جهانی عظیمی را برای ساخت مراکز داده هایپراسکال جدید به راه می‌اندازد.

  2. 2024

    مراکز داده جهانی تخمیناً ۴۱۵ تراوات ساعت برق مصرف می‌کنند و هشدارهای اولیه گروه‌های محیط زیستی را در پی دارد.

  3. 2025

    سهم هوش مصنوعی از مصرف برق مراکز داده به ۲۰ درصد می‌رسد، در حالی که مدل‌های چندوجهی هزینه‌های انرژی به ازای هر درخواست را افزایش می‌دهند.

  4. June 2026

    مؤسسه UNU-INWEH گزارش مهم خود را منتشر می‌کند و پیش‌بینی می‌کند که مصرف آب و برق هوش مصنوعی تا سال ۲۰۳۰ بیش از دو برابر خواهد شد.

بررسی عمیق دیدگاه‌ها

محققان محیط زیست سازمان ملل

استدلال می‌کنند که صنعت فناوری با تمرکز صرف بر کربن، تأثیر خود را به طور سیستماتیک اشتباه اندازه‌گیری می‌کند.

محققان UNU-INWEH و UNEP تأکید می‌کنند که بخش فناوری از «دید تونلی کربنی» رنج می‌برد. با بهینه‌سازی انحصاری برای کاهش گازهای گلخانه‌ای، شرکت‌ها اغلب راه‌حل‌هایی—مانند برخی سوخت‌های زیستی یا برج‌های خنک‌کننده آب‌بر—را اتخاذ می‌کنند که جداول آب و زمین‌های محلی را ویران می‌کنند. آن‌ها استدلال می‌کنند که پایداری واقعی نیازمند اندازه‌گیری ردپای جامع هوش مصنوعی است، از جمله زباله‌های الکترونیکی، کاربری زمین، و تخلیه عظیم منابع ناشی از وظایف استنتاج روزانه.

صنعت فناوری و توسعه‌دهندگان هوش مصنوعی

معتقدند که نیازهای محاسباتی عظیم هوش مصنوعی یک سرمایه‌گذاری ضروری برای حل چالش‌های اقلیمی جهانی است.

حامیان صنعت اشاره می‌کنند که هوش مصنوعی در حال حاضر برای بهینه‌سازی شبکه‌های انرژی تجدیدپذیر، ردیابی نشت متان و کشف مواد پایدار جدید به کار گرفته می‌شود. در حالی که پیش‌بینی‌های منابع سرسام‌آور را تأیید می‌کنند، استدلال می‌کنند که مزایای بهره‌وری بلندمدت که توسط هوش مصنوعی فعال می‌شود، از ردپای فیزیکی فوری آن بیشتر خواهد بود. علاوه بر این، شرکت‌های بزرگ فناوری به شدت در حال سرمایه‌گذاری در سیلیکون‌های سفارشی و خنک‌سازی مایع پیشرفته هستند تا هزینه‌های انرژی به ازای هر درخواست را کاهش دهند.

جوامع تحت فشار منابع

نابرابری شدید در اولویت‌بندی آب برای مراکز داده شرکتی نسبت به نیازهای انسانی را برجسته می‌کنند.

حامیان جنوب جهانی و مناطق کم‌آب به نابرابری آشکاری که در گزارش سازمان ملل برجسته شده است، اشاره می‌کنند: آبی که برای خنک کردن سرورهای هوش مصنوعی تا سال ۲۰۳۰ مورد نیاز است، می‌تواند ۱.۳ میلیارد نفر را تأمین کند. در حالی که غول‌های فناوری تأسیسات هایپراسکال عظیمی را در مناطق خشک می‌سازند تا از زمین ارزان یا انرژی خورشیدی بهره ببرند، شهرداری‌های محلی به طور فزاینده‌ای مجبورند بین سرمایه‌گذاری‌های سودآور شرکتی و تأمین آب آشامیدنی برای جمعیت خود یکی را انتخاب کنند.

آنچه نمی‌دانیم

  • اینکه آیا پیشرفت‌های آتی در معماری تراشه یا فناوری‌های خنک‌کننده جایگزین، پیش‌بینی‌های سال ۲۰۳۰ را به طور قابل توجهی تغییر خواهند داد یا خیر.
  • اینکه دولت‌های محلی در مناطق تحت تنش آبی چگونه انگیزه‌های اقتصادی میزبانی مراکز داده را در برابر نیازهای جمعیت خود متعادل خواهند کرد.
  • آستانه دقیقی که در آن هزینه انرژی و آب ممکن است شرکت‌های فناوری را مجبور کند تا دسترسی مصرف‌کنندگان به مدل‌های هوش مصنوعی با محاسبات بالا را محدود کنند.

اصطلاحات کلیدی

استنتاج (Inference)
فرآیند تولید پاسخ، تصویر یا تصمیم توسط یک مدل هوش مصنوعی آموزش‌دیده بر اساس درخواست کاربر.
تراوات ساعت (TWh)
واحد عظیمی از انرژی معادل یک تریلیون وات ساعت که معمولاً برای اندازه‌گیری مصرف برق کل کشورها استفاده می‌شود.
دید تونلی کربنی
اصطلاحی که محققان برای توصیف تمرکز شدید صنعت فناوری بر کاهش انتشار کربن به کار می‌برند، در حالی که سایر تأثیرات شدید زیست‌محیطی مانند مصرف آب و زمین را نادیده می‌گیرد.
هوش مصنوعی چندوجهی (Multimodal AI)
سیستم‌های هوش مصنوعی که قادر به پردازش و تولید انواع مختلف داده‌ها مانند متن، صدا، تصویر و ویدئو هستند و به توان محاسباتی بسیار بیشتری نیاز دارند.

پرسش‌های متداول

چرا مراکز داده هوش مصنوعی به این همه آب نیاز دارند؟

مراکز داده، به ویژه هنگام اجرای پردازنده‌های تخصصی مورد نیاز هوش مصنوعی، گرمای زیادی تولید می‌کنند. آن‌ها برای جلوگیری از داغ شدن بیش از حد سخت‌افزار، به برج‌های خنک‌کننده آب‌بر متکی هستند.

آیا آموزش یک مدل هوش مصنوعی انرژی بیشتری مصرف می‌کند یا استفاده از آن؟

استفاده از مدل (استنتاج) در مجموع انرژی بسیار بیشتری مصرف می‌کند. گزارش سازمان ملل نشان داد که استفاده روزمره ۸۰ تا ۹۰ درصد از کل تقاضای انرژی هوش مصنوعی را تشکیل می‌دهد.

آیا انرژی تجدیدپذیر می‌تواند این مشکل را حل کند؟

فقط تا حدی. در حالی که انرژی تجدیدپذیر انتشار کربن را کاهش می‌دهد، گزارش سازمان ملل هشدار می‌دهد که برخی منابع انرژی «سبز»، مانند زیست‌انرژی، می‌توانند ردپای آبی یک مرکز داده را تا ۳۰ برابر افزایش دهند.

منابع

پوشش منابع

6 منبع

3 دیدگاه شناسایی‌شده

محققان محیط زیست 45%حامیان عدالت منابع 30%حامیان صنعت فناوری 25%
  1. [1]UN Newsمحققان محیط زیست

    AI's environmental footprint systematically mismeasured, UN study finds

    مطالعه در UN News
  2. [2]Futurismحامیان صنعت فناوری

    AI Will Consume as Much Water as a Billion People By 2030, UN Report Estimates

    مطالعه در Futurism
  3. [3]Earth.orgحامیان عدالت منابع

    9.3 Trillion Liters of Water: UN Report Exposes Unfathomable Footprint of Data Centers as AI Booms

    مطالعه در Earth.org
  4. [4]W.Mediaحامیان عدالت منابع

    UN scientists say AI data centers could consume as much water as 1.3 billion people by 2030

    مطالعه در W.Media
  5. [5]Science Media Centreمحققان محیط زیست

    Expert reaction to UN report on the environmental costs of AI

    مطالعه در Science Media Centre
  6. [6]UN Environment Programmeمحققان محیط زیست

    Navigating New Horizons: AI and the Environment

    مطالعه در UN Environment Programme
همیشه در جریان باشید

هر زاویه. هر روز.

دریافت اخبار و سیاست اخبار همراه با پوشش کامل منابع و تحلیل دیدگاه‌ها، مستقیم در صندوق ورودی شما.