تقاضای بی‌سابقه برق توسط هوش مصنوعی: شبکه برق، نه پردازنده گرافیکی، عامل محدودکننده جدید است.

گلوگاه اصلی رونق هوش مصنوعی رسماً تغییر کرده است. در سال‌های ۲۰۲۳ و ۲۰۲۴، بخش فناوری درگیر رقابتی شدید برای تأمین سیلیکون بود و شرکت‌ها ماه‌ها منتظر پردازنده‌های گرافیکی پیشرفته می‌ماندند. امروز، تراشه‌ها آزادانه از کارخانه‌های تولیدی سرازیر می‌شوند، اما یک فناوری بسیار قدیمی‌تر و کندتر به محدودیت نهایی سرعت تبدیل شده است: شبکه برق.

گذار از آموزش مدل‌های هوش مصنوعی به استقرار جهانی آن‌ها برای استنتاج پیوسته (continuous inference)، جهشی بزرگ در مصرف انرژی ایجاد کرده است. آژانس بین‌المللی انرژی پیش‌بینی می‌کند که تقاضای جهانی برق مراکز داده در سال ۲۰۲۶ از ۱۰۰۰ تراوات ساعت (TWh) فراتر رود. برای درک این رقم سرسام‌آور، این بخش دیجیتال به تنهایی اکنون بیش از کل کشور ژاپن برق مصرف می‌کند.[2][3]

این صرفاً یک مشکل مقیاس‌پذیری نیست؛ بلکه یک برخورد اساسی بین فیزیک و زیرساخت است. رک‌های سرور سنتی سازمانی بین ۱۰ تا ۱۵ کیلووات برق مصرف می‌کنند. در مقابل، رک‌های بهینه‌سازی شده برای هوش مصنوعی، مانند آنهایی که معماری‌های پردازنده گرافیکی نسل بعدی را در خود جای داده‌اند، تا ۱۴۰ کیلووات برق برای هر کدام نیاز دارند.[3]

این چگالی شدید رک مستقیماً به تقاضای بی‌سابقه‌ای در سطح تأسیسات منجر می‌شود. یک مرکز داده استاندارد که ده سال پیش ساخته شده بود، ممکن بود به ۲۰ مگاوات برق پیوسته نیاز داشته باشد. امروزه، پردیس‌های هوش مصنوعی در مقیاس بزرگ (هایپراسکِیل) طوری طراحی می‌شوند که بین ۳۰۰ مگاوات تا یک گیگاوات کامل برق مصرف کنند—معادل مصرف برق یک شهر متوسط.[3]

شبکه برق عمومی هرگز برای پذیرش درخواست‌های همزمان در مقیاس گیگاوات طراحی نشده بود. در مراکز اصلی داده مانند ویرجینیای شمالی و تگزاس، اپراتورهای منطقه‌ای شبکه تحت فشار قرار گرفته‌اند. صف انتظار برای تأمین اتصال جدید به شبکه فشار قوی اکنون پنج تا هفت سال طول می‌کشد.[1]

مراکز داده را می‌توان در عرض چند ماه تأمین مالی و ساخت، اما گسترش شبکه‌هایی که قرار است برق آن‌ها را تأمین کنند، اغلب یک دهه یا بیشتر طول می‌کشد. این عدم تطابق شدید زمانی، «زمان تا تأمین برق پایدار» را به حیاتی‌ترین معیار در صنعت فناوری تبدیل کرده و شرکت‌های بزرگ جهان را مجبور به یک چرخش استراتژیک ریشه‌ای کرده است.[1]

هایپراسکِیلرها به جای انتظار در صف‌های نیم‌دهه‌ای برای دسترسی به شبکه عمومی، عملاً در حال تبدیل شدن به شرکت‌های تأسیساتی (تولید برق) هستند. آن‌ها با تأمین مالی و ساخت مستقیم تأسیسات تولید برق اختصاصی خود در محل، به طور کامل شبکه سنتی را دور می‌زنند.[1]

این چرخش به طور ناخواسته باعث احیای دیرینه انرژی پاک نسل بعدی شده است. از آنجا که حجم کاری هوش مصنوعی به برق پایه ۲۴/۷ نیاز دارد—پروفایل پیوسته‌ای که انرژی‌های متناوب خورشیدی و بادی به تنهایی نمی‌توانند آن را تأمین کنند—غول‌های فناوری میلیاردها دلار در انرژی هسته‌ای و زمین‌گرمایی سرمایه‌گذاری می‌کنند.[1]

نمادین‌ترین لحظه این تغییر زمانی رخ داد که مایکروسافت یک قرارداد ۲۰ ساله برای خرید تمام برق یک راکتور هسته‌ای مجدداً فعال شده در «تری مایل آیلند» (Three Mile Island) امضا کرد. در همین حال، آمازون یک پردیس مجاور هسته‌ای را خریداری کرده و به شدت در راکتورهای مدولار کوچک (SMRs) سرمایه‌گذاری کرده است، و گوگل نیز با استارتاپ‌های پیشرفته زمین‌گرمایی برای تأمین برق تأسیسات خود در نوادا شریک شده است.[1]

تحقیقات مورگان استنلی تخمین می‌زند که شرکت‌های بزرگ فناوری بین سال‌های ۲۰۲۵ تا ۲۰۲۶ بیش از ۱ تریلیون دلار به زیرساخت‌های انرژی اختصاص خواهند داد. این هجوم عظیم سرمایه خصوصی کاری را انجام می‌دهد که دهه‌ها یارانه دولتی در انجام آن مشکل داشتند: تجاری‌سازی فناوری‌های پیشرفته، پایدار و بدون کربن در مقیاس وسیع.

با این حال، این گذار کاملاً سبز نیست. فوریت محض استقرار هوش مصنوعی همچنین منجر به افزایش تعهدات در قبال گاز طبیعی شده است. متا اخیراً یک قرارداد ۲۰ ساله تأمین گاز طبیعی برای پردیس‌های خود در جنوب ایالات متحده منعقد کرده است که نشان‌دهنده تنش بین نیازهای فوری برق و اهداف بلندمدت اقلیمی است.[1]

در داخل مراکز داده، بحران برق، بازطراحی کامل معیارهای خنک‌سازی و کارایی را اجباری کرده است. معیار استاندارد صنعت، یعنی «کارایی مصرف برق» (PUE)، در حال جایگزینی با یک معیار جامع‌تر است: «توکن در هر وات» (Tokens per Watt). این معیار میزان خروجی محاسباتی واقعی هوش مصنوعی (توکن‌ها) را که به ازای هر واحد انرژی مصرفی تولید می‌شود، ردیابی می‌کند.[3]

برای به حداکثر رساندن «توکن در هر وات»، اپراتورها در حال کنار گذاشتن خنک‌سازی هوایی سنتی هستند. گرمای تولید شده توسط رک‌های ۱۴۰ کیلوواتی عملاً نمی‌تواند توسط فن‌ها جابجا شود. در عوض، خنک‌سازی مایع مستقیم روی تراشه—که در آن مایعات تخصصی مستقیماً روی پردازنده‌های گرافیکی (GPU) گردش می‌کنند—اجباری شده است و سربار انرژی خنک‌سازی را تا ۳۰ درصد کاهش می‌دهد.[3]

پیامدهای ژئوپلیتیکی این تخصیص مجدد انرژی عمیق است. استقرار هوش مصنوعی اکنون به همان اندازه که به مهندسی نرم‌افزار وابسته است، به حقوق تولید برق و سیاست‌های انرژی حاکمیتی نیز وابسته است. مناطقی که می‌توانند برق مجاز و قابل ارسال را ظرف یک بازه ۲۴ ماهه تأمین کنند، در حال جذب منافع اقتصادی رونق هوش مصنوعی هستند.[1]

در نهایت، گلوگاه برق هوش مصنوعی در حال تحمیل یک بازنگری ضروری بر زیرساخت‌های انرژی جهانی است. در حالی که فشار کوتاه‌مدت بسیار زیاد است، نتیجه بلندمدت آن نوسازی گسترده و با سرمایه خصوصی شبکه برق و تسریع سریع فناوری‌های هسته‌ای و زمین‌گرمایی نسل بعدی است که در نهایت به نفع عموم مردم خواهد بود.