آژانس بین‌المللی انرژی (IEA) پیش‌بینی کرده است که مصرف برق مراکز داده در سراسر جهان تا سال ۲۰۳۰ می‌تواند بیش از دو برابر شود، و عامل اصلی این افزایش، هوش مصنوعی خواهد بود. طبق گزارش این سازمان، تقاضای جهانی ممکن است تا پایان دهه به حدود ۹۴۵ تراوات‌ساعت برسد؛ عددی که کمی بیشتر از میزان برق مصرفی سالانه کشور ژاپن است. در ایالات متحده نیز ممکن است مصرف برق مراکز داده از مجموع مصرف صنایع سنگین از جمله فولاد و سیمان بیشتر شود.
افزایش مصرف برق به این دلیل است که سیستم‌های هوش مصنوعی به‌شدت وابسته به مراکز داده هستند. این مراکز از سرورهای قدرتمندی برای آموزش و اجرای مدل‌های پیشرفته استفاده می‌کنند. آمریکا و چین به شدت در این زمینه سرمایه‌گذاری می‌کنند و کشورهای دیگر نیز در تلاش‌اند از این روند عقب نمانند.
بر اساس گزارش IEA، در اقتصادهای توسعه‌یافته بیش از ۲۰٪ از رشد مصرف برق می‌تواند ناشی از مراکز داده باشد. در ژاپن این عدد می‌تواند به بیش از ۵۰٪ برسد و در مالزی حدود ۲۰٪. این اعداد در حالی بیان می‌شوند که طی سال‌های اخیر، مصرف برق در بسیاری از کشورها ثابت یا حتی کاهش یافته بود.
شرکت‌ها برای کاهش مصرف انرژی چه می‌کنند؟
برخی از شرکت‌های فناوری و پژوهشگران در تلاش‌اند استفاده از هوش مصنوعی را کم‌مصرف‌تر کنند. موشرف چودری از دانشگاه میشیگان می‌گوید راه‌هایی وجود دارد که می‌توان بدون کاهش سرعت پردازش، مصرف انرژی را کاهش داد. آزمایشگاه او نرم‌افزاری طراحی کرده که مصرف برق هر تراشه را محاسبه می‌کند و تا ۳۰٪ کاهش مصرف انرژی را ممکن می‌سازد.
سیستم‌های خنک‌کننده‌ی بهتر نیز به کاهش مصرف کمک می‌کنند. در گذشته خنک‌سازی مراکز داده تقریباً به اندازه‌ی سرورها برق مصرف می‌کرد، اما حالا این عدد به حدود ۱۰٪ رسیده است. به گفته‌ی گرث ویلیامز از شرکت مهندسی Arup، دلیل این کاهش استفاده از کنترل دمای دقیق‌تری است که بسیاری از آن‌ها با هوش مصنوعی کار می‌کنند.
خنک‌سازی مایع نیز روش جدیدی‌ست که توجه زیادی را جلب کرده. به جای کولرهای معمولی، در این روش مایع خنک‌کننده مستقیماً درون سخت‌افزار گردش می‌کند.
شرکت AWS (زیرمجموعه‌ی رایانش ابری آمازون) اخیراً اعلام کرده که برای تراشه‌های Nvidia خود، سیستم خنک‌سازی مایع اختصاصی طراحی کرده تا بتواند از بازسازی کامل مراکز داده خود جلوگیری کند. دیو براون از AWS این موضوع را در یک ویدئوی رسمی شرکت توضیح داده است.
آیا تراشه‌های جدیدتر کمک می‌کنند؟
تراشه‌های جدید معمولاً از نظر مصرف انرژی کارآمدتر از نسخه‌های قدیمی‌تر هستند. پانکاج ساچدوا از شرکت مشاوره‌ای McKinsey این موضوع را نشانه‌ای از امیدواری محتاطانه می‌داند. اما در عین حال، محدودیت‌هایی نیز وجود دارد.
یی دینگ از دانشگاه پردیو می‌گوید که با وجود عملکرد بهتر تراشه‌های مدرن، بعید است شرکت‌ها کاربران را به تاخیر در ارتقای سخت‌افزار تشویق کنند؛ چرا که این مسئله با مدل درآمدی آن‌ها در تضاد است.
حتی با وجود تراشه‌های کارآمدتر، مصرف کل برق همچنان رو به افزایش خواهد بود. دینگ می‌گوید سرعت گسترش هوش مصنوعی آن‌قدر زیاد است که این صرفه‌جویی‌ها نمی‌تواند عقب‌ماندگی را جبران کند. هرچند هر تراشه برق کمتری مصرف می‌کند، اما تعداد تراشه‌های در حال استفاده روز به روز بیشتر می‌شود.
در ژانویه، شرکت چینی DeepSeek موفق شد مدلی از هوش مصنوعی بسازد که با استفاده از تراشه‌های ضعیف‌تر، عملکردی هم‌سطح با سیستم‌های پیشرفته‌ی آمریکایی داشت. آن‌ها این موفقیت را با برنامه‌نویسی کارآمدتر و حذف مرحله‌ای پرمصرف در فرآیند آموزش به دست آوردند. این پیشرفت نگرانی‌هایی را در آمریکا درباره برتری انرژی و بهره‌وری چین ایجاد کرده است.
آیا هوش مصنوعی می‌تواند به حل بحران انرژی کمک کند؟
هرچند هوش مصنوعی مصرف برق را افزایش می‌دهد، اما از سوی دیگر می‌تواند نقش مهمی در مدیریت انرژی ایفا کند. در گزارش IEA آمده است که ابزارهای مبتنی بر هوش مصنوعی اکنون توسط شرکت‌های انرژی برای پیش‌بینی تقاضا، مدیریت عرضه و مقابله با حملات سایبری استفاده می‌شوند. تعداد حملات به زیرساخت‌های انرژی طی چهار سال گذشته سه برابر شده و حالا هوش مصنوعی به یک ابزار دفاعی مهم تبدیل شده است.
همچنین امید می‌رود که هوش مصنوعی بتواند به تسریع توسعه انرژی پاک کمک کند. در گزارش آمده که AI به دانشمندان کمک می‌کند تا فناوری‌هایی مانند باتری‌ها و پنل‌های خورشیدی را بهبود دهند؛ ابزارهایی که در آینده می‌توانند به جبران آلایندگی ناشی از اجرای مدل‌های بزرگ هوش مصنوعی کمک کنند.
