پنج نکته‌ای که باید درباره عطش هوش مصنوعی به انرژی بدانید

رقابت برای تسلط بر هوش مصنوعی، هجوم برای اتصال به شبکه برق گسترده آمریکا را به راه انداخته است. با این حال، وصل شدن به برق احتمالاً آسان‌تر از آن چیزی است که گفته می‌شود.

شرکت‌های فناوری و ارائه‌دهندگان مراکز داده به مقادیر عظیمی از برق در حد یک شهر در اسرع وقت نیاز دارند. این موضوع تجارت شرکت‌های آب و برق، تولیدکنندگان برق و برنامه‌ریزان شبکه را که حدود دو دهه در دنیای تقاضای تقریباً ثابت برق زندگی می‌کردند، متزلزل کرده است.

انتشار اخیر یک مدل هوش مصنوعی توسط شرکت هوش مصنوعی چینی DeepSeek، سوالاتی را در مورد اینکه دقیقاً چه میزان قدرت محاسباتی و برق برای هوش مصنوعی مورد نیاز خواهد بود، مطرح کرده است. به نظر می رسد DeepSeek در حد یک همتای پیشرفته از OpenAI عمل می کند، اما برای توسعه به قدرت محاسباتی بسیار کمتری نیاز داشت.

هنوز مشخص نیست که این موضوع برای چشم انداز انرژی هوش مصنوعی چه معنایی دارد. غول‌های فناوری متا پلتفرم‌ها و مایکروسافت روز چهارشنبه اعلام کردند که به سرمایه‌گذاری‌های بلندپروازانه در این فناوری پایبند هستند و پیشرفت‌ها می‌توانند هوش مصنوعی را ارزان‌تر و پرکاربردتر کنند. این امر منجر به افزایش مصرف انرژی می‌شود، زیرا حتی اگر مدل‌های هوش مصنوعی کارآمدتر آموزش ببینند، استفاده از آن‌ها نسبت به مواردی مانند جستجوی سنتی گوگل به برق بیشتری نیاز دارد.

در اینجا آنچه باید در مورد دلیل نیاز هوش مصنوعی به این حجم از انرژی و نحوه تلاش صنعت برق برای تأمین آن بدانید، آورده شده است.

۱. تقاضای محاسباتی به طور تصاعدی در حال افزایش است

مدل‌های هوش مصنوعی فعلی و پرکاربرد، از جمله GPT-4 OpenAI و Llama 3.1 متا، در مراکز داده‌ای آموزش دیده‌اند که بر اساس گزارش گروه تحقیقاتی غیرانتفاعی Epoch AI، هر بار حدود ۳۰ مگاوات برق مصرف می‌کنند.

این تقریباً به اندازه مصرف برق ۳۰ فروشگاه والمارت در هر لحظه است.

روندها نشان می دهد که تا سال ۲۰۳۰ مراکز داده برای آموزش بزرگترین مدل های هوش مصنوعی به بیش از ۵ گیگاوات برق نیاز خواهند داشت که تقریباً به اندازه مصرف متوسط برق منهتن در هر لحظه است.

جیمی سویل، مدیر Epoch AI می گوید: «انگیزه برای بزرگتر شدن وجود دارد. از سال ۲۰۲۰، ما می‌دانستیم که اگر یک مدل را برای مدت طولانی‌تر و با داده‌های بیشتری آموزش دهید، می‌توانید عملکرد بیشتری از آن استخراج کنید.» او فکر نمی‌کند که DeepSeek چشم‌انداز مصرف برق را تغییر دهد.

مرکز داده آمازون وب سرویس در اشبرن، ویرجینیا. عکس: ناتان هاوارد/بلومبرگ نیوز

شرکت‌ها از واحدهای پردازش گرافیکی یا GPU برای آموزش مدل‌های هوش مصنوعی استفاده می‌کنند. شرکت‌هایی که مدل‌های هوش مصنوعی را برای انجام کارهای پیچیده‌تر آموزش می‌دهند، کاری را که تاکنون جواب داده است انجام می‌دهند: ساخت خوشه‌های بزرگ‌تر GPU که به برق بیشتری نیاز دارند.

هر سال، مدل‌های جدید هوش مصنوعی با حدود چهار برابر قدرت محاسباتی بیشتر نسبت به سال قبل آموزش داده می‌شوند. این موضوع بسیار بیشتر از هرگونه دستاورد کارایی سخت‌افزاری است.

در حالی که هزینه اصلی انرژی آموزش هوش مصنوعی، اجرای GPU است، سرورهایی نیز برای ذخیره و مدیریت داده‌ها، اتصالات بین GPU ها و خنک سازی وجود دارد که در مصرف انرژی نقش دارند.

۲. تقاضای برق آینده نامشخص است

پیش بینی ها برای مصرف برق هوش مصنوعی بسیار متفاوت است.

پیش بینی های چندین تحلیلگر قبل از انتشار DeepSeek نشان می داد که مراکز داده می توانند بین ۴.۶٪ تا ۱۷٪ از برق ایالات متحده را تا سال ۲۰۳۰ مصرف کنند. بر اساس گزارش موسسه تحقیقات انرژی برق، این میزان در سال ۲۰۲۴ حدود ۴ درصد بوده است.

رشد در هر نقطه از این بازه ها یک چالش بزرگ برای شبکه برق ایالات متحده است که گاهی اوقات بزرگترین ماشین جهان نامیده می شود. شرکت های آب و برق این را با ظهور تهویه مطبوع مقایسه می کنند.

۳. گلوگاه ها و عدم تطابق زمان بندی وجود دارد

ساخت یک مرکز داده بزرگ می تواند ۱۸ ماه تا دو سال طول بکشد.

اما ساخت پروژه های انرژی تجدیدپذیر یا نیروگاه های گازی اغلب سه سال یا بیشتر طول می کشد. خطوط انتقال جدید می توانند یک دهه یا بیشتر طول بکشند.

بهترین گزینه برای تامین نیاز صنعت هوش مصنوعی به انرژی چیست؟ در ادامه گفتگو به ما بپیوندید.

اتصال یک کاربر جدید که به ۱ گیگاوات یا بیشتر برق در مدت زمان کوتاهی نیاز دارد، در هر مکانی، صرف نظر از اندازه شرکت آب و برق، چالش برانگیز است. فرضیات اولیه این بوده است که ۵ گیگاوات قدرت محاسباتی که ممکن است برای آموزش بزرگترین مدل های هوش مصنوعی مورد نیاز باشد، باید در یک پردیس بزرگ مرکز داده باشد.

ارشد منصور، مدیرعامل موسسه تحقیقات انرژی برق، می‌گوید شرکت‌ها و دانشگاهیان در حال بررسی ایده‌ای هستند که هنوز ثابت نشده یا آزمایش نشده است، مبنی بر اینکه یک مدل هوش مصنوعی ۵ گیگاواتی می‌تواند در مراکز داده‌ای که در فاصله ۱۰۰ تا ۲۰۰ مایلی پخش شده‌اند، با اتصالات فیبر قوی بین آنها، آموزش ببیند. این می تواند ساخت زیرساخت های شبکه مورد نیاز را کمی آسان تر و سریع تر کند.

۴. جلوگیری از کمبود برق چالش برانگیز خواهد بود

بر اساس گزارش شرکت قابلیت اطمینان برق آمریکای شمالی، یک سازمان غیرانتفاعی که استانداردهایی را برای شرکت‌های آب و برق و تولیدکنندگان برق ایجاد می‌کند، اندازه و سرعتی که مراکز داده می‌توانند ساخته و متصل شوند، چالش‌هایی را برای برنامه‌ریزی سیستم ایجاد می‌کند. رشد صنعتی و پذیرش وسایل نقلیه الکتریکی و پمپ های حرارتی نیز فشار را افزایش می دهد.

بر اساس گزارش موسسه تحقیقات انرژی برق، در اورگان، جایی که معافیت های مالیاتی و برق آبی ارزان قیمت به تبدیل شدن این ایالت به یک بازار بزرگ مرکز داده در ایالات متحده کمک کرده است، صنعت مرکز داده می تواند تا سال ۲۰۳۰ تا ۲۴ درصد از برق را مصرف کند.

شورای قدرت و حفاظت شمال غربی، برنامه ریز انرژی منطقه ای، پیش بینی می کند که اگر رشد مراکز داده ادامه یابد و تولید برق جدید به سرعت ساخته نشود، تا آن زمان کمبود بالقوه برق در زمستان وجود خواهد داشت.

جنیفر لایت، مدیر برنامه ریزی برق شورا، می گوید که کمبودهای احتمالی که در مدل ها نشان داده می شود، لزوماً به معنای خاموش شدن چراغ ها نیست. اما این منطقه ممکن است مجبور شود بیشتر به اقدامات اضطراری مانند ژنراتورهای دیزلی یا افزایش خرید برق عمده فروشی در بازار که می تواند برای همه مشتریان پرهزینه باشد، تکیه کند.

او می‌گوید، مدل‌های برنامه‌ریزی در تلاشند تا کم‌هزینه‌ترین ترکیب سرمایه‌گذاری‌هایی را پیدا کنند که بتوانند نیازها را برآورده کنند.

برق آبی ارزان قیمت به تبدیل شدن اورگان به یک بازار بزرگ مرکز داده در ایالات متحده کمک کرده است. عکس: جسی واردارسکی/آسوشیتدپرس

۵. انرژی های تجدیدپذیر نمی توانند به اندازه کافی سریع این شکاف را پر کنند

شرکت‌های فناوری به‌ویژه به دنبال انرژی‌های تجدیدپذیر یا هسته‌ای برای مراکز داده خود هستند تا از انتشار کربن جلوگیری کنند.

با این حال، فقط مقدار محدودی انرژی هسته ای در دسترس است و با توجه به جدول زمانی طولانی نظارتی و ساخت و ساز، افزودن بیشتر آن به سرعت دشوار است.

انرژی‌های تجدیدپذیر مانند باد و خورشید پاک هستند، اما به طور شبانه‌روزی برای مطابقت با تقاضای ۲۴ ساعته مراکز داده در دسترس نیستند.

شرکت های فناوری به حمایت از پروژه های جدید بادی و خورشیدی ادامه خواهند داد، اما سال ها طول می کشد تا فناوری های پاک و قابل اعتمادی مانند راکتورهای هسته ای کوچک پیشنهادی یا پروژه های زمین گرمایی در بازار جایگاهی پیدا کنند.

در این میان، تحلیلگران انتظار دارند که نیروگاه های جدید گازسوز برای پاسخگویی به افزایش تقاضای برق اضافه شوند.

جنیفر هیلر خبرنگار وال استریت ژورنال در هیوستون است. می‌توانید از طریق ایمیل [email protected] با او تماس بگیرید.