سالهاست درباره اینکه هوش مصنوعی چه کارهایی میتواند انجام دهد صحبت میکنیم؛ از تولید متن و تصویر تا برنامهنویسی، تحلیل داده و اتوماسیون تصمیمگیری. اما حالا یک پرسش مهمتر از همیشه مطرح شده است: این حجم عظیم از پردازش قرار است با چه انرژیای اجرا شود؟
رشد انفجاری دیتاسنترها، استفاده گسترده از GPUهای پرمصرف، نیاز به سیستمهای پیشرفته خنکسازی و توسعه شبکههای انتقال برق، هوش مصنوعی را از یک موضوع صرفاً نرمافزاری به یک مسئله زیرساختی تبدیل کرده است. به بیان دیگر، آینده AI دیگر فقط به کیفیت مدلها وابسته نیست؛ بلکه به ظرفیت نیروگاهها، شبکه برق، سرعت صدور مجوزها و توان سرمایهگذاری در زیرساخت نیز گره خورده است.
در آمریکا، همزمان با شدت گرفتن رقابت میان غولهای فناوری برای توسعه مدلهای بزرگتر و سرویسهای هوشمندتر، نگرانی درباره فشار فزاینده بر شبکه برق و هزینههایی که ممکن است در نهایت به مصرفکننده منتقل شود، به بخشی از بحث عمومی و سیاستگذاری تبدیل شده است.
هزینه پنهان هوش مصنوعی
به گزارش واشنگتن پست، در یکی از برنامههای این رسانه با اجرای مگان مکآردل، تأکید شده که انفجار هوش مصنوعی به دیتاسنترهای عظیم و در نتیجه به انرژی عظیم نیاز دارد. مسئله اصلی این است که ایالتهایی مانند ماساچوست و حتی کل آمریکا چگونه باید تقاضای برق ناشی از موج AI را مدیریت کنند. در این گفتوگو، جیک آوچینکلاس، نماینده کنگره، نیز از تغییر نگاه خود به هوش مصنوعی و ضرورت برنامهریزی برای برق و زیرساخت سخن گفته است.
این زاویه دید یک پیام روشن دارد: آینده هوش مصنوعی فقط به مدل و الگوریتم وابسته نیست؛ به کابل، نیروگاه، ترانس، مجوز و زمان ساخت هم وابسته است.
همزمان، گزارشهای اقتصادی هم نشانههای اصطکاک را آشکار کردهاند. رویترز در گزارشی درباره «شوک برق» نوشته برخی دیتاسنترها به سمت ساخت نیروگاههای اختصاصی خود حرکت میکنند تا از کمبود ظرفیت شبکه و تأخیرهای طولانی برای اتصال فرار کنند. طبق این گزارش، دهها پروژه دیتاسنتری شناسایی شدهاند که برای تأمین نیاز خود، ساخت نیروگاه مستقل را در برنامه دارند. بخش مهمی از این نیروگاهها گازسوز طراحی شدهاند، هرچند گزینههای تجدیدپذیر و حتی هستهای نیز روی میز است.
معنای ساده این روند آن است که تأمین برق به گلوگاه اصلی AI تبدیل شده و شرکتها حاضرند برای عبور از این مانع، خودشان وارد سرمایهگذاری در بخش انرژی شوند.
از رقابت نرمافزاری تا مسابقه برای مگاوات
در سالهای گذشته، رقابت اصلی شرکتهای فناوری بر سر مدلهای قویتر، دادههای بیشتر و تراشههای سریعتر بود. اما اکنون یک لایه تازه به این رقابت اضافه شده است: دسترسی مطمئن به برق.
اگر پیشتر مزیت رقابتی یک شرکت در داشتن الگوریتم بهتر یا تیم تحقیقاتی قویتر خلاصه میشد، حالا توانایی آن در بستن قراردادهای بلندمدت انرژی، ساخت دیتاسنتر در مناطق دارای مازاد تولید برق، و حتی مشارکت در توسعه نیروگاهها نیز به بخشی از مزیت رقابتی تبدیل شده است. به همین دلیل، برخی تحلیلگران معتقدند صنعت AI در حال حرکت از یک «رقابت محاسباتی» به سمت یک «رقابت انرژیمحور» است.
نگرانی دولتها: چه کسی هزینه را میپردازد؟
از سمت سیاست نیز ماجرا جدی شده است. رویترز گزارش داده کاخ سفید قصد دارد شرکتهای بزرگ فناوری را برای نهایی کردن تعهدی با محور «حفاظت از مشترکان برق» گرد هم آورد؛ هدف این است که افزایش هزینه برق ناشی از رشد دیتاسنترها به قبض خانوارها منتقل نشود.
پیام دولتها بهطور فزاینده روشن است: اگر میخواهید دیتاسنترهای عظیم بسازید، باید درباره برق آن هم پاسخگو باشید. این رویکرد میتواند به مدلهای تازهای از قرارداد برق، سرمایهگذاری مشترک شرکتهای فناوری در تولید انرژی، یا حتی الزام غیرمستقیم برای ساخت ظرفیت جدید نیروگاهی منجر شود.
این موضوع از منظر اجتماعی هم مهم است. اگر مردم احساس کنند توسعه AI باعث افزایش تعرفه برق، فشار به شبکه یا تشدید خاموشیها شده، حمایت عمومی از این فناوری نیز میتواند کاهش پیدا کند. بنابراین مسئله برق فقط یک دغدغه فنی یا اقتصادی نیست؛ موضوعی مربوط به مشروعیت اجتماعی رشد هوش مصنوعی هم هست.
مسئله فقط آمریکا نیست
این روند محدود به آمریکا نیست. هر جا توسعه AI سرعت بگیرد، شکاف میان شتاب نرمافزار و کندی زیرساخت فیزیکی خود را نشان میدهد. ساخت نیروگاه، توسعه خطوط انتقال، تأمین ترانسفورماتور، واردات تجهیزات تخصصی، طراحی سامانههای خنکسازی و دریافت مجوزهای زیستمحیطی، همگی زمانبر هستند.
در واقع، مدلهای هوش مصنوعی ظرف چند ماه میتوانند چند برابر قویتر شوند، اما ساخت زیرساخت برق معمولاً چند سال زمان میبرد. همین ناهماهنگی، خطر اصلی دهه آینده است: نرمافزار با سرعت نمایی رشد میکند، اما زیرساخت با سرعت اداری و صنعتی.
پارادوکس AI سبز: هوشمندتر، اما پرمصرفتر
یکی از تناقضهای مهم اینجاست که هوش مصنوعی از یک سو میتواند به بهینهسازی مصرف انرژی، پیشبینی بار شبکه، کاهش اتلاف و مدیریت بهتر منابع کمک کند؛ اما از سوی دیگر، خودِ این فناوری یکی از مصرفکنندگان بزرگ انرژی در حال ظهور است.
به عبارت دیگر، AI هم میتواند بخشی از راهحل بحران انرژی باشد و هم بخشی از مسئله. اگر توسعه آن بدون برنامهریزی زیرساختی انجام شود، ممکن است مزایای بهرهوری آن زیر سایه مصرف سنگین برق پنهان شود.
آموزش مدل مهمتر است یا استفاده روزمره؟
در بحث عمومی معمولاً توجه زیادی به آموزش مدلهای عظیم جلب میشود، اما در عمل، با گسترش سرویسهای مبتنی بر AI، مصرف برق مرحله استفاده روزمره هم اهمیت فزایندهای پیدا میکند. هرچه کاربران بیشتری از دستیارهای هوشمند، موتورهای جستوجوی مجهز به AI، تولید تصویر، ویدئو و ابزارهای سازمانی استفاده کنند، بار پردازشی دائمی بالاتر میرود.
یعنی مسئله فقط ساخت یک مدل بزرگ نیست؛ مسئله این است که بعد از ساخت، میلیونها یا میلیاردها درخواست روزانه چگونه پاسخ داده میشود. در چنین شرایطی، بهرهوری انرژی تراشهها، طراحی دیتاسنتر و محل استقرار آنها به اندازه خود مدل اهمیت پیدا میکند.
برندگان آینده چه کسانی هستند؟
در موج جدید، احتمالاً فقط شرکتهایی برنده نخواهند بود که بهترین مدل را دارند؛ بلکه آنهایی موفقترند که بتوانند این چند متغیر را همزمان مدیریت کنند:
- دسترسی پایدار به برق
- تأمین تراشه و سختافزار
- سرمایهگذاری سنگین در دیتاسنتر
- مدیریت هزینههای خنکسازی
- همسویی با مقررات و فشارهای زیستمحیطی
- توان بستن قراردادهای بلندمدت انرژی
به همین دلیل، آینده بازار AI فقط توسط مهندسان نرمافزار تعیین نمیشود؛ بلکه شرکتهای برق، سازندگان تجهیزات صنعتی، توسعهدهندگان زیرساخت و سیاستگذاران هم در شکلگیری آن نقش مستقیم دارند.
این روند برای کشورهای درگیر ناترازی برق چه معنایی دارد؟
برای کشورهایی که همین حالا هم با ناترازی برق، محدودیت تولید یا فرسودگی شبکه روبهرو هستند، توسعه گسترده AI بدون برنامهریزی انرژی میتواند بسیار دشوارتر باشد. در چنین کشورهایی، مسئله فقط رقابت در لایه نرمافزار نیست؛ بلکه اساساً باید پاسخ داده شود که آیا زیرساخت تحمل بار ناشی از دیتاسنترهای جدید را دارد یا نه.
این یعنی سیاست توسعه AI در بسیاری از کشورها ناگزیر باید با سیاست صنعتی و سیاست انرژی هماهنگ شود. هر برنامه ملی در حوزه هوش مصنوعی، اگر پیوست برق و زیرساخت نداشته باشد، روی کاغذ بلندپروازانه و در عمل محدود خواهد بود.
جمعبندی
موج هوش مصنوعی وارد مرحلهای شده که محدودیتهای فیزیکی میتوانند سرعت آن را تعیین کنند. اگر دولتها و شرکتها نتوانند همزمان با رشد مدلها، توسعه برق و زیرساخت را نیز جلو ببرند، انقلاب AI ممکن است نه به خاطر کمبود داده یا استعداد، بلکه به خاطر کمبود مگاوات، ترانس و کابل کند یا حتی متوقف شود.
در نهایت، پرسش کلیدی دیگر این نیست که «هوش مصنوعی چه کارهایی میتواند انجام دهد؟» بلکه این است که:
آیا جهان میتواند برق کافی برای انجام همه آن کارها فراهم کند؟