مطالعه‌ای جدید توسط Epoch AI، یک موسسه تحقیقاتی در سان فرانسیسکو، به بررسی افزایش سریع تقاضای انرژی ابررایانه‌ها، ناشی از پیشرفت بی‌وقفه هوش مصنوعی می‌پردازد. این تحقیق بر یک روند نگران‌کننده تاکید دارد: اگر الگوهای رشد فعلی ادامه یابد، مصرف انرژی ابررایانه‌های هوش مصنوعی می‌تواند تا پایان دهه به سطوحی بی‌سابقه برسد و به طور بالقوه نیازمند خروجی معادل چندین نیروگاه هسته‌ای برای عملکرد باشد.
افزایش مصرف انرژی: بحرانی قریب‌الوقوع؟
یافته‌های Epoch AI نشان می‌دهد که اگر افزایش سالانه دو برابری تقاضای برق بدون وقفه ادامه یابد، ابررایانه‌های پیشرو جهان می‌توانند تا سال 2030 به 9 گیگاوات (GW) برق نیاز داشته باشند. برای درک بهتر این رقم، 9 گیگاوات برای تامین برق تقریباً 7 تا 9 میلیون خانوار کافی است.
مصرف انرژی فعلی قدرتمندترین ابررایانه‌های جهان حدود 300 مگاوات (MW) است که برای تامین برق 250000 خانه کافی است. در مقایسه با این، تقاضای انرژی پیش‌بینی‌شده آینده، همانطور که محققان به درستی توصیف می‌کنند، ‘عظیم’ است.
عوامل متعددی در افزایش پیش‌بینی‌شده مصرف انرژی نقش دارند که افزایش مقیاس ابررایانه‌های هوش مصنوعی محرک اصلی آن است. Epoch AI تخمین می‌زند که اگر روند رشد فعلی ادامه یابد، یک ابررایانه هوش مصنوعی پیشرو در سال 2030 می‌تواند به 2 میلیون تراشه هوش مصنوعی نیاز داشته باشد، با هزینه ساخت سرسام‌آور 200 میلیارد دلاری.
برای مقایسه، سیستم Colossus که توسط xAI ایلان ماسک در 214 روز ساخته شده است، یکی از بزرگترین سیستم‌های موجود در حال حاضر است که شامل 200000 تراشه است و تقریباً 7 میلیارد دلار هزینه داشته است.
مسابقه تسلیحاتی ابررایانه‌ها
شرکت‌های بزرگ فناوری در یک رقابت شدید برای ساخت زیرساخت‌های محاسباتی هستند که قادر به پشتیبانی از مدل‌های هوش مصنوعی پیچیده‌تر باشند. برای مثال، OpenAI اخیراً از پروژه Stargate خود رونمایی کرد، یک ابتکار 500+ میلیارد دلاری که هدف آن توسعه ابررایانه‌های حیاتی هوش مصنوعی در طول چهار سال آینده است.
Epoch AI استدلال می‌کند که ابررایانه‌ها دیگر صرفاً ابزارهای تحقیقاتی نیستند. آنها به ‘ماشین‌های صنعتی’ تبدیل شده‌اند که ارزش اقتصادی ملموسی را ارائه می‌دهند و به عنوان زیرساخت‌های حیاتی برای عصر هوش مصنوعی عمل می‌کنند.
اهمیت روزافزون ابررایانه‌ها نیز توجه چهره‌های سیاسی را به خود جلب کرده است. در اوایل این ماه، دونالد ترامپ، رئیس جمهور سابق، سرمایه‌گذاری 500 میلیارد دلاری Nvidia در ابررایانه‌های هوش مصنوعی در ایالات متحده را در پلتفرم رسانه‌های اجتماعی خود، Truth Social، ستود و آن را ‘خبر بزرگ و هیجان‌انگیزی’ و تعهدی به ‘عصر طلایی آمریکا’ خواند.
بینش‌های مبتنی بر داده
تحقیقات Epoch AI بر اساس داده‌هایی است که تقریباً 10 درصد از تولید جهانی تراشه‌های هوش مصنوعی در سال 2023-2024 و همچنین 15 درصد از موجودی تراشه‌های شرکت‌های بزرگ تا اوایل سال 2025 را پوشش می‌دهد. این گروه از متخصصان اذعان دارند که در حالی که بهره‌وری انرژی در حال بهبود است، سرعت فعلی بهبود برای جبران رشد کلی تقاضای برق کافی نیست.
به همین دلیل است که بسیاری از غول‌های فناوری مانند مایکروسافت و گوگل و همچنین اپراتورهای مراکز داده، به دنبال راه حل‌های جایگزین مانند انرژی هسته‌ای برای تامین انرژی پایدار و بلندمدت هستند.
اگر روند فعلی ادامه یابد، نه تنها هوش مصنوعی به طور قوی‌تری توسعه خواهد یافت، بلکه مقیاس، هزینه و تقاضای انرژی سیستم‌های ابررایانه‌ای نیز به طور تصاعدی افزایش می‌یابد.
پیامدها برای آینده
مطالعه Epoch AI سوالات مهمی را در مورد پایداری بلندمدت توسعه هوش مصنوعی مطرح می‌کند. با پیچیده‌تر شدن مدل‌های هوش مصنوعی و نیاز به قدرت محاسباتی بیشتر، تقاضای انرژی ابررایانه‌ها همچنان افزایش خواهد یافت و به طور بالقوه فشار قابل توجهی بر منابع انرژی وارد می‌کند.
تاثیرات بالقوه زیست محیطی این افزایش مصرف انرژی یک نگرانی عمده است. اگر ابررایانه‌های هوش مصنوعی با سوخت‌های فسیلی تغذیه شوند، انتشار کربن ناشی از آن می‌تواند به تغییرات آب و هوایی کمک کند.
پیامدهای اقتصادی نیز قابل توجه است. هزینه ساخت و بهره برداری از ابررایانه‌های هوش مصنوعی در حال حاضر قابل توجه است و احتمالاً در سال‌های آینده بیشتر افزایش می‌یابد. این می‌تواند موانعی را برای ورود شرکت‌های کوچکتر و موسسات تحقیقاتی ایجاد کند و به طور بالقوه نوآوری در زمینه هوش مصنوعی را محدود کند.
رسیدگی به چالش‌ها
رسیدگی به چالش‌های ناشی از افزایش تقاضای انرژی ابررایانه‌های هوش مصنوعی نیازمند رویکردی چندوجهی است:
بهبود بهره‌وری انرژی: تلاش‌های مستمر برای بهبود بهره‌وری انرژی تراشه‌های هوش مصنوعی و سیستم‌های ابررایانه‌ای بسیار مهم است. این می‌تواند شامل توسعه معماری‌های سخت‌افزاری جدید، بهینه‌سازی الگوریتم‌های نرم‌افزاری و پیاده‌سازی تکنیک‌های خنک‌کننده پیشرفته باشد.
سرمایه‌گذاری در انرژی‌های تجدیدپذیر: انتقال به منابع انرژی تجدیدپذیر، مانند خورشیدی، بادی و برق آبی، می‌تواند به کاهش ردپای کربن ابررایانه‌های هوش مصنوعی کمک کند. این امر نیازمند سرمایه‌گذاری قابل توجهی در زیرساخت‌های انرژی تجدیدپذیر خواهد بود.
کاوش در پارادایم‌های محاسباتی جایگزین: تحقیق و توسعه پارادایم‌های محاسباتی جایگزین، مانند محاسبات نورومورفیک و محاسبات کوانتومی، می‌تواند منجر به سیستم‌های هوش مصنوعی با بهره‌وری انرژی بیشتر شود.
ترویج همکاری: همکاری بین محققان، صنعت و دولت برای رسیدگی به چالش‌های مصرف انرژی هوش مصنوعی ضروری است. این می‌تواند شامل اشتراک‌گذاری داده‌ها، توسعه استانداردهای مشترک و هماهنگ‌سازی تلاش‌های تحقیقاتی باشد.
سیاست و مقررات: دولت‌ها ممکن است نیاز به پیاده‌سازی سیاست‌ها و مقرراتی برای تشویق بهره‌وری انرژی و ترویج استفاده از انرژی‌های تجدیدپذیر در بخش هوش مصنوعی داشته باشند. این می‌تواند شامل تعیین استانداردهای بهره‌وری انرژی برای سخت‌افزار هوش مصنوعی و ارائه مشوق‌هایی برای استفاده از انرژی‌های تجدیدپذیر باشد.
مسیر پیش رو
توسعه هوش مصنوعی با سرعتی بی‌سابقه در حال پیشرفت است و نویدبخش ایجاد تحول در جنبه‌های مختلف زندگی ماست. با این حال، افزایش تقاضای انرژی ابررایانه‌های هوش مصنوعی یک چالش مهم را ایجاد می‌کند که باید برای اطمینان از پایداری بلندمدت توسعه هوش مصنوعی به آن رسیدگی شود.
با برداشتن گام‌های فعال برای بهبود بهره‌وری انرژی، سرمایه‌گذاری در انرژی‌های تجدیدپذیر، کاوش در پارادایم‌های محاسباتی جایگزین، ترویج همکاری و اجرای سیاست‌ها و مقررات مناسب، می‌توانیم اثرات زیست محیطی و اقتصادی مصرف انرژی هوش مصنوعی را کاهش دهیم و راه را برای آینده‌ای پایدارتر و عادلانه‌تر برای هوش مصنوعی هموار کنیم.
نگاهی دقیق‌تر به اعداد
برای درک واقعی بزرگی چالش انرژی، بیایید عمیق‌تر در اعداد ارائه شده توسط Epoch AI فرو برویم. پیش‌بینی مصرف 9 گیگاوات برق تا سال 2030 برای ابررایانه‌های رده بالا فقط یک عدد بزرگ نیست. این نشان دهنده یک تغییر قابل توجه در چشم انداز انرژی است.
در نظر بگیرید که یک نیروگاه هسته‌ای معمولی حدود 1 گیگاوات برق تولید می‌کند. مفهوم این است که اگر روند فعلی ادامه یابد، ممکن است به معادل نه نیروگاه هسته‌ای جدید اختصاص داده شده فقط برای تامین برق ابررایانه‌های هوش مصنوعی تا پایان دهه نیاز داشته باشیم. این امر نگرانی‌های متعددی را ایجاد می‌کند:
امکان‌سنجی: ساخت نه نیروگاه هسته‌ای در یک بازه زمانی نسبتاً کوتاه یک تعهد عظیم است که نیازمند سرمایه‌گذاری قابل توجه، تاییدیه نظارتی و نیروی کار ماهر است.
اثرات زیست محیطی: در حالی که انرژی هسته‌ای یک منبع انرژی کم کربن است، اما همچنان دارای اثرات زیست محیطی است، از جمله خطر حوادث و چالش دفع زباله‌های هسته‌ای.
پذیرش عمومی: درک عمومی از انرژی هسته‌ای اغلب منفی است و به دست آوردن حمایت برای پروژه‌های جدید نیروگاه هسته‌ای را دشوار می‌کند.
حتی اگر از منابع انرژی تجدیدپذیر برای تامین برق ابررایانه‌های هوش مصنوعی استفاده شود، مقیاس صرف تقاضای انرژی نیازمند گسترش قابل توجه زیرساخت‌های انرژی تجدیدپذیر خواهد بود که چالش‌هایی را از نظر استفاده از زمین، دسترسی به منابع و پایداری شبکه نیز ایجاد می‌کند.
فراتر از مصرف انرژی: سایر هزینه‌های پنهان
در حالی که مصرف انرژی برجسته‌ترین هزینه مرتبط با ابررایانه‌های هوش مصنوعی است، هزینه‌های پنهان دیگری نیز وجود دارد که نباید از آنها غافل شد:
مصرف آب: بسیاری از سیستم‌های خنک‌کننده ابررایانه‌ها به آب متکی هستند و افزایش مقیاس این سیستم‌ها منجر به افزایش قابل توجه مصرف آب می‌شود و به طور بالقوه منابع آب را در برخی مناطق تحت فشار قرار می‌دهد.
منابع مادی: ساخت ابررایانه‌های هوش مصنوعی به مقادیر زیادی مواد، از جمله سیلیکون، مواد معدنی کمیاب خاکی و سایر فلزات نیاز دارد. استخراج و پردازش این مواد می‌تواند اثرات زیست محیطی قابل توجهی داشته باشد.
زباله‌های الکترونیکی: با منسوخ شدن سخت‌افزار هوش مصنوعی، جریان رو به رشدی از زباله‌های الکترونیکی ایجاد می‌کند که باید به درستی مدیریت شوند تا از آلودگی محیط زیست جلوگیری شود.
سرمایه انسانی: توسعه و بهره‌برداری از ابررایانه‌های هوش مصنوعی نیازمند نیروی کار بسیار ماهر، از جمله مهندسان، دانشمندان و تکنسین‌ها است. انتظار می‌رود تقاضا برای این مهارت‌ها در سال‌های آینده افزایش یابد و به طور بالقوه کمبودهایی ایجاد کند و هزینه‌های نیروی کار را افزایش دهد.
نیاز به نوآوری و کارایی
با توجه به چالش‌های قابل توجه مرتبط با مصرف انرژی و سایر هزینه‌های پنهان ابررایانه‌های هوش مصنوعی، نیاز واضحی به نوآوری و کارایی در بخش هوش مصنوعی وجود دارد. این شامل:
توسعه الگوریتم‌های با بهره‌وری انرژی بیشتر: الگوریتم‌های هوش مصنوعی را می‌توان برای کاهش الزامات محاسباتی خود بهینه کرد و در نتیجه مصرف انرژی خود را کاهش داد.
طراحی سخت‌افزار با بهره‌وری انرژی بیشتر: معماری‌های سخت‌افزاری جدید را می‌توان برای به حداقل رساندن مصرف انرژی طراحی کرد، مانند تراشه‌های نورومورفیک که ساختار مغز انسان را تقلید می‌کنند.
بهبود فناوری‌های خنک‌کننده: از فناوری‌های خنک‌کننده پیشرفته، مانند خنک‌کننده مایع و خنک‌کننده مستقیم به تراشه، می‌توان برای حذف کارآمدتر گرما استفاده کرد و انرژی مورد نیاز برای خنک‌سازی را کاهش داد.
اتخاذ شیوه‌های پایدار: شرکت‌های هوش مصنوعی می‌توانند شیوه‌های پایدار را در سراسر عملیات خود اتخاذ کنند، مانند استفاده از انرژی‌های تجدیدپذیر، کاهش مصرف آب و مدیریت مسئولانه زباله‌های الکترونیکی.
فراخوان اقدام
مطالعه Epoch AI به عنوان یک زنگ بیدارباش عمل می‌کند و نیاز فوری به رسیدگی به افزایش تقاضای انرژی ابررایانه‌های هوش مصنوعی را برجسته می‌کند. با استقبال از نوآوری، کارایی و پایداری، می‌توانیم اطمینان حاصل کنیم که توسعه هوش مصنوعی بدون به خطر انداختن محیط زیست یا تحت فشار قرار دادن منابع ما، به نفع بشریت است. بر عهده محققان، رهبران صنعت، سیاست‌گذاران و افراد است که برای ایجاد آینده‌ای پایدارتر برای هوش مصنوعی با هم همکاری کنند. انتخاب‌هایی که امروز انجام می‌دهیم، آینده هوش مصنوعی و تأثیر آن بر جهان را تعیین می‌کند. بیایید عاقلانه انتخاب کنیم.