تکناو
TEKNAV

آینده فناوری

بحران انرژی هوش مصنوعی: رنسانس هسته‌ای در دیتاسنترها

کالبدشکافی مصرف ۵ گیگاواتی دیتاسنترها در سال ۱۴۰۵ و قراردادهای تاریخی مایکروسافت و گوگل با نیروگاه‌های هسته‌ای.

پاسخ کوتاه: بحران انرژی هوش مصنوعی در سال ۱۴۰۵ به نقطه بحرانی رسیده است و دیتاسنترهای عظیم مورد نیاز برای آموزش و اجرای مدل‌های هوش مصنوعی، مصرف برق جهانی را به شدت افزایش داده‌اند. یک دیتاسنتر مدرن می‌تواند به اندازه یک شهر کوچک برق مصرف کند. در پاسخ به این بحران، غول‌های فناوری به سمت رنسانس هسته‌ای حرکت کرده‌اند و راکتورهای کوچک مدولار (SMR) را در کنار دیتاسنترها مستقر می‌کنند. مایکروسافت، گوگل و آمازون همگی قراردادهای بلندمدت برای تأمین انرژی هسته‌ای امضا کرده‌اند تا بتوانند رشد نمایی تقاضای محاسباتی را بدون تخریب محیط زیست پاسخ دهند.

در اردیبهشت ۱۴۰۵، صنعت هوش مصنوعی با واقعیتی تلخ، فیزیکی و اجتناب‌ناپذیر روبروست که فراتر از هرگونه بهینه‌سازی نرم‌افزاری یا افزایش تعداد پارامترهاست: بحران انرژی ۲۰۲۶. رشد انفجاری مدل‌های زبانی تریلیون پارامتری و نیاز به دیتاسنترهای گیگاواتی، شبکه‌های برق سنتی جهان را به مرز فروپاشی کشانده است. در پاسخ به این بن‌بست انرژی، غول‌های فناوری سیلیکون‌ولی به سمت راهکاری جسورانه، کربن-صفر و قدیمی بازگشته‌اند که بسیاری آن را فراموش کرده بودند: رنسانس هسته‌ای هوش مصنوعی.

در این گزارش ویژه و اختصاصی، به بررسی کالبدشکافی مصرف انرژی در عصر استنتاج هوشمند، ظهور رآکتورهای مدولار کوچک (SMR)، قراردادهای تاریخی «انرژی در برابر هوش» و تاثیر این بحران بر قیمت‌گذاری خدمات دیجیتال در سال ۲۰۲۶ می‌پردازیم.

۱. دیتاسنترهای گیگاواتی: هیولاهایی که با الکترون تغذیه می‌شوند

تا پیش از سال ۱۴۰۴، یک دیتاسنتر «بزرگ» معمولاً بین ۲۰ تا ۵۰ مگاوات برق مصرف می‌کرد. اما در سال ۱۴۰۵، پروژه‌هایی نظیر دیتاسنتر «Hyperion» مایکروسافت در ایالات متحده برای مصرف خیره‌کننده‌ی ۵ گیگاوات برق طراحی شده‌اند؛ این یعنی معادل خروجی کامل ۵ نیروگاه اتمی بزرگ سنتی. طبق آمارهای رسمی، مصرف برق دیتاسنترهای هوش مصنوعی در سال ۲۰۲۶ از مرز ۱۱۰۰ تراوات‌ساعت عبور کرده که با کل مصرف انرژی سالانه کشوری پیشرفته مثل ژاپن برابری می‌کند.

«ما به دیواری برخورد کرده‌ایم که هیچ الگوریتمی نمی‌تواند آن را بشکند. شما نمی‌توانید با بهینه‌سازی کد، قوانین پایه فیزیک و ترمودینامیک را دور بزنید. هوش مصنوعی در سطح تمدنی نیازمند جریان عظیمی از الکترون‌های واقعی است و شبکه برق فعلی جهان برای چنین بار محاسباتی متمرکزی طراحی نشده است. در سال ۱۴۰۵، جنگ بر سر GPUها به جنگ بر سر ترانسفورماتورهای برق تبدیل شده است.»

در نمودار تعاملی زیر، مقایسه مصرف انرژی در فاز آموزش (Training) و فاز استنتاج (Inference) را در سال ۲۰۲۶ مشاهده می‌کنید. توجه کنید که به دلیل استفاده همگانی از عامل‌های هوشمند خودمختار، سهم استنتاج به ۸۵٪ از کل بار مصرفی انرژی هوش مصنوعی رسیده است.

SMRها: رآکتورهای کوچکی که تمدن دیجیتال را نجات می‌دهند

نیروگاه هسته‌ای با برج‌های خنک‌کننده در کنار زیرساخت دیتاسنتر
نیروگاه هسته‌ای در کنار زیرساخت ارتباطی دیجیتال — مایکروسافت، گوگل و آمازون قراردادهای بلندمدت با نیروگاه‌های هسته‌ای برای تامین انرژی خالص دیتاسنترهای هوش مصنوعی بسته‌اند

راهکار نهایی و استراتژیک غول‌های فناوری (مایکروسافت، گوگل، آمازون و متا) در سال جاری، سرمایه‌گذاری مستقیم بر روی رآکتورهای مدولار کوچک (Small Modular Reactors) است. این رآکتورها که در کارخانه‌ها به صورت پیش‌ساخته تولید و در محل دیتاسنتر نصب می‌شوند، ظرفیتی بین ۵۰ تا ۳۰۰ مگاوات دارند. برخلاف نیروگاه‌های اتمی غول‌پیکر قدیمی، SMRها بسیار ایمن‌تر هستند، خطر ذوب شدن ندارند و می‌توانند به صورت یک «میکروگرید اختصاصی»، دیتاسنتر را کاملاً از شبکه برق عمومی و ناپایدار شهری مستقل کنند.

قراردادهای تاریخی سال ۲۰۲۶: در فروردین ماه امسال، مایکروسافت قرارداد انحصاری ۲۰ ساله‌ای برای بازگشایی واحد ۱ نیروگاه هسته‌ای Three Mile Island امضا کرد. تمام برق تولیدی این نیروگاه صرفاً برای تغذیه سرورهای Azure AI استفاده خواهد شد. این اولین بار در تاریخ است که یک شرکت نرم‌افزاری، صاحب مستقیم یک نیروگاه هسته‌ای می‌شود.

۲. مالیاتِ هوش مصنوعی: وقتی قبض برق شهروندان بالا می‌رود

در مناطقی که تمرکز دیتاسنترها بالاست (مانند شمال ویرجینیا یا بخش‌هایی از ایرلند)، فشار بیش از حد به شبکه باعث افزایش ۲۰ درصدی قیمت برق برای شهروندان عادی شده است. این موضوع در سال ۱۴۰۵ به یک چالش سیاسی و اجتماعی بزرگ تبدیل شده و دولت‌ها را مجبور به وضع قوانین «اولویت‌بندی انرژی» کرده است. طبق قوانین جدید اتحادیه اروپا، شرکت‌های هوش مصنوعی موظف هستند به ازای هر وات ساعت مصرفی برای مدل‌های خود، دو وات ساعت ظرفیت انرژی تجدیدپذیر (خورشیدی یا بادی) به شبکه ملی اضافه کنند.

۳. سخت‌افزارِ سبز: راهکار تراشه‌های نوری و Rubin

بحران انرژی باعث شده تا تمرکز مهندسان از «قدرت خام پردازشی» به سمت «بازدهی به ازای هر وات» تغییر یابد. تراشه‌های نسل جدید سال ۲۰۲۶ مانند NVIDIA Rubin با استفاده از معماری نانومتری پیشرفته، مصرف انرژی را در هر عملیات استنتاج تا ۶۰٪ نسبت به نسل Blackwell کاهش داده‌اند. همچنین استفاده گسترده از Optical Interconnects (اتصالات نوری) به جای سیم‌های مسی در داخل رک‌های سرور، از هدررفت انرژی به صورت گرمای زائد تا حد زیادی جلوگیری کرده و نیاز به خنک‌سازی را کاهش داده است.

در ایران، استارتاپ‌های هوش مصنوعی به دلیل محدودیت‌های تامین برق در تابستان، به سمت متدولوژی «یادگیری ماشین لبه‌ای» (Edge AI) حرکت کرده‌اند. آن‌ها با استفاده از تکنیک‌های فشرده‌سازی مدل (Pruning & Quantization)، مدل‌های خود را برای اجرا بر روی سخت‌افزارهای کم‌مصرف بومی بهینه‌سازی می‌کنند تا پایداری خدمات خود را در شرایط بحرانی حفظ کنند.

مقایسه منابع انرژی برای دیتاسنترهای هوش مصنوعی در سال ۱۴۰۵

با رشد نمایی تقاضای محاسباتی، انتخاب منبع انرژی مناسب برای دیتاسنترها به یک تصمیم استراتژیک حیاتی تبدیل شده است. هر منبع انرژی مزایا و معایب خاص خود را دارد و شرکت‌های فناوری به طور فزاینده‌ای به سمت ترکیبی از انرژی هسته‌ای و تجدیدپذیر حرکت می‌کنند. جدول زیر مقایسه‌ای جامع از گزینه‌های موجود ارائه می‌دهد.

همانطور که مشاهده می‌شود، انرژی هسته‌ای با ارائه ترکیبی از پایداری، ظرفیت بالا و عدم انتشار کربن، به گزینه اصلی برای نسل بعدی دیتاسنترهای هوش مصنوعی تبدیل شده است.

منبع انرژیپایداریانتشار کربنمناسب برای
انرژی هسته‌ای (SMR)بسیار بالا، ۲۴ ساعتهصفردیتاسنترهای هیپرمقیاس
انرژی خورشیدیمتوسط، وابسته به روزصفربار پایه در ساعات روز
انرژی بادیمتوسط، وابسته به بادصفرمناطق بادخیز ساحلی
گاز طبیعیبالا، ۲۴ ساعتهمتوسطراه‌حل موقت گذار
ذخیره‌سازی باتریمحدود، چند ساعتوابسته به منبع شارژپشتیبان و پیک‌سایی

این جدول نشان می‌دهد که چرا رویکرد ترکیبی شامل انرژی هسته‌ای پایدار به همراه انرژی‌های تجدیدپذیر و سیستم‌های ذخیره‌سازی، بهترین استراتژی برای دیتاسنترهای آینده است و رنسانس هسته‌ای در صنعت فناوری اجتناب‌ناپذیر به نظر می‌رسد.

نتیجه‌گیری: هوش مصنوعی پایدار یا خاموشیِ دیجیتال؟

بحران انرژی هوش مصنوعی در سال ۱۴۰۵ ثابت کرد که پیشرفت‌های شگفت‌انگیز دیجیتال بدون یک زیرساخت فیزیکی و انرژی پایدار، مانند قصری بر روی شن است. آینده هوش مصنوعی در دست شرکت‌هایی نخواهد بود که فقط بهترین کدها یا بزرگترین مجموعه داده‌ها را دارند، بلکه در دست کسانی است که «حاکمیت بر منابع انرژی» را در اختیار دارند.

تلاقی غیرمنتظره تکنولوژی هسته‌ای و هوش مصنوعی، پارادایم جدیدی را ایجاد کرده است که در آن «پایداری» (Sustainability) دیگر یک شعار تبلیغاتی برای جذب سرمایه نیست، بلکه یک شرط حیاتی برای بقای اقتصادی و فنی است. اگر نتوانیم راهی برای تامین انرژی این مغزهای دیجیتال بدون تخریب محیط‌زیست پیدا کنیم، عصر طلایی هوش مصنوعی ممکن است با یک خاموشی بزرگ و تلخ به پایان برسد. تکناو شما را در جریان این نبرد پنهان برای انرژی نگه خواهد داشت.

پرسش‌های پرتکرار

چرا دیتاسنترهای هوش مصنوعی اینقدر انرژی مصرف می‌کنند؟

مدل‌های زبانی بزرگ و هوش مصنوعی مولد نیازمند پردازنده‌های گرافیکی قدرتمندی هستند که هر کدام صدها وات برق مصرف می‌کنند. یک دیتاسنتر مدرن با ده‌ها هزار GPU می‌تواند به اندازه یک شهر ۵۰ هزار نفری برق مصرف کند. همچنین سیستم‌های خنک‌کننده این مراکز خود بخش قابل توجهی از انرژی را مصرف می‌کنند.

راکتورهای کوچک مدولار (SMR) چه کمکی به دیتاسنترها می‌کنند؟

راکتورهای کوچک مدولار (Small Modular Reactors) نسل جدیدی از نیروگاه‌های هسته‌ای هستند که در ابعاد کوچک و با ایمنی بالاتر ساخته می‌شوند. این راکتورها می‌توانند مستقیماً در کنار دیتاسنترها مستقر شوند و برق پاک، پایدار و ۲۴ ساعته را بدون وابستگی به شبکه برق سراسری تأمین کنند.

کدام شرکت‌های بزرگ فناوری در حال سرمایه‌گذاری روی انرژی هسته‌ای هستند؟

مایکروسافت قراردادی برای راه‌اندازی مجدد نیروگاه هسته‌ای Three Mile Island امضا کرده است. گوگل با شرکت Kairos Power برای توسعه راکتورهای پیشرفته همکاری می‌کند. آمازون نیز دیتاسنترهای جدید خود را در مجاورت نیروگاه‌های هسته‌ای موجود احداث می‌کند. این روند نشان‌دهنده پذیرش انرژی هسته‌ای به عنوان راه‌حل اصلی بحران انرژی هوش مصنوعی است.

آیا انرژی‌های تجدیدپذیر به تنهایی کافی نیستند؟

انرژی‌های خورشیدی و بادی به دلیل نوسانات تولید (وابستگی به شرایط جوی) نمی‌توانند به تنهایی نیاز پایدار ۲۴ ساعته دیتاسنترها را تأمین کنند. دیتاسنترهای هوش مصنوعی نیازمند منبع انرژی پیوسته و قابل اطمینان هستند و به همین دلیل ترکیب انرژی هسته‌ای با تجدیدپذیرها به عنوان راه‌حل اصلی مطرح شده است.