نیمهٔ اول ۲۰۲۶ با یک بیداری ناخوشایند برای صنعت هوش مصنوعی همراه بود: هزینهٔ واقعی «انقلاب شناختی» نه فقط دلار، که وات و تن کربن است. گزارشهای متعدد از نهادهای بینالمللی و تحقیقات دانشگاهی نشان داد که مصرف برق مراکز داده — که ستون فقرات آموزش و استنتاج مدلهای عظیم هستند — با سرعتی فراتر از تمام پیشبینیهای قبلی در حال افزایش است. در واکنش به این بحران، جریان سرمایهگذاری در فناوریهای جذب کربن (Carbon Capture) و حذف دیاکسید کربن از جو (CDR) نیز شتابی بیسابقه گرفت — نه صرفاً بهعنوان «مسئولیت اجتماعی»، که بهعنوان یک «ضرورت راهبردی» برای حفظ مشروعیت اجتماعی صنعت و پیشدستی بر تنظیمگریهای قریبالوقوع
۱. مقیاس مصرف: وقتی هوش مصنوعی به اندازهٔ یک کشور برق میکشد
گزارش جامع آژانس بینالمللی انرژی (IEA) که در ۲۲ مه ۲۰۲۶ منتشر شد، ارقام تکاندهندهای را آشکار کرد: مجموع مصرف برق مراکز داده، هوش مصنوعی و رمزارزها در سال ۲۰۲۵ به ۹۴۰ تراواتساعت رسیده بود — معادل مصرف برق کشور ژاپن یا مجموع مصرف آلمان و فرانسه — و پیشبینی میشود این رقم در ۲۰۲۶ از ۱۱۰۰ تراواتساعت عبور کند. آنچه نگرانکنندهتر است، سهم فزایندهٔ «هوش مصنوعی مولد» در این معادله است: در ۲۰۲۳ تنها ۴٪ از مصرف مراکز داده به هوش مصنوعی اختصاص داشت؛ در ۲۰۲۶ این سهم به ۳۸٪ جهش کرده است.
۱.۱ کالبدشکافی مصرف: آموزش در برابر استنتاج
تحلیل IEA نشان میدهد که مصرف هوش مصنوعی اکنون به دو بخش تقریباً مساوی تقسیم میشود:
- آموزش (Training): آموزش یک مدل مرزی مانند GPT-5.5 یا Claude Opus 4.6 نیازمند خوشههایی با ۱۰۰,۰۰۰ تا ۲۰۰,۰۰۰ شتابدهنده (معادل B200) است که بهطور مداوم برای ۳ تا ۶ ماه با توانی حدود ۱۵۰ تا ۳۰۰ مگاوات کار میکنند. هر چرخهٔ آموزش کامل، بین ۵۰ تا ۱۵۰ گیگاواتساعت برق مصرف میکند — معادل مصرف سالانهٔ ۱۵,۰۰۰ خانوار آمریکایی.
- استنتاج (Inference): با ورود به «عصر عاملیت» (Agentic Era) که در آن مدلها نهتنها متن تولید میکنند، بلکه کد اجرا مینمایند، زنجیرههای ابزار را مدیریت میکنند، و چرخههای خودتصحیحی را طی مینمایند، مصرف استنتاج سر به فلک کشیده است. یک پرسمان پیچیده به GPT-5.5 (مثلاً «این مخزن کد را تحلیل کن و تمام آسیبپذیریهای امنیتی را گزارش بده») میتواند ۱۰۰ تا ۵۰۰ برابر بیشتر از یک چت ساده انرژی مصرف کند. با ۹۰۰ میلیون کاربر هفتگی ChatGPT و میلیاردها فراخوانی API، مجموع مصرف استنتاج اکنون با مصرف آموزش برابری میکند.
۱.۲ چگالی توان و بحران خنکسازی
افزایش مصرف، صرفاً یک مسئلهٔ تولید برق نیست، بلکه یک چالش مهندسی حرارتی حاد است. چگالی توان در رکهای جدید NVL72 (با ۷۲ پردازندهٔ Rubin) به ۱۲۰ کیلووات در هر رک رسیده است — بیش از ۱۰ برابر یک رک سرور سنتی. دفع این گرما مستلزم خنککنندهٔ مایع مستقیم به تراشه (Direct-to-Chip) یا غوطهوری (Immersion) است که خود مصرف آب و برق اضافی تحمیل میکند. یک مرکز دادهٔ ۳۰۰ مگاواتی نسل جدید، روزانه بین ۴ تا ۷ میلیون لیتر آب برای خنکسازی مصرف میکند — معادل مصرف یک شهر ۵۰,۰۰۰ نفری.
۲. فشار تنظیمی و افکار عمومی: تابستان داغ ۲۰۲۶
در تابستان ۲۰۲۶، این ارقام به یک بحران روابط عمومی و تنظیمی برای صنعت تبدیل شد که در سه جبهه خود را نشان داد:
- جبههٔ مدنی: در ۵ ژوئن ۲۰۲۶، ائتلافی از ۱۲۰ سازمان محیط زیستی در ۳۰ کشور، «روز جهانی اعتراض به ردپای هوش مصنوعی» را برگزار کردند. معترضان در مقابل مراکز دادهٔ گوگل در دوبلین، مایکروسافت در آیووا، و AWS در ویرجینیای شمالی تجمع کردند و خواستار «شفافیت کامل در مصرف انرژی و آب» و «مالیات کربن بر استنتاج هوش مصنوعی» شدند.
- جبههٔ قانونگذاری: سناتورهای دموکرات در کنگره آمریکا «لایحهٔ شفافیت انرژی هوش مصنوعی» (AI Energy Transparency Act) را در ۱۲ ژوئن معرفی کردند که شرکتهای هوش مصنوعی را ملزم میکند مصرف برق و انتشار کربن هر مدل را — از آموزش تا استنتاج — بهطور عمومی گزارش دهند. در اتحادیه اروپا نیز کمیسیون اروپا اعلام کرد که «الزامات پایداری» را به نسخهٔ بعدی EU AI Act (که برای ۲۰۲۸ برنامهریزی شده) اضافه خواهد کرد.
- جبههٔ زیرساختی: در مناطق کلیدی — بهویژه ویرجینیای شمالی (بزرگترین قطب مراکز داده جهان) — شرکتهای برق رسماً به چندین پروژهٔ جدید مراکز داده اعلام کردند که «تا ۵ سال آینده ظرفیت تأمین برق ندارند». این کمبود، عملاً به یک «محدودیت فیزیکی» برای توسعهٔ هوش مصنوعی تبدیل شده است.
۳. مسابقهٔ جذب کربن: از شعار تا میلیاردها دلار
در واکنش به این فشارها، سرمایهگذاری در فناوریهای جذب و ذخیرهسازی کربن (CCS) و حذف دیاکسید کربن (CDR) در نیمهٔ اول ۲۰۲۶ رکورد شکست — نه بهعنوان «نیکوکاری زیستمحیطی»، که بهعنوان یک «استراتژی دفاعی» برای حفظ مجوز فعالیت.
۳.۱ تعهدات غولهای فناوری
- مایکروسافت در ۳۰ آوریل ۲۰۲۶ اعلام کرد که قراردادی ۱۰ ساله به ارزش ۷ میلیارد دلار با شرکت CarbonCapture Inc. برای جذب ۵ میلیون تن CO₂ در سال از جو — معادل ۵۰٪ از ردپای کربن تخمینی عملیات هوش مصنوعیاش — امضا کرده است. این بزرگترین قرارداد CDR در تاریخ است. فناوری مورد استفاده، «جذب مستقیم از هوا» (Direct Air Capture — DAC) با جاذبهای جامد مدولار است که انرژی آن از یک نیروگاه هستهای کوچک (SMR) تأمین میشود.
- گوگل متعهد شده است تا ۲۰۳۰ تمام مراکز دادهاش را با «انرژی بدون کربن ۲۴/۷» (۲۴/۷ Carbon-Free Energy) تأمین کند — نه صرفاً جبران سالانه، که تطابق لحظهبهلحظه. برای این منظور، ۴ میلیارد دلار در پروژههای زمینگرمایی پیشرفته (Enhanced Geothermal) و راکتورهای همجوشی کوچک (با همکاری Helion Energy) سرمایهگذاری کرده است.
- انویدیا که پیشتر تأکید داشت «مصرف انرژی را نباید با ردپای کربن اشتباه گرفت»، اکنون با انتشار گزارش پایداری ۲۰۲۶ خود، اعلام کرد که Vera Rubin در مقایسه با Blackwell با ۱۰ برابر بهبود بازدهی انرژی (توکن/وات) همراه است و تمامی مراکز دادهٔ مجهز به Vera Rubin میتوانند با گواهی «کربن خنثی» (Carbon-Neutral) کار کنند.
۳.۲ فناوریهای نوظهور در کانون توجه
فراتر از DAC سنتی، ۲۰۲۶ شاهد ورود سرمایه به فناوریهای رادیکالتر جذب کربن بود:
- کانیسازی تسریعشده (Enhanced Weathering): استارتاپهایی مانند Lithos Carbon و Eion با پخش سنگهای بازالتی خردشده روی زمینهای کشاورزی، CO₂ را بهطور دائم در سنگها ذخیره میکنند. هزینهٔ این روش ۱۰۰-۲۰۰ دلار به ازای هر تن CO₂ است — بالاتر از DAC با انرژی هستهای، اما با دوام بیشتر.
- اقیانوسقلواییسازی (Ocean Alkalinity Enhancement): استارتاپهایی مانند Vesta و Planetary Technologies با افزودن مواد قلیایی به آب اقیانوسها، ظرفیت جذب CO₂ آنها را افزایش میدهند. این روش پتانسیل جذب گیگاتنی کربن را دارد، اما نگرانیهای اکولوژیک دربارهٔ تأثیر آن بر زیستبومهای دریایی همچنان حلنشده باقی مانده است.
- بیوچار (Biochar): یک فناوری باستانی که اکنون با هوش مصنوعی بهینه میشود: سوزاندن زیستتوده در غیاب اکسیژن و تبدیل آن به زغال زیستی که برای قرنها کربن را در خاک نگه میدارد.
۴. جدول دادههای کلیدی بحران انرژی و جذب کربن (۲۰۲۶)
| شاخص | مقدار/وضعیت |
|---|---|
| مصرف برق مراکز داده + AI + رمزارزها (۲۰۲۶) | ~۱۱۰۰ تراواتساعت (پیشبینی) |
| سهم هوش مصنوعی مولد از این مصرف | ۳۸٪ |
| مصرف یک چرخهٔ آموزش مدل مرزی | ۵۰-۱۵۰ گیگاواتساعت |
| چگالی توان رک NVL72 | ۱۲۰ کیلووات/رک |
| مصرف آب یک مرکز دادهٔ ۳۰۰ مگاواتی | ۴-۷ میلیون لیتر/روز |
| بزرگترین قرارداد CDR (مایکروسافت + CarbonCapture) | ۷ میلیارد دلار / ۵ میلیون تن CO₂/سال |
| هزینهٔ هر تن CO₂ با DAC (انرژی هستهای) | ۲۰۰-۳۰۰ دلار |
| هزینهٔ هر تن CO₂ با Enhanced Weathering | ۱۰۰-۲۰۰ دلار |
| تعهد گوگل به انرژی بدون کربن ۲۴/۷ | تا ۲۰۳۰ |
| بهبود بازدهی انرژی Vera Rubin نسبت به Blackwell | ۱۰ برابر (توکن/وات) |
| تعداد کشورهای شرکتکننده در اعتراضات ۵ ژوئن | ۳۰ کشور / ۱۲۰ سازمان |
۵. پارادوکس بنیادین و چشمانداز آینده
صنعت هوش مصنوعی با یک پارادوکس بنیادین دستوپنجه نرم میکند که حل آن آسان نیست: از یک سو، هوش مصنوعی بهعنوان ابزاری برای بهینهسازی مصرف انرژی جهانی — از شبکههای برق هوشمند گرفته تا طراحی مواد جدید برای پنلهای خورشیدی — وعده داده میشود. از سوی دیگر، خود این فناوری به یکی از بزرگترین مصرفکنندگان برق جهان تبدیل شده است. این تناقض، پرسشی اخلاقی و عملی را مطرح میکند: آیا منطقی است که ۵٪ از برق جهان را صرف آموزش و اجرای مدلهایی کنیم که شاید ۱٪ در بهرهوری انرژی صرفهجویی کنند؟
پاسخ صنعت — که در شتاب سرمایهگذاری در جذب کربن منعکس شده — این است که «ما ردپای خود را جبران میکنیم.» اما منتقدان — از جمله دانشمندان اقلیم — این استدلال را «حسابداری کربنی خلاقانه» مینامند: جذب کربن هنوز در مقیاس مورد نیاز اثبات نشده، و بسیاری از قراردادهای CDR «تحویلهای آینده» (Future Deliveries) را وعده میدهند که ممکن است هرگز محقق نشوند. بهگفتهٔ یک تحلیلگر ارشد IEA: «صنعت هوش مصنوعی در حال شرطبندی بر فناوریای است که امروز در مقیاس لازم وجود ندارد، به امید اینکه تا ۲۰۳۰ اختراع شود. این یک قمار اقلیمی است.»
سال ۲۰۲۶ نشان داد که «انرژی» از یک دغدغهٔ لجستیکی به «گلوگاه اصلی» و از آنجا به «بحران مشروعیت» برای صنعت هوش مصنوعی تبدیل شده است. در این چشمانداز، شرکتهایی که بتوانند ابتدا به «کربن منفی واقعی» (Truly Carbon-Negative) دست یابند — نه صرفاً از طریق خرید آفستهای dubious — یک مزیت رقابتی عمیق در برابر تنظیمگران و افکار عمومی کسب خواهند کرد. و این مزیت، شاید در دههٔ پیش رو، به اندازهٔ خودِ عملکرد مدلها تعیینکننده باشد.
۹ پاسخ به “بحران انرژی و محیط زیست: ردپای عظیم هوش مصنوعی و مسابقه برای جبران”
بدک نبود در کل
تشکر
تشکر
عالی بود مرسی 🔥
جالبه
دقیقا همینطوره
بدک نبود در کل
بدک نبود در کل
مرسی بابت محتوای ناب