به گزارش برق مدیا، دیتاسنترهایی که برای آموزش و اجرای مدل‌های هوش مصنوعی ساخته می‌شوند، به مجموعه‌ای از پردازنده‌های پرمصرف، سیستم‌های خنک‌کننده و تجهیزات برق‌رسانی نیاز دارند و همین موضوع باعث شده برق، از یک نیاز جانبی برای توسعه AI به یکی از محدودکننده‌های اصلی آن تبدیل شود.
تازه‌ترین خبرها از گوشه گوشه دنیا از آمریکا، استرالیا تا چین و تایوان گرفته تا اروپا نشان می‌دهد که این مسئله دیگر یک پیش‌بینی بلندمدت نیست؛ شبکه‌های برق همین حالا در حال واکنش به موج جدید تقاضای دیتاسنترها هستند.
دیتاسنترها چقدر برق می‌خواهند؟
آخرین داده‌های آژانس بین‌المللی انرژی نشان می‌دهد مصرف برق دیتاسنترها در جهان در سال ۲۰۲۵ حدود ۱۷ درصد افزایش یافته. اما رشد دیتاسنترهای متمرکز بر هوش مصنوعی بسیار سریع‌تر بوده و مصرف برق این مراکز در همین سال حدود ۵۰ درصد افزایش پیدا کرده است.
این تفاوت اهمیت زیادی دارد؛ زیرا مسئله فقط افزایش تعداد دیتاسنترها نیست، چرا که افزایش شدت مصرف برق هر دیتاسنتر نیز در حال تغییر معادله است.
آژانس بین‌المللی انرژی در برآوردهای خود پیش‌بینی کرده که مصرف برق دیتاسنترهای جهان از حدود ۴۱۵ تراوات‌ساعت در سال ۲۰۲۴ به حدود ۹۴۵ تراوات‌ساعت در سال ۲۰۳۰ برسد؛ یعنی بیش از دو برابر شود. این رقم تقریبا معادل مصرف سالانه برق ژاپن در شرایط فعلی است.
نکته مهم‌تر این است که هوش مصنوعی اصلی‌ترین موتور این رشد خواهد بود و مصرف برق دیتاسنترهای بهینه‌شده برای AI طبق برآورد آژانس بین‌المللی انرژی تا ۲۰۳۰ بیش از چهار برابر خواهد شد.
البته نباید این اعداد را به معنای آن دانست که تمام مصرف ۹۴۵ تراوات‌ساعتس مربوط به AI است. دیتاسنترها همچنان میزبان خدمات ابری، ذخیره‌سازی، جست‌وجو، شبکه‌های اجتماعی و سایر فعالیت‌های دیجیتال هستند. اما سهم AI با سرعت بیشتری در حال افزایش است.
مسئله جدید: یک دیتاسنتر می‌تواند اندازه یک شهر برق بخواهد
یکی از مهم‌ترین تغییرات در نسل جدید دیتاسنترها، مقیاس آنهاست، چون دیتاسنترهای معمولی هم مصرف‌کننده بزرگی هستند، اما مصرف مراکز طراحی‌شده برای آموزش مدل‌های بزرگ AI می‌توانند به صدها مگاوات و در برخی موارد به مقیاس گیگاوات برسد.
مطالعه‌ای که در مجله Next Energy منتشر شده، تاکید می‌کند که دیتاسنترهای AI یک نوع جدید از بار الکتریکی هستند: بسیار بزرگ، متراکم و دارای تغییرات زمانی قابل‌توجه در مصرف برق. این مطالعه چالش‌های آنها را نه فقط در برنامه‌ریزی بلندمدت، بلکه در بازار برق، بهره‌برداری کوتاه‌مدت و حتی پایداری لحظه‌ای شبکه بررسی کرده است. این یعنی صنعت برق با مصرف‌کننده‌ای مواجه شده که فقط «بزرگ» نیست؛ بلکه ویژگی‌های فنی متفاوتی نیز دارد.
دیتاسنترها شبکه را به دنبال خود می‌کشند
در آمریکا مسئله حتی جدی‌تر است. بزرگ‌ترین اپراتور شبکه برق آمریکا (PJM)، در هفته گذشته پیشنهاد کرده است چارچوبی ایجاد شود که در شرایط اضطراری، مصرف دیتاسنترها بتواند کاهش پیدا کند یا حتی آنها موقتا از شبکه جدا شوند تا جریان برق برای سایر مصرف‌کنندگان حفظ شود.
این پیشنهاد یک تغییر مهم در نگاه صنعت برق به دیتاسنترهاست.
تا پیش از این، یک مصرف‌کننده بزرگ معمولا به‌عنوان مشتری‌ای دیده می‌شد که باید برق موردنیازش را دریافت کند اما با رشد AI، برخی اپراتورهای شبکه در حال حرکت به سمت مدلی هستند که در آن دیتاسنتر بزرگ باید در مواقع بحران انعطاف‌پذیری مصرف داشته باشد.
به زبان ساده بای گفت اگر شبکه برق تحت فشار قرار گرفت، ممکن است دیتاسنتر AI مجبور شود مصرف خود را کم کند تا برق مشترکان عادی قطع نشود.
مشکل فقط تولید برق نیست؛ شبکه انتقال هم کم آورده است
یکی از اشتباهات رایج در تحلیل مصرف برق دیتاسنترها این است که مسئله را صرفا به ساخت نیروگاه جدید محدود کنیم.
حتی اگر نیروگاه وجود داشته باشد، برق باید از محل تولید به دیتاسنتر برسد، خبرهای هفته اخیر آمریکا نشان می‌دهد محدودیت شبکه انتقال به یکی از موانع جدی توسعه دیتاسنترها تبدیل شده است.
روی شبکهPJM، هزینه‌های ناشی از ازدحام و محدودیت انتقال در نیمه نخست ۲۰۲۶ به حدود ۶ میلیارد دلار رسیده که ۴۳ درصد بیشتر از مدت مشابه قبل است. افزایش تقاضا از سوی دیتاسنترها، خودروهای برقی و تجهیزات برقی گرمایشی در کنار سایر عوامل به فشار بر شبکه اضافه کرده‌اند.
گفته می‌شود در تگزاس هم توقف یا تاخیر برخی پروژه‌های خطوط انتقال، نگرانی‌هایی درباره توان شبکه برای پاسخگویی به رشد دیتاسنترها ایجاد کرده است.
بنابراین برای یک دیتاسنتر بزرگ، سه سوال باید همزمان پاسخ داده شود:
نیروگاه کجاست؟
خط انتقال کجاست؟
و اتصال به شبکه چه زمانی آماده می‌شود؟
یک مشکل مهم‌تر: دیتاسنتر سریع ساخته می‌شود، شبکه نه
یکی از بزرگ‌ترین شکاف‌های میان صنعت فناوری و صنعت برق شکل فاصله زمانی مورد نیاز برای ساخت نیروگاه و شبکه برق تا راه‌اندازی و به‌کار گیری یک دیتاسنتر است.
ساخت خطوط انتقال و پست‌های جدید برق ممکن است ۵ تا ۱۰ سال طول بکشد. در مقابل، یک دیتاسنتر ممکن است طی ۱۲ تا ۲۴ ماه آماده بهره‌برداری شود. این اختلاف زمانی، یکی از مهم‌ترین گلوگاه‌های توسعه AI است.
به همین دلیل رقابت شرکت‌های فناوری دیگر فقط بر سر تراشه، زمین و نیروی انسانی نیست؛ برق آماده اتصال هم حالا به یک رقابت جدی تبدیل شده.
دیتاسنترها نیروگاه خودشان را می‌سازند
ساخت نیروگاه توسط شرکت‌های فناوری شاید یکی از مهم‌ترین تغییرات در بازار برق باشد.
شرکت‌های فناوری در آمریکا increasingly به سمت تولید برق پشت کنتور یا Behind-the-meter رفته‌اند؛ یعنی به جای اینکه تمام برق مورد نیاز خود را از شبکه دریافت کنند، بخشی از آن را در محل یا در کنار دیتاسنتر تولید می‌کنند.
روی دیگر این ماجرا، افزایش تقاضا برای نیروگاه‌های گازی است.
گزارش‌های اخیر نشان می‌دهد شرکت‌های بزرگ فناوری و توسعه‌دهندگان دیتاسنترها برای تامین برق AI به سمت نیروگاه‌های گازسوز، قراردادهای بلندمدت و حتی تولید اختصاصی برق رفته‌اند و به همین دلیل حتی تجهیزات نیروگاه‌ها هم به گلوگاه تبدیل شده‌اند.
رشد تقاضای دیتاسنترها باعث شده تجهیزات مورد نیاز برای تامین برق آنها، از جمله توربین‌های گازی، ترانسفورماتورها و تجهیزات قدرت نیز اهمیت بیشتری پیدا کنند.
راه‌حل چیست؟ باتری، برق اختصاصی و مصرف انعطاف‌پذیر
کشورها و شرکت‌ها حالا مجموعه‌ای از راهکارها را برای تبدیل نشدن تامین برق دیتاسنترها به بحران، دنبال می‌کنند که این راهکارها عبارتند از:
1- نیروگاه اختصاصی: برخی دیتاسنترها به سمت نیروگاه‌های گازی یا منابع تولید اختصاصی می‌روند تا وابستگی خود به شبکه را کاهش دهند.
2- خطوط مستقیم: تایوان نمونه‌ای از حرکت به سمت اتصال مستقیم دیتاسنترهای AI به منابع تولید برق است.
3- باتری و ذخیره‌ساز: ذخیره‌سازها می‌توانند در زمان اوج مصرف یا نوسان بار به کاهش فشار روی شبکه کمک کنند؛ تایوان نیز روی این راهکار تمرکز کرده است.
4- کاهش مصرف در زمان بحران: پیشنهاد PJM برای محدودکردن مصرف دیتاسنترها در شرایط اضطراری نمونه‌ای از حرکت به سمت مصرف انعطاف‌پذیر است.
5- انتخاب محل بر اساس برق: در اروپا نیز توسعه‌دهندگان دیتاسنترها به مناطقی می‌روند که زمین و برق ارزان‌تر و اتصال سریع‌تر به شبکه داشته باشند.
چه کسی پول برق AI را می‌دهد؟
با افزایش مصرف دیتاسنترها، یک بحث اقتصادی نیز در حال شکل‌گیری است. اگر یک شرکت فناوری یک دیتاسنتر عظیم بسازد و برای اتصال آن به شبکه نیاز به پست، خط انتقال و حتی نیروگاه جدید باشد، آیا هزینه این زیرساخت باید توسط همان شرکت پرداخت شود یا میان تمام مشترکان شبکه تقسیم شود؟
این موضوع در هفته اخیر در تحلیل‌های اقتصادی و سیاست‌گذاری نیز برجسته شده است. پژوهشگران London School of Economics در گزارشی در پرسیده‌اند که هزینه واقعی برق دیتاسنترهای AI بر دوش چه کسی خواهد بود و آیا هزینه‌های توسعه زیرساخت نباید به‌طور کامل بر عهده بهره‌برداران دیتاسنتر قرار گیرد.
این بحث برای کشورهایی که با کمبود ظرفیت تولید یا محدودیت شبکه مواجه هستند، اهمیت بیشتری دارد.
هوش مصنوعی؛ تهدیدی برای شبکه یا فرصتی برای آن؟
باید گفت AI فقط یک تهدید برای شبکه برق نیست و می‌تواند در طرف دیگر معادله به صنعت برق کمک هم بکند؛ از پیش‌بینی مصرف و تولید تجدیدپذیر گرفته تا تشخیص خطا، بهینه‌سازی شبکه، مدیریت باتری‌ها و کاهش مصرف انرژی.
آژانس بین المللی انرژی هم تاکید دارد که AI در صورت استفاده درست می‌تواند به تحول بخش انرژی و افزایش بهره‌وری کمک کند.
ایران در کجای این معادله قرار می‌گیرد؟
این بحث برای ایران از دو جهت اهمیت دارد.
از یک سو، ایران برای توسعه اقتصاد دیجیتال، خدمات ابری و هوش مصنوعی به دیتاسنترهای بزرگ‌تر نیاز خواهد داشت.
از سوی دیگر، شبکه برق کشور همین حالا با ناترازی تولید و مصرف، محدودیت سرمایه‌گذاری و چالش توسعه زیرساخت مواجه است.
بنابراین اگر قرار باشد دیتاسنترهای بزرگ AI در ایران توسعه پیدا کنند، سوال مهم فقط این نیست که «چند دیتاسنتر لازم است؟»
بلکه باید از ابتدا مشخص شود که ظرفیت برق موردنیاز آنها چقدر است؟
این ظرفیت از کجا تامین خواهد شد؟
آیا نیروگاه اختصاصی خواهند داشت؟
چه میزان از برق آنها باید تجدیدپذیر باشد؟
هزینه توسعه خطوط انتقال و پست‌ها را چه کسی پرداخت می‌کند؟
آیا دیتاسنترها در زمان اوج مصرف قابلیت کاهش بار دارند؟
آیا برای آنها تعرفه و مدل اتصال متفاوتی باید تعریف شود؟
و مهم‌تر از همه، آیا توسعه دیتاسنتر نباید همزمان با توسعه ظرفیت تولید و شبکه برق برنامه‌ریزی شود؟
تجربه یک هفته اخیر جهان نشان می‌دهد پاسخ به این سوال‌ها دیگر نمی‌تواند به آینده موکول شود.