گارتنر پیشبینی میکند مصرف برق مراکز داده جهانی در سال ۲۰۲۶ با ۲۶ درصد افزایش به ۵۶۵ تراوات ساعت میرسد و تا ۲۰۳۰ از ۱۲۰۰ تراوات ساعت فراتر خواهد رفت. این رشد بیسابقه عمدتاً ناشی از تقاضای فزاینده برای بارهای کاری هوش مصنوعی است. انتظار میرود سرورهای بهینهسازی شده برای هوش مصنوعی تا ۲۰۲۷ برای اولین بار بیش از سرورهای معمولی برق مصرف کنند و تا ۲۰۳۰ نزدیک به نیمی از کل مصرف برق مراکز داده را به خود اختصاص دهند. سیستمهای خنککننده نیز سهم فزایندهای از مصرف را دارند.
این افزایش شدید مصرف، شبکههای برق را تحت فشار قرار داده و منجر به مسدود شدن پروژههای مراکز داده و روی آوردن برخی اپراتورها به ژنراتورهای گازی شده است. گارتنر هشدار میدهد که عرضه شبکه برق تا ۲۰۳۰ کافی نخواهد بود. برای مدیریت این محدودیت، ارتقاء بهرهوری، دسترسی ایمن به شبکه و سرمایهگذاری در خنککنندههای با راندمان بالا و رایانش لبه ضروری است. شرکتهایی مانند متا نیز به دنبال راهحلهای انرژی هستهای هستند، اما این پروژهها زمانبر خواهند بود.
مدل هوش مصنوعی GPT-5 شرکت OpenAI، با وجود توانمندیهای چشمگیرش نسبت به نسخههای پیشین، به طور قابل ملاحظهای پرمصرفتر است. بر اساس تخمینهای آزمایشگاه هوش مصنوعی دانشگاه رود آیلند که توسط گاردین گزارش شده، GPT-5 حدود 8.6 برابر بیشتر از GPT-4 انرژی مصرف میکند. این تخمینها نشان میدهند که یک پاسخ متوسط از GPT-5 میتواند تا 40 واتساعت برق مصرف کند، در حالی که میانگین مصرف آن کمی بیش از 18 واتساعت در هر درخواست است.
با توجه به 2.5 میلیارد درخواست روزانه ChatGPT، اگر تمام این درخواستها توسط GPT-5 پردازش شوند، مصرف انرژی روزانه میتواند به 45 گیگاواتساعت برسد. این میزان مصرف انرژی بسیار عظیم است و معادل برق تولیدی دو تا سه راکتور نیروگاه هستهای مدرن است که میتواند برای تامین برق یک کشور کوچک کافی باشد. این ارقام نگرانیهای جدی را در مورد ردپای انرژی کلی مدلهای هوش مصنوعی و تاثیر آنها بر زیرساختهای انرژی جهانی ایجاد میکند.
محققان برای اندازهگیری مصرف برق GPT-5، مدت زمان پاسخدهی مدل و تخمین مصرف برق سختافزار میزبان را ترکیب کردهاند. از آنجایی که OpenAI جزئیات دقیق استقرار را فاش نکرده، محققان حدس میزنند که این مدل بر روی سیستمهای Nvidia DGX H100 یا H200 در مایکروسافت آژور اجرا میشود. تخمینها شامل اجزای غیر GPU و ضرایب محیطی آژور نیز میشود. با این حال، تاکید شده است که این روش آزمایش ایدهآل نیست و اگر سختافزار واقعی متفاوت باشد (مانند Blackwell انویدیا)، تخمینها ممکن است نادرست باشند.
با وجود اینکه GPT-5 از طراحی “ترکیب متخصصان” برای کاهش مصرف در درخواستهای کوتاه استفاده میکند، اما حالت استدلال آن میتواند مصرف برق را تا 10 برابر افزایش دهد. در نهایت، اگرچه این اعداد مطلق ممکن است کاملاً دقیق نباشند، اما شواهد نشان میدهد که مراکز داده هوش مصنوعی در حال حاضر منجر به افزایش سرسامآور قبوض برق در ایالات متحده شدهاند و با ادامه گسترش این فناوری، بحران انرژی بدتر خواهد شد. این گزارش بر لزوم توجه بیشتر به پایداری و بهینهسازی مصرف انرژی در توسعه هوش مصنوعی تاکید میکند.
OpenAI و اوراکل توافقنامهای برای ساخت زیرساخت عظیم مرکز داده استارگیت امضا کردهاند که شامل افزودن ۴.۵ گیگاوات ظرفیت جدید در ایالات متحده است و ظرفیت کلی برنامهریزی شده OpenAI را به بیش از ۵ گیگاوات میرساند. این پروژه با هدف تامین انرژی بیش از دو میلیون پردازنده هوش مصنوعی طراحی شده است. نکته قابل توجه این است که سافتبانک، با وجود اینکه در ابتدا بخشی از پروژه استارگیت بود، در تامین مالی این توسعه جدید دخیل نیست.
این ۴.۵ گیگاوات زیرساخت عمدتاً به تامین برق اشاره دارد که یکی از عوامل محدودکننده اصلی در توسعه هوش مصنوعی امروزی است. OpenAI ادعا میکند که ظرفیت ۵ گیگاواتی میتواند بیش از دو میلیون پردازنده هوش مصنوعی را پشتیبانی کند، اگرچه نوع دقیق پردازندهها (مانند Blackwell Ultra یا Rubin Ultra) مشخص نشده است. با این حال، با توجه به اینکه شتابدهندههای هوش مصنوعی معمولاً تنها نیمی از توان کل مرکز داده را مصرف میکنند، تعداد واقعی پردازندههای گرافیکی پشتیبانی شده ممکن است کمتر از محاسبات نظری باشد.
مکانهای احتمالی برای این تاسیسات جدید شامل ایالتهایی مانند تگزاس، میشیگان، ویسکانسین و وایومینگ است. علاوه بر این، یک سایت در حال ساخت در ابیلین، تگزاس، به عنوان یک مرکز اثبات مفهوم برای OpenAI عمل میکند تا توانایی خود را در استقرار زیرساخت در مقیاس و سرعت بالا آزمایش کند. بخشهایی از تاسیسات ابیلین — استارگیت ۱ — اکنون فعال هستند و اوراکل نصب رکهای سرور مبتنی بر پلتفرم GB200 انویدیا را آغاز کرده است. OpenAI نیز از این زیرساخت برای انجام وظایف آموزش و استنتاج هوش مصنوعی در مراحل اولیه بهرهبرداری میکند.
