تقاضای صنعت هوش مصنوعی برای انرژی اضافی می‌تواند نرخ‌ها را برای مصرف‌کنندگان عادی افزایش دهد.
موسسه بروکینگز در طی مقاله ای با قلم «مارک مک‌کارتی» نوشت: در ژانویه، استارتاپ چینی دیپ سیک به طور قابل توجهی بازارهای هوش مصنوعی و انرژی را مختل کرد. از آن زمان، «دونالد ترامپ»، رئیس جمهور آمریکا و شرکت‌های بزرگ فناوری به سرمایه‌گذاری در انرژی ادامه داده‌اند، زیرا پیش‌بینی‌ها نشان می‌دهد که تقاضا برای هوش مصنوعی در دهه آینده به طور قابل توجهی افزایش خواهد یافت.
به گزارش اقتصاددان به نقل از بازار ، مدل دیپ سیک در مقایسه با مدل‌های شرکت‌های آمریکایی، به راندمان بالایی در انرژی و هزینه دست یافته است. با این حال، صنعت ایالات متحده آمریکا تعهد خود را برای ایجاد ظرفیت تولید انرژی بیشتر حفظ کرده است. بدون وجود ساختارها، تقاضای صنعت هوش مصنوعی برای انرژی اضافی می‌تواند نرخ‌ها را برای مصرف‌کنندگان عادی افزایش دهد.
دیپ سیک، یک شرکت استارتاپی چینی در ژانویه از انتشار مدل استدلال هوش مصنوعی خود خبر داد. ظرف چند روز، دیپ سیک آر ۱ و مدل بدون استدلال دیپ سیک وی ۳ به پردانلودترین برنامه‌ها در ایالات متحده و سراسر جهان تبدیل شدند. در پاسخ، انویدیا، تولیدکننده پیشرفته‌ترین تراشه‌های هوش مصنوعی نزدیک به ۶۰۰ میلیارد دلار از ارزش بازار خود را از دست داد. شرکت‌های برق و سیاست‌گذاران ایالات متحده آمریکا شروع به زیر سوال بردن این موضوع کردند که آیا افزایش پیش‌بینی‌شده در تولید انرژی و ظرفیت انتقال لازم برای تأمین سوخت مراکز داده عظیم مورد نیاز خواهد بود یا خیر.
کمتر از شش ماه بعد، دنیای هوش مصنوعی به سرعت به جلو بازگشته است. متا، مایکروسافت، آلفابت/گوگل و اوپن ای آی دوباره به سرمایه‌گذاری‌های عمده در مراکز داده جدید متعهد شده‌اند و برای تأمین سوخت عملیات خود با شرکت‌های هسته‌ای و سایر شرکت‌های انرژی وارد همکاری شده‌اند. سهام انویدیا بیشتر ضررهای خود را جبران کرده و در ماه ژوئیه به اولین شرکتی تبدیل شد که تاکنون به ارزش بازار ۴ تریلیون دلار رسیده است. وزارت انرژی ایالات متحده از ابتکار جدیدی برای قرار دادن مراکز داده در زمین‌های عمومی خبر داد و ترامپ، به همراه هیئتی از مدیران عامل شرکت‌های فناوری اخیراً از سفر به سه کشور عربی حوزه خلیج فارس بازگشته است، جایی که وی میلیاردها دلار فروش جدید توسط تراشه‌سازان آمریکایی و سرمایه‌گذاری‌های خارجی در مراکز داده ایالات متحده را اعلام کرد.
رشد عظیم پیش‌بینی‌شده در چشم‌انداز تقاضای انرژی هوش مصنوعی، چالشی جدی برای ظرفیت مالی و فنی سیستم برق ایالات متحده آمریکا ایجاد می‌کند
برای دنیای انرژی، افزایش مورد انتظار در میزان تولید برق جدید مورد نیاز برای پشتیبانی از گسترش سریع مراکز داده ایالات متحده در طول دهه، دوباره روی میز قرار گرفت. در ماه آوریل، بلومبرگ اینتلیجنس پیش‌بینی کرد که تقاضای انرژی برای هوش مصنوعی تا سال ۲۰۳۲ به ۴ برابر افزایش یابد. اداره بین‌المللی انرژی (IEA) در آوریل ۲۰۲۵ گزارشی منتشر کرد که تخمین می‌زند تقاضای انرژی مراکز داده در ایالات متحده تا سال ۲۰۳۰ در مقایسه با سطح ۲۰۲۴، حدود ۱۳۰ درصد افزایش خواهد یافت. پیش‌بینی مارس ۲۰۲۵ توسط آزمایشگاه هوش مصنوعی آنتروپیک تخمین می‌زند که تا سال ۲۰۲۷ به ۵۰ گیگاوات ظرفیت جدید برق فقط برای آموزش جدیدترین مدل‌های هوش مصنوعی و به طور قابل توجهی بیشتر برای بهره‌برداری از آنها نیاز خواهد بود. «اریک اشمیت»، مدیرعامل سابق گوگل، در کنگره گفت که مراکز داده تا سال ۲۰۲۷ به ۲۹ گیگاوات برق اضافی و تا سال ۲۰۳۰ به ۶۷ گیگاوات برق دیگر نیاز خواهند داشت. این رشدعظیم پیش‌بینی‌شده در چشم‌انداز تقاضای انرژی هوش مصنوعی، چالشی جدی برای ظرفیت مالی و فنی سیستم برق ایالات متحده آمریکا ایجاد می‌کند.
چگونگی عملکرد دیپ سیک
گزارش فنی دسامبر ۲۰۲۴ این استارت‌آپ هوش مصنوعی چینی نشان داد که مدل وی ۳ آن قابلیت‌هایی قابل مقایسه با مدل‌های اصلی آمریکایی دارد، اما در آخرین دوره آموزش خود، تنها کسری از ساعات واحد پردازش گرافیکی (GPU) مورد استفاده برای آموزش همتایان آمریکایی خود را مصرف کرده است. گزارش فنی تکمیلی این شرکت که در ۲۲ ژانویه ۲۰۲۵ منتشر شد، نشان داد که خانواده مدل‌های استدلال آر۱ آن که از وی ۳ مشتق شده‌اند، با قابلیت‌های مدل استدلال او ۱ شرکت اوپن ای آی که در سپتامبر ۲۰۲۴ رونمایی شد، مطابقت دارند.
نوآوری‌های دیپ سیک ناگزیر به صرفه‌جویی قابل توجه انرژی به ازای هر توکن تولید شده در هر دو زمان آموزش و استنتاج منجر خواهد شد. اگرچه محاسبه دقیق انرژی مورد نیاز برای آموزش و استفاده از یک مدل هوش مصنوعی خاص از خارج دشوار است، اما مصرف انرژی عموماً تابعی از ساعات محاسباتی صرف شده برای آموزش یا استفاده، تعداد پردازنده‌های مورد استفاده و میانگین توان مصرفی در هر پردازنده است. بنابراین، تعداد بسیار کمتر ساعات استفاده از پردازنده گرافیکی (GPU) برای آموزش مدل‌های دیپ سیک و تعداد تراشه‌های مورد استفاده، احتمالاً معیارهای نسبی تقریبی از میزان انرژی الکتریکی مورد نیاز نیز هستند.
واکنش به نوآوری‌های دیپ سیک
علیرغم برخی تلاش‌های اولیه برای رد دستاوردهای فنی دیپ سیک به عنوان واهی یا ساختگی، اعضای صنعت هوش مصنوعی به سرعت آنها را واقعی تشخیص دادند. اما این امر مانع از شتاب مصمم آنها برای توسعه منابع انرژی اضافی برای آموزش و استفاده از هوش مصنوعی نشد.
یکی از دلایل این واکنش مداوم این است که کارایی‌هایی مانند آنچه توسط دیپ سیک به دست آمده، یکی از ویژگی‌های رایج توسعه هوش مصنوعی در طول دهه گذشته بوده است، به شیوه‌ای که یادآور قانون مور است. تخمینی از ژوئیه ۲۰۲۴ نشان می‌دهد که به عنوان مثال، کارایی محاسبه زمان استنتاج، در دو سال منتهی به ژوئیه ۲۰۲۴، سه برابر افزایش یافته است. یک مطالعه در مورد بینایی کامپیوتر تخمین زده است که نوآوری‌های تقویت‌کننده محاسبات، هر نه ماه یکبار نیازهای محاسباتی را نصف می‌کنند. مطالعه دیگری در مورد مدل‌های زبانی بزرگ (LLM) از ۲۰۱۳-۲۰۲۳ نشان داد که محاسبات مورد نیاز برای رسیدن به یک آستانه عملکرد تعیین شده تقریباً هر ۸ ماه یکبار نصف شده است. اگر روند هوش مصنوعی به سمت کاهش منظم هزینه‌های محاسبات واحد باشد، همانطور که داریو آمودی، مدیرعامل آنتروپیک گفته است، پیشرفت‌های دیپ سیک در بهترین حالت «رو به رشد» قرار دارد.
صنعت هوش مصنوعی همیشه از این افزایش بهره‌وری محاسباتی برای تقویت بهبود عملکرد مدل‌های هوش مصنوعی استفاده کرده است. با توجه به نقص‌های شناخته‌شده مدل‌های هوش مصنوعی امروزی، این تلاش برای بهبود مدل‌های هوش مصنوعی لزوماً ادامه خواهد یافت. توهمات تنها یکی از مظاهر عدم اطمینانی است که باعث می‌شود مدل های زبان بزرگ امروزی برای کاربردهای پرخطر در پزشکی، حقوق، جنگ و سایر حوزه‌ها کاربرد محدودی داشته باشند. برای افزایش استفاده از خدمات مبتنی بر هوش مصنوعی در بین متخصصان و شرکت‌ها، این صنعت باید بهبود یابد. این به معنای گسترش منابع محاسباتی اضافی بالاتر از سطح امروز است، به این معنی که تقاضای صنعت هوش مصنوعی برای انرژی همچنان رو به افزایش خواهد بود.
در درازمدت، ارزان‌تر کردن هوش مصنوعی احتمالاً باعث پذیرش و استفاده گسترده‌تر و در نتیجه افزایش نیاز به برق خواهد شد
دلیل دیگر تعهد بی‌چون‌وچرای صنعت به انرژی بیشتر این است که قیمت پایین‌تری که دیپ سیک به صنعت تحمیل می‌کند، تقاضا برای استفاده از مدل‌های هوش مصنوعی را تحریک می‌کند. قیمت پایین‌تر برای خدمات هوش مصنوعی امروزی که مسلماً بی‌نقص هم نیستند، به احتمال زیاد مشتریان بیشتری را جذب خواهد کرد، به طوری که زمان و مصرف انرژی کلی محاسبات هوش مصنوعی افزایش خواهد یافت. حتی منتقدان «اشتیاق غیرمنطقی» صنعت هوش مصنوعی در مورد تقاضای انرژی برای هوش مصنوعی اذعان دارند که در درازمدت، ارزان‌تر کردن هوش مصنوعی احتمالاً باعث پذیرش و استفاده گسترده‌تر و در نتیجه افزایش نیاز به برق خواهد شد.
کلید تقاضای انرژی هوش مصنوعی، تقاضا برای خدمات هوش مصنوعی است. اما اگر کیفیت خدمات هوش مصنوعی به اندازه کافی افزایش نیابد تا تقاضا برای پوشش هزینه‌های توسعه و عملیاتی را ایجاد کند، چه باید کرد؟
یکی از داستان‌های بزرگ در هوش مصنوعی از سال ۲۰۲۴ این بود که به نظر می‌رسد مقیاس‌بندی پارامترها، داده‌های آموزشی و زمان محاسبه برای آموزش مدل به بن‌بست رسیده است. افزایش محاسبات زمان آموزش، دقت، قابلیت اطمینان یا قابلیت‌های جدیدترین مدل‌های هوش مصنوعی را به طور قابل توجهی بهبود نمی‌بخشد. صنعت هوش مصنوعی فکر می‌کرد که قانون مقیاس‌بندی جدیدی پیدا کرده است که بیان می‌کند افزایش محاسبات پس از آموزش می‌تواند مدل‌ها را به طور قابل توجهی بهبود بخشد. اما به نظر می‌رسد که این پیشرفت‌ها در مدل‌های استدلال زنجیره‌ای، عملکرد بهتری را تنها در حوزه‌های محدودی مانند کدنویسی، ریاضی و منطق ارائه می‌دهند که در آنها می‌توان پاسخ‌های دقیق را از قبل دانست. در آگوست ۲۰۲۵، پس از دو سال توسعه، اوپن ای آی مدل GPT ۵ خود را منتشر کرد، اما کاربران اولیه گزارش دادند که در مقایسه با مدل‌های قبلی خود، تنها به پیشرفت‌های «متوسط» و «تکاملی» دست یافته است.
با توجه به این مشکلات در دستیابی به بهبود قابل توجه محصول هوش مصنوعی، صنعت هوش مصنوعی راه درازی برای ایجاد یک جریان درآمدی که هزینه‌های توسعه عظیم آن را پشتیبانی کند، در پیش دارد. در ژوئن ۲۰۲۴، شرکت سرمایه‌گذاری خطرپذیر تخمین زد که درآمد سالانه هوش مصنوعی باید ۶۰۰ میلیارد دلار باشد تا هزینه‌های سرمایه‌ای ایونودیا را توجیه کند.
تا ژوئن ۲۰۲۵، درآمد آزمایشگاه‌های بزرگ هوش مصنوعی افزایش قابل توجهی نشان داده بود، اما هنوز با هزینه‌های سرمایه‌ای آنها متناسب نبود. ریچارد واترز، سردبیر صنعت فناوری فایننشال تایمز، خاطرنشان کرد: شکاف بین هزینه‌های سرمایه‌ای و درآمد، نشانه‌ای از کاهش نشان نداده است.
صنعت هوش مصنوعی همچنان با درخواست افزایش قابل توجه تولید انرژی، به شرکت‌های برق و سیاست‌گذاران مراجعه خواهد کرد
در سه‌ماهه دوم سال ۲۰۲۵، غول‌های فناوری گزارش‌های درآمدی درخشانی را ارائه دادند که مایکروسافت را به شرکتی با ارزش بیش از ۴ تریلیون دلار تبدیل کرد. با این حال همانطور که واترز اشاره کرد، «بخش زیادی از این عملکرد را نمی‌توان مستقیماً به هوش مصنوعی مولد نسبت داد. همچنین کاملاً مشخص نیست که آنها در نهایت چگونه افزایش عظیم هزینه‌های سرمایه‌ای برای ساخت و ارائه این فناوری را توجیه خواهند کرد.» حتی پس از گزارش‌های درآمدی چشمگیر، اکونومیست خاطرنشان کرد که غول‌های فناوری هزینه‌های زیادی می‌کنند، اما بسیاری از شرکت‌های دیگر در حال ناامید شدن هستند و از ورود این صنعت به نقطه اوج ناامیدی هوش مصنوعی استقبال کردند.
به نظر می‌رسد کمی تردید در مورد تقاضای بازار برای محصولات و خدمات هوش مصنوعی بجا باشد. در نتیجه، پیش‌بینی‌های اجماعی در مورد تقاضای انرژی برای هوش مصنوعی نیز شایسته تردید مشابه است. صنعت هوش مصنوعی همچنان با درخواست افزایش قابل توجه تولید انرژی، به شرکت‌های برق و سیاست‌گذاران مراجعه خواهد کرد. شرکت‌های برق باید برای پاسخگویی آماده باشند که به معنای در نظر گرفتن میلیاردها دلار سرمایه‌گذاری جدید در نیروگاه‌های برق با ظرفیت عظیم بر حسب گیگاوات است. در غیاب سیاست‌ها و ساختارهای تعرفه‌ای که هزینه‌های توسعه انرژی مراکز داده را مجزا می‌کند، این تقاضای جدید به خودی خود احتمالاً نرخ‌ها را برای مصرف‌کنندگان عادی افزایش می‌دهد. با این حال، مشکلات نظارتی حتی بدتر از این هستند. شرکت‌های برق همچنین باید برای این خطر آماده باشند که تقاضاهای امروزی شرکت‌های هوش مصنوعی بسیار بیش از حد باشد. اگر این موضوع درست باشد، ممکن است شرکت‌های برق با میلیاردها دلار سرمایه‌گذاری معوق مواجه شوند که فقط از طریق پرداخت‌کنندگان عادی قابل بازیابی است. چالش فوری، تدوین یک استراتژی نظارتی است که بتواند نیازهای انرژی صنعت هوش مصنوعی را بدون تحمیل هزینه‌ها و خطرات بر سایر مشتریان انرژی برآورده کند.
مخاطب گرامی، ارسال نظر پیشنهاد و انتقاد نسبت به خبر فوق در بخش ثبت دیدگاه، موجب امتنان است.
ع
