پرش به محتوای اصلی
آخرین اخبار
۲ وایر پاداش مطالعه

مخالفت شهروندان با ساخت مراکز داده هوش مصنوعی؛ چرا محاسبه دقیق مصرف آب این مراکز دشوار است؟

انتشار:۱۴ آبان ۱۴۰۵
۶ دقیقه زمان مطالعه
۰ دیدگاه
اشتراک و پسندیدن

مراکز داده هوش مصنوعی به‌دلیل بلعیدن منابع آب و برق محلی با موجی از اعتراضات مردمی روبه‌رو شده‌اند. بااین‌حال، واقعیت ماجرا درباره نحوه خنک‌سازی سرورها و میزان واقعی مصرف آب این مراکز بسیار پیچیده‌تر از آمارهای کلی است.

مخالفت شهروندان با ساخت مراکز داده هوش مصنوعی؛ چرا محاسبه دقیق مصرف آب این مراکز دشوار است؟

در یک نگاه (نکات کلیدی خبر)

خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع

  • شهروندان آمریکایی با تصویب ۴۰ طرح از ۴۱ همه‌پرسی محلی، خواستار اعمال محدودیت‌های جدی بر ساخت مراکز داده جدید هوش مصنوعی شدند.
  • مراکز داده عظیم یک گیگاواتی متعلق به غول‌های فناوری در گرم‌ترین روزهای سال می‌توانند تا ۱۰ میلیون گالن آب در روز مصرف کنند.
  • شرکت‌های فناوری برای مهار بحران منابع به سراغ سیستم‌های خنک‌کننده ترکیبی، احداث تصفیه‌خانه‌های آب و توسعه تراشه‌های خنک‌تر رفته‌اند.

رأی‌دهندگان آمریکایی این هفته به صراحت نشان دادند که خواهان اعمال محدودیت بر مراکز داده هوش مصنوعی هستند و ۴۰ مورد از ۴۱ طرح پیشنهادی در همه‌پرسی‌ها را تصویب کردند؛ مصوباتی که بر برخی از بیش از ۲ هزار مرکز جدید برنامه‌ریزی‌شده در مناطق مختلف این کشور محدودیت اعمال می‌کنند.

مصرف آب و برق در صدر فهرست نگرانی‌های شهروندان و مشترکان قرار دارد. بااین‌حال، محاسبه دقیق میزان منابعی که هر مرکز داده از ذخایر محلی برداشت می‌کند، کار بسیار دشواری است؛ چراکه اپراتورها معمولاً آمار مصرف را به‌صورت کلی برای تمام زیرمجموعه‌های شرکت گزارش می‌کنند و داده‌های هر مرکز را به‌طور جداگانه منتشر نمی‌کنند.

به گفته شائولئی رن (Shaolei Ren)، پژوهشگر مراکز داده و استاد دانشگاه کالیفرنیا در ریورساید، مراکز داده عظیم یک گیگاواتی هوش مصنوعی که توسط شرکت‌هایی مانند متا، گوگل، آمازون و SpaceX ساخته می‌شوند، می‌توانند روزانه تا ۱۰ میلیون گالن آب مصرف کنند.

البته رقم دقیق مصرف بسته به نوع سخت‌افزارهای موجود در مرکز داده، موقعیت جغرافیایی ساخت آن و روش مورداستفاده برای خنک‌سازی سرورها و کل ساختمان، به‌شدت متغیر است.

روش‌های پیچیده مصرف آب در مراکز داده، فضا را برای انتشار اطلاعات نادرست، هم از سوی سازندگان این مراکز و هم از طرف مخالفان آن‌ها، باز گذاشته است. بررسی دیدگاه کارشناسان، تصویر شفاف‌تری از این ماجرا ارائه می‌دهد.

خنک‌سازی با هوا در برابر خنک‌سازی با مایعات

مراکز داده برای جلوگیری از داغ شدن بیش‌ازحد تراشه‌ها و سرورها، به روش‌های خنک‌سازی داخلی بسیار قدرتمندی نیاز دارند.

مراکز داده قدیمی‌تر که پر از سرورهای کم‌مصرف برای کارهایی مانند شبکه‌سازی یا ذخیره‌سازی اطلاعات هستند، اغلب با هوا خنک می‌شوند. در این مراکز، فن‌های بزرگ هوای داغ را از سرورها دور کرده و به بیرون از ساختمان هدایت می‌کنند.

اما مراکز داده مدرن هوش مصنوعی مملو از واحدهای پردازش گرافیکی (GPU) پرتراکم و پرمصرف هستند که به گفته رن، آن‌قدر داغ می‌شوند که می‌توانند گرمایی در حد جوشاندن آب تولید کنند.

به گفته کریستوفر ولیس (Christopher Wellise)، رئیس بخش پایداری شرکت Equinix، آب برای خنک کردن این پردازنده‌های گرافیکی حدود ۳ هزار برابر کارآمدتر از هوا عمل می‌کند.

ولیس در گفت‌وگویی توضیح داد که پردازنده‌های گرافیکی با توان مصرفی و دمای بسیار بالایی کار می‌کنند؛ به‌طوری که اگر بخواهید آن‌ها را فقط با هوا خنک کنید، به بادهایی با قدرت تندبادهای شدید نیاز خواهید داشت.

به همین دلیل است که جدیدترین سیستم‌های هوش مصنوعی در مقیاس رک، یعنی سیستم Vera Rubin شرکت انویدیا و سیستم Helios شرکت AMD، به خنک‌کننده مایع متکی هستند. بیشتر مراکز داده بزرگ هوش مصنوعی از سیستم خنک‌کننده مایع مدار بسته استفاده می‌کنند که مصرف آب روزانه بسیار ناچیزی دارد.

در یکی از مراکز داده Equinix در سن‌خوزه کالیفرنیا، سیستم خنک‌کننده مایع مدار بسته‌ای به کار گرفته شده است که دمای یک ردیف متشکل از هشت رک Nvidia Grace Blackwell متعلق به استارتاپ بازاریابی هوش مصنوعی Alembic را پایین نگه می‌دارد.

شرکت Equinix مراکز داده اشتراکی (Colocation) می‌سازد؛ جایی که شرکت‌هایی مانند استارتاپ Alembic فضا اجاره می‌کنند تا رک‌های سرور خود را راه‌اندازی کنند، درحالی‌که Equinix وظیفه تأمین برق، اتصالات شبکه، ارتباطات داخلی و سیستم خنک‌کننده را بر عهده دارد.

مانند بسیاری از اپراتورهای مراکز داده، شرکت Equinix نیز میزان مصرف آب را به تفکیک هر سایت افشا نمی‌کند. در سال ۲۰۲۵، کل عملیات Equinix درمجموع ۱.۲ میلیارد گالن آب مصرف کرد که نسبت به سال قبل از آن ۱۰ درصد افزایش نشان می‌دهد.

با وجود استفاده از سیستم خنک‌کننده داخلی مدار بسته، مانند آنچه Equinix در سن‌خوزه به کار می‌برد، کل مصرف آب یک مرکز بسیار بیشتر به فرآیند خنک‌سازی دیگری وابسته است که در بیرون از ساختمان مرکز داده رخ می‌دهد.

رن در این رابطه می‌گوید: «چگونه گرمای جذب‌شده در مدار بسته را به محیط بیرون دفع کنیم؟ این دقیقاً همان نقطه‌ای است که پای مصرف آب به میان می‌آید.»

به‌عنوان مثال، متا در شهر لبنان در ایالت ایندیانا، در حال ساخت یک مرکز داده یک گیگاواتی است که به گفته این شرکت، از یک سیستم خنک‌کننده مایع مدار بسته بهره می‌برد که همان آب را دوباره به گردش درمی‌آورد و در بیشتر روزهای سال مصرف آب آن صفر خواهد بود.

بااین‌حال، طبق اعلام شرکت حقوقی نماینده متا، سهمیه آب اختصاص‌یافته به این سایت می‌تواند تا سال ۲۰۳۱ به روزانه ۸ میلیون گالن برسد. متا می‌گوید این رقم نشان‌دهنده اوج مصرف در گرم‌ترین روزهای سال است. این شرکت در بیانیه‌ای اعلام کرد: «ما پیش‌بینی می‌کنیم که به‌ندرت به این سطح از حداکثر مصرف برسیم و در حال حاضر برآورد می‌شود که چنین وضعیتی تنها چند روز در سال رخ دهد.»

دلیل این موضوع آن است که در گرم‌ترین روزهای سال، برای فرآیند خنک‌سازی خارجی و دفع گرما از آن سیستم مدار بسته داخلی، به آب بیشتری نیاز خواهد بود.

آب کمتر، برق بیشتر

برای این فرآیند خنک‌سازی خارجی در مراکز داده، دو روش اصلی وجود دارد: خنک‌سازی خشک و خنک‌سازی تبخیری. درحالی‌که روش خنک‌سازی خشک آب بسیار کمتری مصرف می‌کند، به برق به مراتب بیشتری نیاز دارد؛ به‌ویژه در مناطق گرمسیر که بسیاری از این مراکز داده هوش مصنوعی در آن‌ها ساخته می‌شوند.

ولیس می‌گوید: «هیچ راه‌حل جادویی و بی‌نقصی وجود ندارد. درنهایت شما باید آن گرما را به اتمسفر دفع کنید و این همان جایی است که باید میان مصرف آب یا برق یکی را انتخاب کنید.»

خنک‌سازی خشک به فن‌هایی متکی است که هوا را از روی مبدل‌های حرارتی عبور می‌دهند و از هوای محیط برای پایین آوردن دما استفاده می‌کنند. کارایی این فن‌ها زمانی که دمای هوای بیرون بالا باشد کاهش می‌یابد؛ بنابراین مراکز داده مجبور می‌شوند واحدهای چیلر و تبرید را روشن کنند تا ابتدا هوا را خنک نمایند.

رن توضیح می‌دهد: «این یک فرآیند بسیار پرمصرف از نظر انرژی است و دقیقاً به همین دلیل در تابستان با کمبود برق مواجه می‌شویم؛ چراکه هم‌زمان همه مردم نیز کولرهای خود را روشن می‌کنند.»

در مقابل، خنک‌سازی تبخیری برق بسیار کمی مصرف می‌کند. در این روش، آب داغ درون برج‌های خنک‌کننده یا روی پدهای مرطوب که در معرض هوا قرار دارند به گردش درمی‌آید و بخشی از آب که تبخیر می‌شود، گرما را با خود خارج می‌کند. در گرم‌ترین روزهای سال، مقادیر زیادی آب از طریق این فرآیند تبخیر از دست می‌رود.

در حدفاصل این دو روش، استفاده از شیوه‌های ترکیبی (هیبریدی) بسیار رایج است؛ چراکه شرکت‌ها تلاش می‌کنند تعادلی میان مصرف آب و برق برقرار کنند.

برخی از مراکز داده، مانند سایت Equinix در سن‌خوزه، در ماه‌های سردتر سال از خنک‌سازی خشک و در روزهای گرم از خنک‌سازی تبخیری استفاده می‌کنند. در ایالت ایندیانا نیز متا به خنک‌سازی خشک متکی است و در ماه‌های گرم‌تر، به‌جای تکیه صرف بر واحدهای تبرید پرمصرف، با پاشیدن غبار آب (مه‌پاشی) برای خنک کردن هوا، مصرف برق را پایین نگه می‌دارد.

تولید تراشه‌های خنک‌تر

در نزدیکی برخی از پروژه‌های مراکز داده، شرکت‌هایی نظیر متا، آمازون و مایکروسافت در حال ساخت تصفیه‌خانه‌های آب هستند تا به تصفیه و بازیافت آب موردنیاز کمک کنند. برای نمونه، متا ۱۰۰ میلیون دلار برای احداث یک سیستم جدید آب و فاضلاب در نزدیکی مرکز داده خود در کونا در ایالت آیداهو هزینه کرده است.

در خارج از شهر ممفیس در ایالت تنسی، ایلان ماسک متعهد شد ۸۰ میلیون دلار برای ساخت یک کارخانه بازیافت آب هزینه کند تا فاضلاب شهری تصفیه‌شده را به آب خنک‌کننده برای مراکز داده Colossus متعلق به شرکت SpaceX تبدیل کند. اولین مرکز داده در این منطقه با نام Colossus 1، در سال ۲۰۲۴ به‌سرعت وارد مدار شد؛ اما ساخت تصفیه‌خانه آب در ماه آوریل سال جاری میلادی متوقف شد.

بر اساس اعلام شرکت خدمات شهری محلی (Memphis Light, Gas and Water)، مرکز داده Colossus 1 سهمیه آبی تا سقف ۱.۲۸ میلیون گالن در روز دارد، هرچند هنوز به این سقف مصرف نرسیده است.

شرکت‌های فناوری هم‌چنین برای تضمین تأمین انرژی کافی، در حال ساخت نیروگاه‌های برق اختصاصی در محوطه برخی از مراکز داده خود هستند؛ اما همین نیروگاه‌ها نیز حجم زیادی آب مصرف می‌کنند. مرکز داده Colossus انرژی خود را از توربین‌های گازی مستقر در محل تأمین می‌کند که به‌دلیل نقض احتمالی قانون هوای پاک و ایجاد آلودگی صوتی، هدف چندین پرونده قضایی قرار گرفته‌اند.

در همین حال، برخی از شرکت‌های سازنده تراشه به‌طور مستقیم روی روش‌هایی کار می‌کنند تا دمای تراشه‌ها را از همان ابتدا کاهش دهند و نیاز به سیستم‌های خنک‌کننده کمتر شود.

استارتاپ کره‌ای DeepX پردازنده هوش مصنوعی‌ای می‌سازد که به ادعای این شرکت، تا ۱۰۰ درجه فارنهایت خنک‌تر از رقبا کار می‌کند. شرکت هیوندای موتور از تراشه DeepX در محصولات رباتیک خود استفاده خواهد کرد.

شرکت SK Hynix، برترین تولیدکننده حافظه‌های با پهنای باند بالا (HBM) در جهان، در ماه جولای اعلام کرد که در حال کار روی فناوری حافظه کم‌حرارتی به نام iHBM است که می‌تواند مقاومت حرارتی را تا ۳۰ درصد کاهش دهد.

در شرکت Equinix نیز ولیس خاطرنشان کرد که هر سایت جدید پیش از احداث، تحت تحلیل ریسک آب قرار می‌گیرد تا مشخص شود در مناطق کم‌آب از کدام روش خنک‌سازی خارجی باید استفاده کرد.

ولیس در پایان گفت: «جوامع محلی شروع به پرسیدن سؤالات درستی کرده‌اند و نگران مصرف آب هستند. ما نیز موضوع مصرف منابع و نحوه استفاده از آن‌ها را بسیار جدی می‌گیریم.»

بازخورد و اشتراک‌گذاری این مطلب

اگر این گزارش برایتان مفید بود، با پسندیدن و اشتراک‌گذاری آن با دیگران، از محتوای تخصصی هوش مصنوعی حمایت کنید.

اشتراک‌گذاری در شبکه‌های اجتماعی:

دیدگاه ها و گفتگوی تخصصی

نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید

۰ دیدگاه

هنوز دیدگاهی برای این مطلب ثبت نشده است

اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.

مطالب مرتبط و پیشنهادی

تلاش آزمایشگاه چینی Moonshot AI برای اجاره تراشه‌های Blackwell انویدیا از طریق مراکز داده اروپا
آخرین اخبار

تلاش آزمایشگاه چینی Moonshot AI برای اجاره تراشه‌های Blackwell انویدیا از طریق مراکز داده اروپا

آزمایشگاه چینی Moonshot AI در پی تحریم‌های صادراتی آمریکا، مذاکراتی را با ارائه‌دهندگان خدمات ابری در اروپا آغاز کرده است تا به ظرفیت پردازشی هزاران تراشه پیشرفته Blackwell انویدیا از راه دور دسترسی پیدا کند.

۵ دقیقه مطالعه
۰
۱۴ آبان
معرفی درگاه Scalekit AgentKit؛ اتصال امن ایجنت‌های هوش مصنوعی به بیش از ۳۰ هزار ابزار کاربردی
آخرین اخبار

معرفی درگاه Scalekit AgentKit؛ اتصال امن ایجنت‌های هوش مصنوعی به بیش از ۳۰ هزار ابزار کاربردی

پلتفرم Scalekit از درگاه جدید AgentKit رونمایی کرد؛ راهکاری مبتنی بر پروتکل MCP که به ایجنت‌های هوش مصنوعی اجازه می‌دهد با هویت و سطح دسترسی دقیق خود کاربر، به بیش از ۳۰ هزار ابزار در ۶۰۰ برنامه مختلف متصل شوند و مصرف توکن را تا ۸۰ درصد کاهش دهند.

۲ دقیقه مطالعه
۰
۱۴ آبان
معرفی هوش مصنوعی Palette توسط IBM؛ ساخت اسلایدهای پاورپوینت منطبق با هویت بصری برندها
آخرین اخبار

معرفی هوش مصنوعی Palette توسط IBM؛ ساخت اسلایدهای پاورپوینت منطبق با هویت بصری برندها

پژوهشگران IBM سیستم هوش مصنوعی Palette را معرفی کردند؛ یک مدل ۲۰ میلیارد پارامتری با وزن‌های باز که با ترکیب نقش طراح و کدنویس، اسلایدهای پاورپوینت را دقیقاً مطابق با استانداردهای بصری سازمان‌ها تولید می‌کند و امنیت داده‌های محرمانه را حفظ می‌نماید.

۳ دقیقه مطالعه
۰
۱۴ آبان