آینده مراکز داده در عصر هوش مصنوعی | چالش‌ها، فرصت‌ها و روندهای ۲۰۲۶

مراکز داده چیستند؟

مراکز داده میزبان تعداد زیادی سرور فایل و تجهیزات شبکه هستند که می‌توانند متن، تصاویر، کدها و سایر منابع اطلاعاتی را ذخیره، پردازش و تحلیل کنند. با هدایت مدل‌های زبانی بزرگ (LLM) و یادگیری ماشین، مراکز داده قادرند این داده‌ها را بررسی کرده و بر اساس بینش‌های به‌دست‌آمده به‌صورت خودکار عمل کنند. برنامه‌هایی که در این مراکز میزبانی می‌شوند می‌توانند متن را خلاصه کنند، تصاویر یا ویدئوها را ویرایش کنند، داده‌ها را بررسی کنند، نرم‌افزار بنویسند و بسیاری از وظایف اداری و مالی را به‌صورت بلادرنگ انجام دهند. این برنامه‌ها راحتی، بهره‌وری و اثربخشی چشمگیری را برای مصرف‌کنندگان، کسب‌وکارها و دولت‌ها فراهم می‌کنند.

مراکز داده «هایپراسکیل» معمولاً بیش از ۵۰۰۰ سرور فایل در تأسیسات خود دارند و می‌توانند تجهیزات مورد استفاده بسیاری از سازمان‌های مختلف را در خود جای دهند. با رشد گسترده هوش مصنوعی مولد، وابستگی زیادی به مراکز داده‌ای وجود دارد که اطلاعات را با سرعت بالا و تأخیر کم پردازش می‌کنند تا امکان استفاده از طیف گسترده‌ای از خدمات و عامل‌های هوش مصنوعی فراهم شود. برآورد می‌شود بازار هوش مصنوعی مولد سالانه حدود ۴۰ درصد رشد کند و از ۴۳.۹ میلیارد دلار در سال ۲۰۲۳ به نزدیک یک تریلیون دلار در سال ۲۰۳۲ برسد. این نرخ رشد بالای هوش مصنوعی که ناشی از افزایش شدید تقاضای دیجیتال است، گسترش مراکز داده را به یک ضرورت تبدیل می‌کند.

انواع مراکز داده

انواع مختلفی از مراکز داده وجود دارند. یکی از این انواع، مراکز داده مخصوص هوش مصنوعی مولد هستند که بر پایه واحدهای پردازش گرافیکی (GPU) ساخته شده‌اند و می‌توانند حجم عظیمی از اطلاعات را پردازش کنند. این مراکز مقادیر فوق‌العاده زیادی از داده‌ها را در قالب متن، اعداد یا گرافیک پردازش کرده و مدل‌های زبانی بزرگ و یادگیری ماشین را پشتیبانی می‌کنند. آن‌ها اینترنت را جست‌وجو می‌کنند، الگوهای منطقی را شناسایی می‌کنند، اطلاعات را خلاصه می‌کنند و بر اساس این بینش‌ها به‌صورت بلادرنگ عمل می‌کنند.

مراکز داده مبتنی بر هوش مصنوعی به توان پردازشی بالا نیاز دارند و مصرف انرژی زیادی دارند. با افزایش چشمگیر علاقه به هوش مصنوعی مولد و عامل‌محور و همچنین عرضه محصولات جدید هوش مصنوعی توسط شرکت‌های بزرگ فناوری، رشد قابل‌توجهی در این نوع مراکز مشاهده شده است. مراکز داده می‌توانند به‌صورت سامانه‌های سازمانی برای یک سازمان خاص فعالیت کنند یا به شکل مراکز هم‌مکانی (Colocation) باشند که زیرساخت چندین سازمان را میزبانی می‌کنند.

یکی از حساس‌ترین تحولات، ایجاد مراکز فوق‌امن برای کاربردهای نظامی و جمع‌آوری اطلاعات است. دولت‌ها نیازهای امنیتی گسترده‌ای دارند و به پلتفرم‌های آنلاینی نیازمندند که محرمانه‌ترین اطلاعات آن‌ها را نگهداری کند؛ از جمله اطلاعات مربوط به کاربردهای دفاعی، لجستیک میدان نبرد، دشمنان خارجی یا تروریست‌های داخلی، و همچنین سامانه‌های اختصاصی ارائه‌شده توسط شرکت‌های خصوصی.

پردازنده‌ها باید فوق‌العاده سریع باشند تا بتوانند داده‌های ورودی را تحلیل کنند و در عین حال در برابر هکرها، افراد خرابکار و دشمنان از امنیت بسیار بالایی برخوردار باشند. طرح اقدام هوش مصنوعی که اخیراً توسط رئیس‌جمهور ترامپ معرفی شده است، وزارت دفاع و مؤسسه ملی استانداردها و فناوری (NIST) را موظف می‌کند استانداردهای فنی جدیدی را برای نهادهای دولتی توسعه دهند.

Edge Centers

Edge Centers در نزدیکی فعالیت‌هایی که از آن‌ها پشتیبانی می‌کنند قرار می‌گیرند تا تأخیر در پردازش و شبکه را کاهش دهند. کاربردهایی مانند خودروهای خودران، معاملات سهام یا تأسیسات تولیدی که استفاده گسترده‌ای از ربات‌ها دارند، به ارتباطات بسیار سریع نیازمندند. این سامانه‌ها نمی‌خواهند فاصله زمانی زیادی میان یک درخواست و اجرای آن وجود داشته باشد. در برخی موارد، جان انسان‌ها نیز به سرعت تحلیل برخی ریسک‌ها وابسته است؛ بنابراین این نوع مراکز باید بسیار نزدیک به محل استفاده کاربران از خدماتشان قرار داشته باشند.

نیازهای انرژی و آب برای مراکز داده پشتیبان هوش مصنوعی

مراکز داده‌ای که از برنامه‌های هوش مصنوعی پشتیبانی می‌کنند، برای ذخیره‌سازی و پردازش رایانه‌ای خود به مقدار قابل‌توجهی برق و آب نیاز دارند.

به‌ویژه، مدل‌های زبانی بزرگ و سایر اشکال هوش مصنوعی مولد به انرژی بسیار زیادی احتیاج دارند. در سال ۲۰۲۳، مراکز داده حدود ۴.۴ درصد از برق مصرفی ایالات متحده را مصرف کردند و انتظار می‌رود این سهم در سال‌های آینده به‌طور قابل‌توجهی افزایش یابد.

طبق گزارش آزمایشگاه ملی لارنس برکلی، رشد مصرف انرژی تا سال ۲۰۲۸ احتمالاً بین ۶.۷ تا ۱۲ درصد افزایش خواهد یافت. در سطح جهانی نیز پیش‌بینی می‌شود نیازهای انرژی هوش مصنوعی تا سال ۲۰۳۰ تا ۲۱ درصد از کل مصرف برق جهان را به خود اختصاص دهد. بر اساس گزارش مک‌کینزی، مراکز داده آمریکا تا پایان این دهه از ۳۵ گیگاوات برق استفاده خواهند کرد.

آب نیز یک چالش مهم است. برخی مراکز داده روزانه تا ۵۰۰ هزار گالن آب مصرف می‌کنند و به همین دلیل فشار قابل‌توجهی بر منابع محدود آبی بسیاری از جوامع وارد می‌شود. مراکز داده برای خنک‌سازی ساختمان‌ها و رایانه‌های داخل آن‌ها به آب فراوانی نیاز دارند. تجهیزات الکترونیکی هنگام پردازش گرم می‌شوند و زمانی که هزاران سرور در فضای کوچکی متمرکز باشند، نیاز به خنک‌سازی به‌شدت افزایش می‌یابد.

آب پاک در بسیاری از مناطق کمیاب است. این موضوع به‌ویژه در ایالت‌های کوهستان راکی و سواحل غربی آمریکا چالش‌برانگیز است. در بسیاری از شهرها و جوامع، نرخ آب برای مقابله با کمبود منابع و افزایش تقاضا به‌شدت در حال افزایش است. یکی از شهرستان‌های ایالت جورجیا نرخ آب را ۳۳ درصد افزایش داده که بسیار بیشتر از افزایش‌های معمول تک‌رقمی است و منتقدان این موضوع را به نیازهای مراکز داده نسبت می‌دهند.

پیشرفت‌های جدید در فناوری میکروفلوئیدیک، که در آن مواد خنک‌کننده مستقیماً روی تراشه‌ها اعمال می‌شوند، ممکن است توانایی ما در خنک‌سازی نیمه‌هادی‌ها را افزایش داده و مراکز داده را پایدارتر و کم‌مصرف‌تر کند؛ اما هنوز اطلاعات زیادی درباره میزان کارایی این پیشرفت‌ها در دست نیست.

با گسترش مراکز داده، این پرسش مطرح می‌شود که انرژی و آب موردنیاز آن‌ها چگونه تأمین خواهد شد. در حال حاضر بخش عمده برق آمریکا از سوخت‌های فسیلی مانند گاز طبیعی (۴۳ درصد) و زغال‌سنگ (۱۶ درصد) تأمین می‌شود و پس از آن انرژی بادی، خورشیدی و حرارتی (در مجموع ۲۱ درصد) و انرژی هسته‌ای (۱۸ درصد) قرار دارند.

تنوع‌بخشی به منابع انرژی برای پاسخ‌گویی به نیازهای رو به رشد مراکز داده ضروری خواهد بود؛ مراکزی که بدون بهبود چشمگیر تولید انرژی در ایالات متحده نمی‌توانند به‌طور قابل اعتماد فعالیت کنند.

انرژی هسته‌ای به‌عنوان یک منبع احتمالی انرژی در حال مطرح شدن است و شرکت‌های فعال در حوزه هوش مصنوعی برنامه‌هایی برای افتتاح یا بازگشایی نیروگاه‌های جدید در آمریکا دارند. مزیت این منبع آن است که برخلاف سوخت‌های فسیلی، محصولات جانبی آلاینده تولید نمی‌کند و پس از راه‌اندازی نیروگاه‌ها به‌صورت مداوم در دسترس است.

این افزایش نیاز انرژی در شرایطی رخ می‌دهد که برخی منابع انرژی پاک در حال محدود شدن هستند. یک سازمان برآورد کرده است که در دهه آینده به دلیل لایحه بودجه فدرال سال ۲۰۲۵، حدود ۳۴۴ گیگاوات ظرفیت تولید برق از دست خواهد رفت.

برخی مفاد این لایحه، به‌ویژه تغییرات مربوط به اعتبارهای مالیاتی، توجیه اقتصادی تولیدکنندگان انرژی خورشیدی و بادی را تضعیف کرده و پرداخت هزینه برق تولیدی آن‌ها را برای مصرف‌کنندگان دشوارتر می‌کند.

در زمانی که نیازهای انرژی به‌طور چشمگیری در حال افزایش است، کاهش حمایت از منابع انرژی تجدیدپذیر توسط دولت ترامپ اقدامی کوتاه‌نگرانه به نظر می‌رسد، به‌ویژه آن دسته از منابعی که برای بهره‌برداری از مراکز داده موردنیاز خواهند بود.

در مجموع روشن است که ایالات متحده برای پاسخ‌گویی به افزایش تقاضای ناشی از هوش مصنوعی و مراکز داده به افزایش قابل‌توجه تولید برق نیاز خواهد داشت. شرکت‌ها می‌توانند با توسعه سامانه‌های کارآمدتر خنک‌سازی، روشنایی و پردازنده‌های نیمه‌هادی بخشی از این نیازها را کاهش دهند.

شفافیت بیشتر درباره میزان مصرف انرژی و آب نیز به سیاست‌گذاران و پژوهشگران کمک خواهد کرد ابعاد این چالش را بهتر درک کرده و برای رشد پایدار برنامه‌ریزی کنند.

تعداد و پراکندگی مراکز داده

دستیابی به اطلاعات کامل درباره تعداد مراکز داده دشوار است، زیرا ابهام‌هایی در نحوه تعریف و درک آن‌ها در بازار وجود دارد.

از آنجا که هیچ مرجع مرکزی برای ثبت تعداد مراکز فعال، در حال ساخت یا در مرحله برنامه‌ریزی وجود ندارد، ضروری است در آینده نوعی داشبورد جامع برای این موضوع توسعه یابد.

اما بر اساس داده‌های موجود، در حال حاضر حدود ۱۱٬۸۰۰ مرکز داده در سراسر جهان وجود دارد که هوش مصنوعی و اقتصاد دیجیتال را پشتیبانی می‌کنند.

ایالات متحده تا ژوئن ۲۰۲۵ از نظر تعداد مراکز داده در جایگاه نخست جهان قرار دارد و پس از آن آلمان، بریتانیا، چین و فرانسه قرار گرفته‌اند.

حدود دو سوم مراکز داده موجود در ایالات متحده، چین یا اروپا قرار دارند و تنها تعداد محدودی از آن‌ها در آفریقا، آمریکای لاتین، هند یا سایر مناطق جنوب جهانی مستقر هستند.

همان‌گونه که در ادامه مقاله توضیح داده خواهد شد، نابرابری‌های جغرافیایی نقش مهمی در ارزیابی تأثیر جهانی مراکز داده خواهند داشت.

تعداد مراکز داده بر اساس کشور

سرمایه‌گذاری در شبکه برق و خطوط انتقال

یکی از مهم‌ترین اولویت‌های زیرساختی، نوسازی خطوط انتقال برق و اطمینان از این موضوع است که شبکه برق بتواند در مقیاس، پایداری و قابلیت اطمینان مورد نیاز فعالیت کند.

با افزایش چشمگیر نیاز به برق برای مراکز داده، ارتقای شبکه برق ضروری خواهد بود. در برخی موارد، ساخت خطوط انتقالی که برق را از یک منطقه به منطقه دیگر منتقل می‌کنند، ممکن است تا ۱۰ سال زمان ببرد.

این خطوط انتقال به فولاد و آلومینیوم وابسته هستند، اما پژوهشگران معتقدند موادی مانند فیبر کربن سبک‌تر بوده و می‌توانند حجم بیشتری از برق را منتقل کنند.

وزارت انرژی ایالات متحده قصد دارد در طول این دهه ۱۰۰ هزار مایل خط انتقال جدید احداث یا ارتقا دهد، هرچند شرکت‌های هوش مصنوعی تمایل دارند بسیاری از مراکز داده خود را در بازه زمانی بسیار کوتاه‌تری راه‌اندازی کنند.

با رشد هوش مصنوعی و توسعه مواد جدید، ابزارهای تازه‌ای برای افزایش بهره‌وری خطوط انتقال در حال ظهور هستند. هوش مصنوعی می‌تواند عملکرد شبکه را بهبود بخشد و به ایجاد سامانه‌ای الکتریکی کارآمدتر و پایدارتر کمک کند و از هدررفت انرژی هنگام انتقال برق در مناطق مختلف جلوگیری نماید.

علاوه بر این، مراکز داده می‌توانند از «سامانه‌های خنک‌سازی بسته» استفاده کنند که به آب کمتری نیاز دارند و سرورها را در دمای مناسب برای عملکرد مؤثر نگه می‌دارند.

این اقدامات موجب کاهش هزینه‌های انرژی و همچنین کاهش مصرف آب و برق خواهند شد.

همچنین ممکن است در سایر حوزه‌ها نیز بهره‌وری‌های بیشتری حاصل شود. برای مثال، شرکت چینی DeepSeek ادعا می‌کند که می‌تواند حجم عظیمی از اطلاعات را با توان پردازشی کمتر، هزینه پایین‌تر و نیاز الکتریکی کمتر پردازش کند.

در مقاله‌ای که اخیراً در نشریه Nature منتشر شده و یکی از مدیران این شرکت نیز در نگارش آن مشارکت داشته است، آمده که «مدل R1 متمرکز بر استدلالِ DeepSeek تنها با هزینه ۲۹۴ هزار دلار آموزش داده شده و از ۵۱۲ تراشه Nvidia H800 استفاده کرده است»؛ رقمی که تنها بخشی از منابع مورد نیاز بسیاری از مدل‌های غربی را تشکیل می‌دهد.

اگرچه هنوز مشخص نیست این ادعاها تا چه اندازه دقیق هستند، اما فناوری‌های دیجیتال سابقه‌ای طولانی در افزایش بهره‌وری در طول زمان دارند. این احتمال وجود دارد که پیشرفت‌های طراحی و پردازشی باعث افزایش پایداری مالی و انرژی شوند و فشارهای فعلی وارد بر مراکز داده را کاهش دهند.

شرکت‌های هوش مصنوعی با بسیاری از همان موانع قانونی و ایالتی مواجه خواهند شد که شرکت‌های انرژی با آن‌ها روبه‌رو هستند. نمونه مشابه آن در توسعه فناوری 5G دیده شد؛ زمانی که موضوع استقرار هم‌زمان تجهیزات رادیویی و منابع تأمین انرژی به یک چالش تبدیل شد.

دسترسی به سامانه‌های برق مدرن و مقاوم احتمالاً یکی از پیچیده‌ترین چالش‌های پیش روی شرکت‌های هوش مصنوعی خواهد بود.

هزینه‌های مراکز داده

عوامل متعددی در هزینه مراکز داده نقش دارند؛ از جمله خرید زمین، ساخت‌وساز، تجهیزات، نیروی انسانی، گرمایش و سرمایش، امنیت، مصرف انرژی، دریافت مجوزها، بهره‌برداری و موارد دیگر.

جف هاول از شرکت Encor Advisors این موضوع را به‌طور عمیق بررسی کرده و به این نتیجه رسیده است که «هزینه ساخت مراکز داده در ایالات متحده به‌طور متوسط حدود ۹.۵ میلیون دلار به ازای هر مگاوات برآورد می‌شود».

پس از ساخت نیز هزینه‌های عملیاتی سالانه می‌تواند از ۵۰ هزار تا ۱۰۰ هزار دلار برای یک مرکز کوچک و از ۱۰ تا ۲۵ میلیون دلار برای مراکز بزرگ متغیر باشد.

بررسی‌ها نشان می‌دهد که مراکز داده هایپراسکیل جدید که دارای هزاران سرور هستند، بیش از یک میلیارد دلار هزینه ساخت دارند.

این مراکز می‌توانند بیش از یک میلیون فوت مربع مساحت داشته باشند و از توان پردازشی بسیار پیشرفته برخوردار باشند.

علاوه بر هزینه بالا، چنین تأسیساتی نیازمند سرمایه‌گذاری اولیه بسیار سنگینی هستند.

بسیاری از این هزینه‌ها، از جمله قیمت زمین و دستمزد نیروی کار ساختمانی، در مناطق مختلف ایالات متحده تفاوت زیادی دارند و همین مسئله در سایر نقاط جهان نیز صدق می‌کند.

نزدیکی مراکز به زنجیره‌های تأمین بر هزینه نهایی تأثیرگذار است؛ همان‌طور که هزینه‌های حمل‌ونقل، لجستیک، انرژی و مالیات نیز نقش مهمی ایفا می‌کنند.

در حال حاضر میلیاردها دلار در حوزه هوش مصنوعی، رایانش ابری و مراکز داده‌ای که این برنامه‌های دیجیتال را پشتیبانی می‌کنند سرمایه‌گذاری می‌شود.

سرمایه از سوی شرکت‌های بزرگ فناوری، صندوق‌های سرمایه‌گذاری، صندوق‌های ثروت ملی کشورهای مختلف، مؤسسات مالی، مشارکت‌های صنعتی و منابع دیگر تأمین می‌شود.

تا سال ۲۰۲۴ سرمایه‌گذاری مالی مورد نیاز برای مراکز داده به صدها میلیارد دلار رسیده بود و انتظار می‌رود تا سال ۲۰۳۰ به تریلیون‌ها دلار افزایش یابد.

چه کسی هزینه را پرداخت می‌کند؟

در صورت نبود پیشرفت‌های چشمگیر در بهره‌وری، پرسش اصلی این است که چه کسی هزینه ظرفیت اضافی مراکز داده را پرداخت خواهد کرد.

در حال حاضر بخشی از این هزینه‌ها بر دوش مصرف‌کنندگان برق است.

قبض‌های برق در بسیاری از مناطق افزایش یافته و این موضوع نارضایتی‌هایی را نسبت به هزینه‌های اضافی ایجاد کرده است.

دیوید کلاوس و مارک مک‌کارتی استدلال کرده‌اند که از آنجا که شرکت‌های بزرگ فناوری مراکز داده را می‌سازند و از خدمات آن‌ها سود می‌برند، باید سهم بیشتری از هزینه‌ها را بر عهده بگیرند.

آن‌ها اشاره می‌کنند که ارزش بازار بزرگ‌ترین شرکت‌های هوش مصنوعی «هفت برابر کل بخش خدمات عمومی شاخص S&P 500» است و بنابراین از توان مالی کافی برای پرداخت هزینه برق اضافی برخوردارند.

به‌عنوان نمونه، کمیسیون خدمات عمومی ایالت اوهایو پیشنهاد کرده است شرکت‌هایی که مراکز داده‌ای با مصرف بیش از یک گیگاوات برق اداره می‌کنند، ۸۵ درصد هزینه برق خود را پرداخت کنند؛ در حالی که این رقم در حال حاضر ۶۰ درصد است.

این تغییر، سهم بیشتری از تأمین مالی را به شرکت‌های فناوری منتقل می‌کند؛ شرکت‌هایی که توانایی جذب این هزینه‌ها را دارند.

جمع‌بندی نهایی

به‌طور خلاصه، برای آنکه مراکز داده ــ و در نتیجه کاربردهای هوش مصنوعی ــ بتوانند به ظرفیت کامل خود دست یابند و از شکوفایی اقتصادی حمایت کنند، باید مجموعه‌ای از موانع و چالش‌ها برطرف شوند.

چالش‌های مربوط به مواد معدنی حیاتی، کمبود نیروی کار، اصلاح فرآیندهای صدور مجوز، نیازهای انرژی و آب، سرمایه‌گذاری در شبکه برق، ملاحظات امنیت ملی و توزیع جغرافیایی مراکز داده، همگی از اهمیت بسیار بالایی برخوردارند.

بهبود در تمامی این حوزه‌ها برای رقابت‌پذیری بین‌المللی و رونق اقتصادی ایالات متحده ضروری خواهد بود.

این مقاله بخشی از یک تلاش پژوهشی گسترده‌تر است که با هدف پایش این حوزه‌ها و سایر موضوعات نوظهور انجام می‌شود؛ تلاشی که در کنار بررسی مزایا و ریسک‌های اجتماعی، میزان پیشرفت در دستیابی به اهداف ملی و بین‌المللی را نیز ارزیابی می‌کند.

با چیپست از تکنولوژی عبب نمی‌مانید.