ما را دنبال کنید:

افزایش چهاربرابری مصرف انرژی دیتاسنترها تا ۲۰۳۵؛ هشدار جدی برای زیرساخت‌های جهانی

  • خانه
  • بلاگ
  • افزایش چهاربرابری مصرف انرژی دیتاسنترها تا ۲۰۳۵؛ هشدار جدی برای زیرساخت‌های جهانی
33 بازدید

صنعت دیتاسنتر طی دو دهه گذشته از یک «زیرساخت پشتیبان» به «زیرساخت حیاتی جهان دیجیتال» تبدیل شده است. امروز، هر سرویس آنلاین، سیستم ابری، اپلیکیشن موبایل و مدل هوش مصنوعی به معماری مراکز داده وابسته است. در فضایی که رقابت جهانی برای هوش مصنوعی شدت گرفته، دیتاسنترها دیگر شبیه به کارخانه‌های عظیم انرژی هستند؛ تأسیساتی با مصرف برق میلیونی، نیازهای خنک‌کنندگی پیچیده و الزامات پایداری حساس.

با این حال، نقطه عطف مهم این صنعت در هفته گذشته اعلام شد: گزارشی جدید از BloombergNEF و تحلیل منتشرشده توسط Axios نشان می‌دهد که مصرف برق دیتاسنترهای جهان در حال ورود به «دوره انفجاری» است؛ دوره‌ای که طراحی زیرساخت را دستخوش تغییراتی بنیادی می‌کند.

مصرف انرژی دیتاسنترها در مسیر تغییر تاریخی

بر اساس گزارش منتشرشده در ۱ دسامبر ۲۰۲۵، مصرف برق دیتاسنترهای ایالات متحده از حدود ۲۸ گیگاوات به ۱۰۶ گیگاوات تا سال ۲۰۳۵ خواهد رسید. این رقم، در مقایسه با تمام صنایع بزرگ جهان، یکی از سریع‌ترین نرخ‌های رشد مصرف انرژی محسوب می‌شود.

اما چرا چنین رشد قدرتمندی اتفاق افتاده است؟ پاسخ در یک کلمه خلاصه می‌شود: هوش مصنوعی.

 نقش هوش مصنوعی و GPU در تغییر معادله انرژی

افزایش تراکم پردازش (Compute Density)

سرورهای کلاسیک که بارهای کاری CPU-based را اجرا می‌کردند، در مقایسه با خوشه‌های GPU امروزی، مصرف انرژی ناچیز داشتند. سرورهای GPU نسل جدید مانند H100، MI300X یا Blackwell نه‌تنها برق بیشتری مصرف می‌کنند، بلکه گرمای بسیار بالاتری تولید می‌کنند.

Training و Inference در مقیاس عظیم

شرکت‌های بزرگ مانند OpenAI، Meta، Amazon و Google هر ماه GPUهای جدیدی به مزرعه‌های پردازشی خود اضافه می‌کنند. به عنوان مثال، هر «Training Run» یک مدل LLM عظیم، مصرفی برابر با انرژی چند هزار خانوار دارد.

پروژه‌های هوش مصنوعی در سازمان‌ها

کسب‌وکارها به سمت ایجاد مدل‌های اختصاصی و استقرار سرویس‌های AI داخلی حرکت کرده‌اند. بنابراین، این روند باعث رشد سریع دیتاسنترهای محلی نیز شده است.

بحران پنهان؛ فشار روی شبکه‌های برق

شبکه‌های برق در بسیاری از کشورها برای نرخ رشد ملایم طراحی شده‌اند، نه جهش‌های چندبرابری. در نتیجه، گزارش Axios هشدار می‌دهد که چند نتیجه جدی در راه است:

  1. احتمال خاموشی‌های دوره‌ای (Blackout)
    در مناطق با مصرف بالا—مانند دالاس، شمال ویرجینیا و ایالت‌های شمال اروپا—در دوره‌های اوج مصرف زمستان و تابستان، توان تأمین شبکه ممکن است کافی نباشد.

  2. نیاز فوری به ساخت Substationهای اختصاصی
    بسیاری از دیتاسنترهای نسل جدید بدون پست برق اختصاصی امکان عملیاتی شدن ندارند.

  3. رقابت برق با صنایع دیگر
    دیتاسنترها به‌تدریج رقیب صنایع فولاد، خودروسازی و کارخانه‌های باتری شده‌اند. به همین دلیل، این روند پیامدهای اقتصادی گسترده‌ای خواهد داشت.

چالش دوم؛ بحران خنک‌کنندگی در دیتاسنترهای GPU

مصرف انرژی فقط بخشی از مشکل است؛ بخش مهم‌تر تبدیل این انرژی به گرماست.

افزایش Heat Density

رک‌های GPU تا چندین برابر یک رک سرور معمولی گرما تولید می‌کنند. سیستم‌های خنک‌کنندگی هوا (CRAC/CRAH) دیگر توان مدیریت این حجم گرما را ندارند.

نمونه واقعی در هفته گذشته

دیتاسنتر CyrusOne در شیکاگو به دلیل نارسایی خنک‌کنندگی مبتنی بر هوا دچار اختلال ۱۰ ساعته شد. گزارش‌ها نشان می‌دهد که بار GPU فشار حرارتی از حد تحمل سیستم فراتر برده بود.

تغییر استاندارد: Liquid Cooling

در حال حاضر شرکت‌هایی مانند Meta, Google و Equinix در حال مهاجرت به خنک‌کنندگی مایع (Direct-to-Chip Liquid Cooling) هستند. در این روش لوله‌های مایع سرد مستقیماً به ماژول GPU متصل می‌شوند و مصرف انرژی خنک‌کنندگی تا ۳۰٪ کاهش می‌یابد.

راهکارهای عملی برای مراکز داده نسل آینده

  1. طراحی دیتاسنترهای مبتنی بر انرژی پایدار
    دیتاسنترهای جدید به جای نزدیک‌بودن به مشتری، باید نزدیک نیروگاه باشند؛ در این مدل، «منبع انرژی» مرکز تصمیم‌گیری است.

  2. استفاده از سیستم‌های Immersion Cooling
    به عنوان مثال، در دیتاسنترهای AI با تراکم بسیار بالا، سرورها مستقیماً در مایع خنک‌کننده قرار می‌گیرند. این فناوری می‌تواند گرما را با بازدهی ۱۰۰ برابر خنک‌کنندگی هوایی مدیریت کند.

  3. ارتقاء سیستم‌های توزیع توان
    طراحی دیتاسنتر باید بر اساس موارد زیر بازطراحی شود:
    – Power Shelf مخصوص GPU
    – باس‌داکت‌های ولتاژ بالا
    – PDUهای هوشمند با حسگرهای حرارتی
    – سیستم‌های UPS ماژولار با تحمل جریان لحظه‌ای بالا

  4. هوشمند‌سازی خنک‌کنندگی با AI
    Google اعلام کرده که با استفاده از الگوریتم‌های AI، مصرف انرژی خنک‌کنندگی (HVAC) را تا ۳۰٪ کاهش داده است.

  5. مدیریت ظرفیت (Capacity Planning) بر اساس Energy Forecasting
    روندهای جدید نشان می‌دهد ظرفیت برق از خود رک اهمیت بیشتری پیدا کرده است.

 پیامدهای تجاری و اقتصادی

  • افزایش هزینه ساخت دیتاسنتر: دیتاسنتری که در سال ۲۰۲۱ با ۱۵۰ میلیون دلار ساخته می‌شد، امروز با همان ظرفیت GPU به بیش از ۳۰۰ میلیون دلار سرمایه نیاز دارد.

  • افزایش هزینه برق و Cooling OPEX: هزینه عملیاتی مربوط به برق و خنک‌کنندگی می‌تواند تا ۶۰٪ هزینه سالانه دیتاسنتر را شامل شود.

  • ضرورت طراحی Sustainable Data Centers: پیش‌بینی می‌شود شرکت‌هایی که به بهره‌وری انرژی توجه نکنند، در پنج سال آینده از بازار رقابتی حذف خواهند شد.

 

نتیجه‌گیری

گزارش جدید BloombergNEF یک پیام ساده اما حیاتی دارد:
دیتاسنترهای آینده شبیه دیتاسنترهای امروز نیستند.

رشد برق مصرفی از ۲۸ گیگاوات به ۱۰۶ گیگاوات تنها یک عدد نیست؛ نشانه‌ای از تحول بنیادی در زیرساخت جهان است. هوش مصنوعی نه‌فقط سرویس‌ها، بلکه خود دیتاسنتر را نیز مجبور به تکامل کرده است.

صنعت دیتاسنتر در دهه آینده وارد فاز «بازتعریف» می‌شود؛ فازی که در آن طراحی بر محور انرژی، خنک‌کنندگی نسل جدید و معماری‌های مقاوم بر نوسانات شبکه شکل می‌گیرد.

سازمان‌هایی که این تحول را زودتر بپذیرند، برنده بازارهای آینده خواهند بود.

  1. Axios – افزایش مصرف انرژی دیتاسنترها

  2. Reuters – چالش خنک‌کنندگی دیتاسنترها

  3. Business Insider – دیدگاه IBM درباره سرمایه‌گذاری در دیتاسنترهای AI

  4. Barron’s – Vertiv و رشد تقاضای زیرساخت دیتاسنتر

مرتبط پست

دیدگاه ها بسته هستند