مصرف انرژی هوش مصنوعی؛ بحران پنهان پشت پیشرفت‌های ۲۰۲۵

در سال ۲۰۲۵، هوش مصنوعی نه تنها زندگی روزمره را دگرگون کرد، بلکه به یکی از بزرگ‌ترین مصرف‌کنندگان انرژی جهان تبدیل شد.

مراکز داده‌ای که مدل‌های بزرگ مانند Gemini یا Grok را آموزش می‌دهند و اجرا می‌کنند، حالا برق معادل مصرف شهرهای متوسط را می‌بلعند و این تازه آغاز راه است.

گزارش آژانس بین‌المللی انرژی (IEA) نشان می‌دهد مصرف برق مراکز داده جهانی در ۲۰۲۴ حدود ۴۱۵ تراوات‌ساعت بوده و تا ۲۰۳۰ بیش از دو برابر خواهد شد و به حدود ۹۴۵ تراوات‌ساعت می‌رسد – رقمی معادل مصرف برق کل ژاپن امروز. هوش مصنوعی اصلی‌ترین محرک این رشد است، با سرورهای شتاب‌دهنده که مصرف‌شان سالانه ۳۰ درصد افزایش می‌یابد. در آمریکا، مراکز داده بیش از ۴ درصد برق کشور را مصرف می‌کنند و تا ۲۰۳۰ این رقم به ۸ تا ۱۲ درصد می‌رسد.

این اعداد فقط آمار خشک نیستند؛ آن‌ها نشان‌دهنده بحرانی واقعی‌اند. یک جستجوی ساده با مدل‌های generative  گاهی ده‌ها برابر بیشتر از جستجوی گوگل انرژی مصرف می‌کند. آموزش یک مدل بزرگ می‌تواند صدها مگاوات برق بکشد، معادل مصرف هزاران خانه. ردپای کربنی هوش مصنوعی در ۲۰۲۵ بین ۳۲.۶ تا ۷۹.۷ میلیون تن دی‌اکسید کربن تخمین زده می‌شود؛ معادل انتشار سالانه کل شهر نیویورک یا یک کشور کوچک اروپایی مانند نروژ.

مصرف آب هم وحشتناک است: بین ۳۱۲.۵ تا ۷۶۴.۶ میلیارد لیتر، بیشتر از کل صنعت آب معدنی جهان و معادل مصرف جهانی بطری‌های آب. این آب عمدتاً برای خنک‌سازی سرورها صرف می‌شود و در مناطقی با تنش آبی، ریسک‌های جدی ایجاد می‌کند.

اما چرا این بحران پنهان مانده؟ چون مزایای هوش مصنوعی، از کشف دارو تا مدل‌سازی آب‌وهوا، چنان چشمگیرند که هزینه‌های زیست‌محیطی‌اش را نادیده می‌گیریم. بانک انگلستان هشدار داده که ارزش‌گذاری سهام شرکت‌های AI بیش از حد است و با اولین “اصلاح ناگهانی” انرژی، حباب می‌ترکد. شرکت‌های بزرگ مانند گوگل و مایکروسافت میلیاردها دلار برای مراکز داده جدید هزینه می‌کنند، اما اغلب به گاز طبیعی یا سوخت‌های فسیلی متکی‌اند تا نیاز فوری را برآورده کنند. شبکه‌های برق در بسیاری نقاط تحت فشارند و تأخیر در اتصال پروژه‌های جدید، رشد AI را تهدید می‌کند.

با این حال، دو روی سکه وجود دارد. هوش مصنوعی می‌تواند بخشی از راه‌حل باشد. الگوریتم‌های کارآمدتر، خنک‌سازی پیشرفته مانند سیستم‌های مایع (که تا ۴۰ درصد مصرف را کاهش می‌دهد) و پردازش روی دستگاه (on-device AI) که مصرف را صدها برابر کم می‌کند، در حال توسعه‌اند.

شرکت‌هایی مانند IBM و استارتاپ‌هایی مثل Groq و DeepX روی چیپ‌های کم‌مصرف کار می‌کنند. همچنین، انرژی‌های تجدیدپذیر، راکتورهای هسته‌ای کوچک (SMR) و حتی سیستم‌های اعتباری انرژی برای تشویق به مصرف پاک پیشنهاد شده‌اند. پیشرفت در چیپ‌ها و مدل‌های کوچک‌تر زبان (small language models) می‌تواند مصرف را ۱۰ تا ۶۰ درصد کاهش دهد. همکاری‌های عمومی و خصوصی برای بهینه‌سازی شبکه‌های برق و استفاده از AI برای پیش‌بینی تقاضا، می‌تواند تعادل ایجاد کند.

علاوه بر این، شفافیت بیشتر شرکت‌های فناوری در گزارش مصرف انرژی و آب ضروری است. بسیاری از گزارش‌های پایداری فعلی، مصرف غیرمستقیم (مانند آب مورد نیاز برای تولید برق) را نادیده می‌گیرند. سیاست‌گذاران باید استانداردهای اجباری وضع کنند تا تأثیر واقعی AI مشخص شود. در نهایت، اگر این چالش‌ها را مدیریت کنیم، AI  نه تنها مصرف‌کننده انرژی، بلکه بهینه‌کننده آن خواهد شد؛ مثلاً در مدیریت هوشمند شبکه‌ها یا کشف مواد جدید برای باتری‌ها.

در نهایت، ۲۰۲۵ سالی بود که متوجه شدیم پیشرفت فناوری بدون توجه به محدودیت‌های فیزیکی زمین، پایدار نیست. هوش مصنوعی ممکن است باهوش‌تر از همیشه شود، اما اگر برق کافی و پاک نداشته باشد، همه این هوش به چه کار می‌آید؟ زمان آن رسیده که “سبز کردن” AI را جدی بگیریم. با سیاست‌های تشویقی برای انرژی‌های پاک، شفافیت در گزارش مصرف شرکت‌ها، سرمایه‌گذاری روی نوآوری‌های کارآمد و همکاری جهانی. اگر موفق شویم، AI  نه تنها مشکل‌ساز، بلکه نجات‌دهنده سیاره خواهد بود. در غیر این صورت، بحران انرژی پنهان، پیشرفت‌هایش را خنثی خواهد کرد و ما را به عقب برمی‌گرداند.