به گزارش سرویس بین الملل رسانه اخبار تکنولوژی روز دنیا تک فاکس،
تجزیه و تحلیل نشان می دهد که سیستم های اطلاعاتی مصنوعی تقریباً نیمی از مصرف انرژی دیتاسنتر را به خود اختصاص می دهند ، تجزیه و تحلیل نشان داده است.
برآوردهای الکس دو وریس-گئو ، بنیانگذار وب سایت پایداری فناوری Digiconomist ، به عنوان پیش بینی آژانس بین المللی انرژی پیش بینی می شود که AI تا پایان این دهه به همان اندازه که ژاپن از آن استفاده می کند ، تقریباً به همان اندازه انرژی نیاز دارد.
محاسبات De Vries-Gao ، که در مجله انرژی پایدار Joule منتشر می شود ، مبتنی بر قدرت مصرف تراشه های ساخته شده توسط NVIDIA و دستگاه های میکرو پیشرفته است که برای آموزش و بهره برداری از مدل های هوش مصنوعی استفاده می شود. این مقاله همچنین مصرف انرژی تراشه های مورد استفاده شرکت های دیگر مانند Broadcom را در نظر می گیرد.
IEA تخمین می زند که کلیه مراکز داده – به استثنای معدن برای ارزهای رمزنگاری شده – 415 ساعت Terawatt (TWH) سال گذشته مصرف کردند. De Vries-Gao در تحقیقات خود استدلال می کند که AI می تواند 20 ٪ از این کل را به خود اختصاص دهد.
وی گفت: تعدادی از متغیرها در محاسبات وی قرار گرفتند ، مانند بهره وری انرژی یک دیتاسنتر و مصرف برق مربوط به سیستم های خنک کننده برای سرورهایی که بارهای کار شلوغ سیستم هوش مصنوعی را اداره می کنند. Datacentres سیستم عصبی مرکزی فناوری هوش مصنوعی است و تقاضای انرژی بالا آنها باعث ایجاد نگرانی اساسی در توسعه و استفاده از سیستم های اطلاعاتی مصنوعی می شود.
در پایان سال 2025 ، تخمین های De Vries-Gao ، مصرف انرژی توسط سیستم های هوش مصنوعی می تواند به 49 ٪ از کل مصرف انرژی دیتاسنتر نزدیک شود ، دوباره به استثنای معدن رمزنگاری. برآورد تحقیقات ، مصرف هوش مصنوعی می تواند به 23 گیگاوات (GW) برسد ، دو برابر کل مصرف انرژی هلند.
با این حال ، De Vries-Gao گفت که تعدادی از عوامل می توانند منجر به کندی در تقاضای سخت افزار مانند کاهش تقاضا برای برنامه های کاربردی مانند ChatGPT شوند. مسئله دیگر می تواند تنش های ژئوپلیتیکی باشد که منجر به محدودیت در تولید سخت افزار هوش مصنوعی مانند کنترل صادرات می شود. De Vries-Gao نمونه ای از موانع دسترسی چینی به تراشه ها را ذکر می کند ، که به انتشار مدل AI Deepseek R1 که گفته می شود از تراشه های کمتری استفاده می کنند ، کمک کرده است.
De Vries گفت: “این نوآوری ها می توانند هزینه های محاسباتی و انرژی هوش مصنوعی را کاهش دهند.”
اما وی گفت که هرگونه بهره وری از کارآیی می تواند استفاده از هوش مصنوعی بیشتری را ترغیب کند. چندین کشور که سعی در ساخت سیستم های هوش مصنوعی خود دارند – روندی که به عنوان “AI Sovereign” شناخته می شود – همچنین می تواند تقاضای سخت افزار را افزایش دهد. De Vries-Gao همچنین به یک راه اندازی Datacentre در ایالات متحده ، Crusoe Energy اشاره کرد ، با تأمین 4.5 گرم از ظرفیت انرژی بنزین برای زیرساخت های خود ، با توسعه دهنده ChatGPT Openai در بین مشتریان بالقوه از طریق سرمایه گذاری مشترک Stargate خود.
De Vries-Gao می نویسد: “نشانه های اولیه وجود دارد که نشان می دهد این داده های (Stargate) می توانند وابستگی به سوخت های فسیلی را تشدید کنند.”
روز پنجشنبه Openai از آغاز یک پروژه Stargate در امارات متحده عربی ، اولین نفر در خارج از ایالات متحده خبر داد.
بعد از تبلیغ خبرنامه
مایکروسافت و گوگل سال گذشته اعتراف کردند که درایوهای هوش مصنوعی آنها توانایی آنها در تحقق اهداف داخلی محیط زیست را به خطر می اندازد.
دی وریس-گائو گفت که اطلاعات مربوط به خواسته های قدرت هوش مصنوعی به طور فزاینده ای کمیاب شده است ، با این که تحلیلگر آن را “صنعت مات” توصیف می کند. قانون اتحادیه اروپا اتحادیه اروپا به شرکت های هوش مصنوعی نیاز دارد تا مصرف انرژی در پشت آموزش یک مدل را فاش کنند اما نه برای استفاده روزانه.
پروفسور آدام سبی ، مدیر مأموریت پایداری در موسسه آلن تورینگ در انگلستان ، یک نهاد تحقیقاتی هوش مصنوعی ، گفت که شفافیت بیشتری در مورد میزان مصرف انرژی توسط سیستم های اطلاعاتی مصنوعی مورد نیاز است و چقدر می تواند با کمک به ایجاد صنایع ساطع کننده کربن مانند حمل و نقل و انرژی کارآمدتر صرفه جویی کند.
سبی گفت: “من گمان می کنم که برای جبران انرژی مورد استفاده در قسمت جلویی ، به موارد استفاده خیلی خوبی (از هوش مصنوعی) احتیاج نداریم.”