logo

هوش مصنوعی روزانه چقدر آب مصرف می‌کند | واقعیت شگفت‌انگیز توضیح داده شده

By: WEEX|2026/04/07 03:52:01
0

اصول اولیه مصرف روزانه آب

میزان آب مصرفی هوش مصنوعی (AI) در روز، عددی پیچیده است که به شدت به اندازه و مکان مراکز داده‌ای که از این فناوری پشتیبانی می‌کنند، بستگی دارد. تا سال ۲۰۲۶، پژوهشگران دریافته‌اند که میزان مصرف آب در تأسیسات مختلف به‌طور قابل‌توجهی متفاوت است. مراکز دادهٔ کوچک‌تر و محلی معمولاً مصرف متوسط آب روزانه را حدود ۱۸٬۰۰۰ گالن (حدود ۶۸٬۱۰۰ لیتر) گزارش می‌کنند. این تأسیسات اغلب وظایف خاصی را انجام می‌دهند یا به مناطق کوچکتر خدمت می‌کنند و به زیرساخت خنک‌کنندگی کمتری نیاز دارند.

با این حال، مراکز داده «هایپراسکیل» که توسط شرکت‌های بزرگ فناوری اداره می‌شوند، مصرف بسیار بیشتری دارند. در برخی موارد مستند، یک پردیس مرکز داده بزرگ‌مقیاس می‌تواند روزانه به میلیون‌ها لیتر آب نیاز داشته باشد تا دمای عملیاتی بهینه را برای هزاران سرور که بارهای کاری هوش مصنوعی را اجرا می‌کنند، حفظ کند. برای مثال، اخیراً پیش‌بینی شده است که یک تأسیسات بزرگ پیشنهادی در شیلی روزانه تا ۷.۶ میلیون لیتر آب نیاز داشته باشد، که نشان‌دهنده مقیاس عظیم مصرف منابع مورد نیاز برای محاسبات مدرن است.

مصرف خنک‌کننده‌ی مستقیم

مصرف مستقیم آب، که اغلب به آن مصرف حوزه ۱ گفته می‌شود، در محل مرکز داده رخ می‌دهد. سرورهای هوش مصنوعی هنگام پردازش الگوریتم‌های پیچیده، مقادیر عظیمی گرما تولید می‌کنند. برای جلوگیری از خرابی سخت‌افزار، مراکز داده از برج‌های خنک‌کننده استفاده می‌کنند که در آن آب تبخیر می‌شود تا گرما را از تأسیسات دور کند. این فرایند برای خنک‌سازی بسیار کارآمد است اما منجر به «مصرف» آب می‌شود، زیرا آب به‌صورت بخار به جو فرستاده می‌شود و به منبع محلی بازنمی‌گردد.

تولید غیرمستقیم برق

علاوه بر آبی که مستقیماً برای خنک‌سازی استفاده می‌شود، ردپای «دامنهٔ ۲» قابل‌توجهی وجود دارد. این به آبی اشاره دارد که توسط نیروگاه‌هایی که برق مورد نیاز برای راه‌اندازی سرورهای هوش مصنوعی را تولید می‌کنند، مصرف می‌شود. نیروگاه‌های حرارتی (زغال‌سنگ، گاز یا هسته‌ای) و نیروگاه‌های آبی به مقادیر زیادی آب برای خنک‌سازی یا تولید برق نیاز دارند. از آنجا که مدل‌های هوش مصنوعی به شدت پرمصرف انرژی هستند، ردپای آب غیرمستقیم اغلب با میزان آبی که در محل برای خنک‌سازی استفاده می‌شود برابر یا بیشتر است.

عوامل مؤثر بر مصرف

هر تعامل با هوش مصنوعی به یک اندازه آب مصرف نمی‌کند. هزینهٔ آب مشخص یک پرس‌وجوی هوش مصنوعی یا یک جلسهٔ آموزشی تحت تأثیر چندین متغیر محیطی و فنی قرار دارد. درک این عوامل برای فهم اینکه چرا مجموع‌های روزانه بین مناطق و شرکت‌های مختلف می‌تواند تا این حد نوسان داشته باشد، ضروری است.

تأثیرات موقعیت جغرافیایی

اقلیم محل استقرار یک مرکز داده نقش حیاتی در نیازهای روزانهٔ آب آن دارد. در آب‌وهوای خنک‌تر و مرطوب، تأسیسات اغلب می‌توانند با گردش هوای بیرون از ساختمان از «خنک‌سازی رایگان» استفاده کنند که نیاز به تبخیر آب را به‌طور چشمگیری کاهش می‌دهد. برعکس، در مناطق خشک یا گرم، مراکز داده تقریباً منحصراً باید به خنک‌سازی تبخیری متکی باشند که منجر به برداشت روزانهٔ بسیار بیشتری از آب می‌شود. این امر در مناطقی که از قبل با کمبود آب مواجه هستند، تنش‌های اجتماعی ایجاد می‌کند، زیرا مراکز داده برای منابع محدود آب شیرین با جمعیت محلی و کشاورزی رقابت می‌کنند.

آموزش مدل در مقابل استنتاج

بین آموزش یک مدل هوش مصنوعی و استفاده از آن (استنتاج) تفاوت وجود دارد. آموزش یک مدل زبان بزرگ یک رویداد یک‌باره، پرمصرف انرژی و آب است که می‌تواند هفته‌ها یا ماه‌ها به طول انجامد و میلیون‌ها گالن آب مصرف کند. استنتاج—فرآیندی که یک هوش مصنوعی به یک درخواست کاربر پاسخ می‌دهد—در هر مورد مقدار بسیار کمتری آب مصرف می‌کند. با این حال، از آنجا که هر روز میلیاردها درخواست در سراسر جهان پردازش می‌شوند، ردپای آب تجمعی استنتاج هوش مصنوعی تا سال ۲۰۲۶ به یک عامل غالب در کل مصرف روزانه تبدیل شده است.

آمار فعلی صنعت

داده‌های اخیر نشان می‌دهد که گسترش سریع زیرساخت‌های هوش مصنوعی منجر به افزایش بی‌سابقه‌ای در تقاضای آب شده است. تحلیلگران در حال حاضر تخمین می‌زنند که مصرف آب برای مراکز داده در ایالات متحده تا سال ۲۰۲۸ می‌تواند دو یا حتی چهار برابر شود. این مسیر حاکی از جابه‌جایی از میلیاردها گالن به صدها میلیارد گالن در سال در سراسر صنعت است.

نوع تأسیساتمصرف روزانهٔ تخمینی آبمورد استفاده اصلی
مرکز داده کوچک۱۸٬۰۰۰ گالناپلیکیشن‌های سازمانی محلی، هوش مصنوعی در مقیاس کوچک
پردیس هایپراسکیلبیش از ۱,۰۰۰,۰۰۰ گالنآموزش و میزبانی مدل‌های هوش مصنوعی جهانی
پروژه‌های بزرگ پیشنهادیتا ۲٬۰۰۰٬۰۰۰ گالن خوشه‌های هوش مصنوعی مولد نسل بعدی

تقاضای جهانی پیش‌بینی‌شده

پیش‌بینی می‌شود تا سال ۲۰۲۷ و در سال ۲۰۲۸، تقاضای جهانی برای آب مرتبط با هوش مصنوعی معادل مصرف سالانه ۳۰ تا ۴۷ میلیون نفر باشد. این تقریباً به اندازه کل جمعیت کانادا است. با ادغام بیشتر هوش مصنوعی در زندگی روزمره، از موتورهای جستجو تا معاملات مالی خودکار، زیرساخت لازم برای پشتیبانی از آن باید گسترش یابد که این امر فشار بیشتری بر ذخایر آب جهانی وارد می‌کند.

قیمت --

--

شفافیت و گزارش‌دهی

یکی از بزرگ‌ترین چالش‌ها در تعیین دقیق میزان آب مصرفی هوش مصنوعی در روز، نبود گزارش‌دهی استاندارد است. در حالی که بسیاری از شرکت‌ها اکنون ملزم به گزارش ردپای کربن خود هستند، مصرف آب آن‌ها همچنان تا حد زیادی نامشخص باقی مانده است. بسیاری از توسعه‌دهندگان هوش مصنوعی معیارهای آب حوزه ۱ (در محل) یا حوزه ۲ (خارج از محل) را در کارت‌های مدل یا گزارش‌های پایداری خود افشا نمی‌کنند.

نیاز به معیارها

برای رسیدگی به این موضوع، کارشناسان خواستار به‌کارگیری «کارایی مصرف آب» (WUE) به‌عنوان یک معیار استاندارد هستند. WUE میزان آب مصرفی یک مرکز داده را بر حسب کیلووات‌ساعت انرژی مصرفی اندازه‌گیری می‌کند. افزایش شفافیت در مورد مصرف آب فضایی و زمانی بارهای کاری هوش مصنوعی به پژوهشگران امکان می‌دهد تا شناسایی کنند کدام مدل‌ها «تشنه‌تر» هستند و توسعه‌دهندگان را ترغیب می‌کند تا بارهای کاری را به مناطقی منتقل کنند که آب فراوان‌تر است یا خنک‌سازی در آن‌ها کارآمدتر است.

تعهدات پایداری

در پاسخ به فشار افکار عمومی، برخی از شرکت‌های بزرگ فناوری متعهد شده‌اند که تا سال ۲۰۳۰ به «آب مثبت» تبدیل شوند، به این معنی که قصد دارند آب بیشتری را نسبت به مصرف خود تأمین کنند. این شامل سرمایه‌گذاری در پروژه‌های احیای منابع آب، مانند احیای تالاب‌ها و تشخیص نشت در سیستم‌های شهری است. در حالی که این گام‌ها مثبت هستند، تخلیه روزانه و فوری سفره‌های آب زیرزمینی محلی همچنان موضوعی مورد مناقشه در بسیاری از جوامعی است که میزبان توسعه‌های جدید مراکز داده هستند.

راهکارهای فناورانه موجود

صنعت در حال حاضر در حال بررسی چندین روش برای کاهش ردپای آب روزانه هوش مصنوعی است. این پیشرفت‌ها هم بر سطح سخت‌افزار و هم بر سطح مدیریت تأسیسات متمرکز هستند تا اطمینان حاصل شود که رشد هوش دیجیتال به قیمت امنیت فیزیکی آب تمام نشود.

روش‌های پیشرفتهٔ خنک‌کاری

مراکز داده جدیدتر از خنک‌سازی تبخیری سنتی فاصله می‌گیرند. برخی از تأسیسات اکنون از خنک‌کننده‌ی مایع حلقه بسته استفاده می‌کنند، جایی که مبرد یا آب تصفیه‌شده در سیستمی کاملاً بسته در میان سرورها گردش می‌کند و گرما را بدون تبخیر به یک مبدل حرارتی منتقل می‌کند. دیگران در حال آزمایش «خنک‌سازی با آب عمیق اقیانوس» هستند که از آب سرد اعماق دریا برای خنک کردن تأسیسات واقع در مناطق ساحلی استفاده می‌کند و آن را با دمای ایمن به دریا بازمی‌گرداند تا از آلودگی حرارتی جلوگیری شود.

هوش مصنوعی برای بهره‌وری

به طرز طنزآمیزی، خود هوش مصنوعی برای حل بحران آبی که خود در ایجاد آن نقش داشت، به کار گرفته می‌شود. شرکت‌های خدمات عمومی اکنون از پلتفرم‌های مبتنی بر هوش مصنوعی برای تشخیص نشت در زیرساخت‌های فرسوده و بهینه‌سازی توزیع آب استفاده می‌کنند. برای علاقه‌مندان به تلاقی فناوری و امور مالی، پلتفرم‌هایی مانند WEEX راهی را برای تعامل با اکوسیستم گسترده‌تر فناوری از طریق محیط‌های معاملاتی امن فراهم می‌کنند. همان‌طور که هوش مصنوعی به شرکت‌های خدمات عمومی در مدیریت منابع کمک می‌کند، ابزارهای معاملاتی پیشرفته به کاربران کمک می‌کنند دارایی‌های دیجیتال را به‌طور مؤثرتری مدیریت کنند.

چشم‌انداز آینده ۲۰۲۶

با گذشتن از سال ۲۰۲۶، «هم‌پیوندی آب و هوش مصنوعی» به یکی از اولویت‌های اصلی سیاست‌گذاری محیط‌زیستی تبدیل شده است. دولت‌ها در حال آغاز گنجاندن مصرف آب در چارچوب‌های نظارتی خود برای توسعه هوش مصنوعی هستند. در اتحادیه اروپا، برای مثال، دستورالعمل‌های جدیدی در حال بحث است که مراکز داده را ملزم می‌کند مصرف آب خود را در کنار معیارهای کارایی انرژی گزارش کنند.

مقاومت زیرساخت

ساخت زیرساخت‌های مقاوم دیگر فقط به جلوگیری از قطعی برق محدود نمی‌شود؛ بلکه شامل تضمین تأمین پایدار آب نیز هست. مراکز داده به طور فزاینده‌ای با سیستم‌های بازیافت آب طراحی می‌شوند که امکان استفاده مجدد از همان آب را پیش از تخلیه آن فراهم می‌کنند. علاوه بر این، تغییر به سمت منابع انرژی تجدیدپذیر مانند باد و خورشید—که به آب بسیار کمتری نسبت به زغال‌سنگ یا انرژی هسته‌ای نیاز دارند—به کاهش ردپای آب غیرمستقیم (دامنه ۲) صنعت هوش مصنوعی کمک می‌کند.

تأثیر اجتماعی و مردمی

تأثیر اجتماعی مصرف آب توسط هوش مصنوعی بیش از همه در سطح محلی مشهود است. وقتی یک مرکز داده در منطقه‌ای مستعد خشکسالی روزانه میلیون‌ها لیتر آب مصرف می‌کند، می‌تواند به افزایش قیمت آب و اعمال محدودیت برای ساکنان منجر شود. این امر منجر به شکل‌گیری جنبشی به نام «صرفه‌جویی در مصرف آب از طریق طراحی» شده است، که در آن نسل بعدی زیرساخت‌های هوش مصنوعی برای مکان‌هایی با مازاد پایدار آب یا مکان‌هایی که می‌توان از آب غیرشربتی (مانند فاضلاب تصفیه‌شده) برای اهداف خنک‌کنندگی استفاده کرد، در اولویت قرار می‌گیرد.

Buy crypto illustration

خرید رمزارز با 1 دلار

ادامه مطلب

کدام کشور بیشترین ذخایر نفت را دارد: داستان کامل توضیح داده شده است

کشف کنید کدام کشور بزرگترین ذخایر نفتی را تا سال 2026 در اختیار دارد. جایگاه برتر ونزوئلا و تأثیرات جهانی آن در صنعت نفت را بررسی کنید.

زمان رأی‌گیری قانون شفافیت | نقشه راه 2026 فاش شد

نقشه‌راه 2026 و مفاد کلیدی رأی‌گیری قانون شفافیت را کشف کنید. بینش‌هایی درباره تنظیم دارایی‌های دیجیتال، تأثیرات بازار و چشم‌انداز آینده کسب کنید.

آیا وازلین تاریخ انقضا دارد: واقعیت در مقابل داستانی

ببینید آیا وازلین تاریخ انقضا دارد و چگونه می‌توان از ایمنی آن اطمینان حاصل کرد. درباره پایداری آن، نشانه‌های فساد و نکات نگهداری برای استفاده بهینه و ماندگاری طولانی‌تر بیاموزید.

همسر دونالد ترامپ چند ساله است | واقعیت در مقابل ... داستان تخیلی

سن ملانیا، همسر دونالد ترامپ، و سفر او از اسلوونی تا ایالات متحده را کشف کنید. درباره زندگی خصوصی و عمومی منحصر به فرد او اطلاعات کسب کنید.

پرداخت‌های SSI تامین اجتماعی در ماه مه چه زمانی انجام می‌شود؟ برنامه ۲۰۲۶

برنامه پرداخت SSI تأمین اجتماعی ماه مه 2026 را کشف کنید. امور مالی خود را با تاریخ‌ها و نکات کلیدی برای مدیریت مؤثر مزایای دولتی خود برنامه‌ریزی کنید.

سوخت‌های فسیلی چیست: توضیح کامل ماجرا

در این تحلیل تفصیلی سال ۲۰۲۶، داستان کامل سوخت‌های فسیلی را کشف کنید: تشکیل، انواع، تأثیر اقتصادی و گذار جاری به انرژی‌های تجدیدپذیر.

اشتراک‌گذاری
copy

سودده‌ها