هشدار نادلا و آلتمن: بحران اصلی هوش مصنوعی، کمبود برق است، نه تراشه!

هشدار نادلا و آلتمن: بحران اصلی هوش مصنوعی، کمبود برق است، نه تراشه!

در مصاحبه‌ای مشترک با سم آلتمن، مدیرعامل OpenAI، ساتیا نادلا اعلام کرد که مشکل اصلی در توسعه زیرساخت‌های هوش مصنوعی، کمبود برق است نه تراشه.

به گزارش نیوزلن و به نقل از تک‌اسپات، او گفت: «امروز مشکل من این نیست که تراشه ندارم، بلکه نمی‌توانم آن‌ها را به برق وصل کنم.» این اظهارات نشان‌دهنده تغییر تمرکز از سخت‌افزار به زیرساخت‌های انرژی در عصر هوش مصنوعی است.

دیتاسنترهای مدرن برای اجرای مدل‌های بزرگ هوش مصنوعی به اندازه یک شهر کوچک برق مصرف می‌کنند. برخی مراکز جدید تا ۲ گیگاوات برق نیاز دارند – مقداری برابر با مصرف برق برخی ایالت‌های آمریکا. در سال ۲۰۲۴، مراکز داده آمریکا ۱۸۳ تراوات‌ساعت برق مصرف کردند که بیش از ۴٪ مصرف ملی بود. پیش‌بینی می‌شود این رقم تا سال ۲۰۳۰ بیش از دو برابر شود. تا سال ۲۰۲۸، تنها وظایف مرتبط با هوش مصنوعی می‌توانند به اندازه ۲۲٪ از مصرف برق خانوارهای آمریکایی انرژی مصرف کنند.

نادلا تأکید کرد که بسیاری از سرورها به دلیل نبود زیرساخت‌های آماده (warm shells) ماه‌ها بلااستفاده باقی می‌مانند. این مراکز باید پیش از نصب سخت‌افزار، برق و سیستم خنک‌کننده کافی داشته باشند. در نتیجه، شرکت‌ها با تأخیرهای جدی در بهره‌برداری از تجهیزات مواجه‌اند.
 

از سوی دیگر، افزایش مصرف برق مراکز داده باعث بالا رفتن قبوض برق خانگی شده است؛ برخی ایالت‌ها تا ۳۶٪ افزایش را تجربه کرده‌اند. سم آلتمن خواستار سرمایه‌گذاری دولتی در تولید انرژی شده و تأکید کرده که انرژی به یک دارایی استراتژیک در رقابت جهانی هوش مصنوعی تبدیل شده است. او همچنین سرمایه‌گذاری چین در انرژی آبی و هسته‌ای را یک مزیت مهم دانسته است.

افزایش مصرف برق همچنین نیاز به آب برای خنک‌سازی را بالا برده است. مراکز داده در مناطق گرم مجبور شده‌اند پروژه‌های خود را به مناطق سردتر منتقل کنند تا هزینه‌ها و خطرات زیست‌محیطی را کاهش دهند. شرکت‌های فناوری نیز برای دسترسی اولویت‌دار به برق با شرکت‌های خدماتی قراردادهای اختصاصی امضا می‌کنند که فشار بیشتری بر شبکه‌های محلی وارد می‌کند.

در پایان، نادلا و آلتمن پیش‌بینی کردند که با پیشرفت فناوری نیمه‌هادی، دستگاه‌های خانگی کم‌مصرف می‌توانند مدل‌های پیشرفته مانند GPT-5 یا GPT-6 را به‌صورت محلی اجرا کنند. این تحول می‌تواند وابستگی به مراکز داده عظیم را کاهش دهد و مسیر توسعه هوش مصنوعی را تغییر دهد.