انویدیا مدعی است که مراکز داده تنها 60 درصد از توان مصرفی را برای کار واقعی هوش مصنوعی مصرف می‌کنند - خرابی‌ها و راه‌اندازی مجدد 10 درصد از هر وات مصرفی را «مصرف» می‌کند.

انویدیا ادعا می کند که به ازای هر گیگاواتی که یک مرکز داده هوش مصنوعی استفاده می کند، تنها 70 درصد آن برای کار با هوش مصنوعی استفاده می شود.

ناکارآمدی ها شامل خنک سازی و توزیع برق، خرابی ها و راه اندازی مجدد است

در حالی که کمبود تراشه به عنوان گلوگاه اصلی ظرفیت مرکز داده هوش مصنوعی در نظر گرفته می‌شد، اکنون اتصال یک مرکز به شبکه است. به گفته انویدیا، مراکز داده هوش مصنوعی ناکارآمد هستند، زیرا مشکلات فیزیکی و سیستمی مختلف در استفاده از انرژی فراتر از پردازش هوش مصنوعی نقش دارند. این نظر که توسط Vertiv سازنده مرکز داده در رویداد سالانه اخیر EMEA به اشتراک گذاشته شد، زیربنای مراحل توسعه آینده است که در آن قصد دارد امکانات پایدار را جمع آوری کند.

Vertiv و Nvidia از اوایل سال 2026 برای طراحی مشترک نسل بعدی مراکز داده، با Vertiv که مدیریت نیرو و زیرساخت را برای GPU های Nvidia فراهم می کند، همکاری می کنند.

با حداکثر 70 درصد برق مصرفی از شبکه برای پردازش هوش مصنوعی، 30 درصد باقی مانده نشان دهنده ناکارآمدی هایی است که طراحی های بهینه مرکز داده برای آینده باید کاهش دهد.

این کارآمد نیست

اگرچه ممکن است ناکارآمدی‌های مختلفی که بر مراکز داده هوش مصنوعی تأثیر می‌گذارد تعجب‌آور نباشد، اما مقیاس آنها ممکن است. به گفته انویدیا – از طریق معاون سوپرکامپیوتر، زیرساخت‌های ابری هوش مصنوعی و AI/HPC برای EMEA Rod Evans – این 30 درصد شامل مشکلات زیرساختی و سیستمی است.

برای یک مرکز داده یک گیگاواتی، 20٪ از طریق خنک کننده، توزیع برق و تبدیل از بین می رود. 10 درصد دیگر به دلیل پیکربندی نادرست قفسه ها و همچنین خرابی ها و راه اندازی مجدد از بین می رود.

ایوانز می‌گوید که "شما یک قرارداد 100 مگاواتی امضا می‌کنید، اما در واقع هرگز آن را دریافت نمی‌کنید. با کمی شانس، 93 مگاوات و در زمان‌های معینی از روز، حتی کمتر."

Nvidia معتقد است که برخی از 30٪ (که می تواند تا 40٪ باشد) قابل بازیابی است. ایوانز خاطرنشان می‌کند که «یک مرکز داده در واقع برای اوج بار و قطعی طراحی شده است، نه برای چیزی که معمولا استفاده می‌کند». این بدان معنی است که می توان از ظرفیت استفاده نشده استفاده کرد، و قدرت و خنک کننده را می توان برای یافتن تنظیمات بهینه بازبینی کرد.

تنگناهای قدرت

راد ایوانز بیان می کند که Nvidia و Vertiv در حال برنامه ریزی مراکز داده ای هستند که کارآمدتر و پایدارتر باشند. ما با هم می‌خواهیم مراکز داده هوش مصنوعی پایدار بسازیم که در آن تمرکز بر استفاده حداکثری از توان ممکن نیست، بلکه بر استفاده حداکثری از هر وات باشد.»

یکی از مهم ترین جزئیات کنفرانس مطبوعاتی چالشی است که برای مراکز داده هوش مصنوعی نه به دلیل کمبود تراشه، بلکه به دلیل کمبود نیرو ایجاد شده است. تنگناها منجر به کمبود نیرو در مراکز داده می شود و برخی از آنها چندین سال منتظر می مانند تا قدرت متناسب با ظرفیت خود را دریافت کنند.

این می تواند تحت تأثیر موقعیت مکانی باشد. پل رایان، رئیس EMEA Vertiv توضیح داد که در حالی که می‌توانید در برخی مکان‌ها برق بگیرید اما مجوز ندارید. در دیگری، مجوز به سرعت اعطا می شود، اما برق وجود ندارد. و گاهی اوقات شما هر دو را دارید، اما مکان آنقدر دور است که به سختی می توانید تجهیزات را در آنجا تهیه کنید.