گلوگاه واقعی هوش مصنوعی برق است. چه کسی هزینه آن را پرداخت خواهد کرد؟

چند سال پیش، چنین توافقاتی غیرقابل تصور به نظر می رسید. انرژی هسته ای به دنبال حوادثی در جزیره تری مایل در سال 1979، چورنوبیل در سال 1986 و فوکوشیما در سال 2011 از بین رفت. آلمان انرژی هسته ای را به تدریج کنار گذاشت، در حالی که ژاپن راکتورهای خود را پس از فوکوشیما تعطیل کرد، اگرچه از آن زمان شروع به راه اندازی مجدد آنها کرده است. در بسیاری از کشورهای دموکراتیک، حمایت از انرژی هسته ای از نظر سیاسی دشوار شد.

در دهه گذشته، پاسخ صنعت به مشکل انرژی هوش مصنوعی کارایی بود - مواردی مانند تراشه‌های بهتر، مدل‌های کوچک‌تر و خنک‌کننده هوشمندتر جذاب و امکان‌پذیر به نظر می‌رسیدند. در کنفرانس‌های صنعتی بحث‌هایی در مورد عملکرد به ازای هر وات انجام شد، با تراشه‌های هوش مصنوعی مدرن (AI) که محاسبات بیشتری را در واحد الکتریسیته نسبت به تراشه‌های قبلی خود انجام می‌دادند.

با این حال، این افزایش بهره وری باعث کاهش تقاضای کلی برق نشد. در عوض، هر سود به سرعت به سمت چیزی بزرگتر قرار گرفت. حتی زمانی که DeepSeek نشان داد که یک مدل رقابتی می تواند با کسری از هزینه محاسباتی که بسیاری انتظار داشتند آموزش داده شود، نتیجه کاهش هزینه های صنعت نبود. در عوض، آزمایشگاه‌ها به برنامه‌ریزی دوره‌های آموزشی بیشتر، مدل‌هایی که طولانی‌تر هستند، عواملی که به طور مداوم در پس‌زمینه کار می‌کنند و تولید ویدیو ادامه دادند.

این اولین بار نیست که چنین چیزی در تاریخ اتفاق می افتد. در سال 1865، ویلیام جوونز مشاهده کرد که موتورهای بخار کارآمدتر باعث می‌شود بریتانیا زغال‌سنگ بیشتری بسوزاند، نه کمتر، زیرا انرژی ارزان‌تر، مصارفی را ایجاد می‌کند که قبلا وجود نداشت. آژانس بین‌المللی انرژی تخمین می‌زند که تقاضای برق مرکز داده جهانی تا سال 2030 بیش از دو برابر خواهد شد و به حدود 945 تراوات ساعت خواهد رسید، حتی با فرض بهبود مستمر در بهره‌وری.

از این رو، صنعت استراتژی خود را تغییر داده است - شرکت ها قادر به کاهش تقاضا نیستند، اکنون عرضه را خریداری می کنند.

با این حال، پول نمی تواند همه مشکلات را به سرعت حل کند.

یک راکتور بزرگ جدید از تصمیم گیری تا برق یک دهه یا بیشتر طول می کشد. شرکت‌های فناوری در حال سرمایه‌گذاری در راکتورهای مدولار کوچک برای تامین انرژی مراکز داده خود هستند، اگرچه انتظار می‌رود بسیاری از این پروژه‌ها تا اوایل دهه 2030 برق تحویل ندهند. تاکنون تعداد بسیار کمی از اینها در هر جای دنیا ساخته شده است. بنابراین، در حالی که راه اندازی مجدد راکتور و ارتقاء سریعتر گزینه است، "گزینه سریع" همچنان به معنای سال های 2027، 2028، 2029 یا بیشتر است.

با این حال، هزینه های سرمایه ای هوش مصنوعی بر اساس همان تقویم عمل نمی کند. تراشه‌هایی که در سال جاری نصب می‌شوند، می‌توانند مدت‌ها قبل از انقضای قراردادهای 20 ساله برق که به آنها انرژی می‌دهد، با فناوری جدیدتر پیشی بگیرند. این اختلاف پشتوانه همه این اعلامیه‌ها است، با این حال صنعت به پیامدهای آن در صورت تضعیف تقاضا در حالی که تعهدات قراردادی باقی است، رسیدگی نکرده است.

اینجاست که داستان دیگر درباره تکنولوژی نیست.

هدف از توافقنامه Google مقابله با این اعتراض است. اصل اساسی آن این است که مصرف کنندگان عمده برق جدید باید ظرفیت تولید اضافی را به جای رقابت با کاربران فعلی برای تامین از قبل محدود به ارمغان بیاورند. این رویکرد نشان دهنده گامی سازنده در جهت کاهش فشاری است که مراکز داده بر سیستم های برق وارد می کنند.

با این حال، این ترتیب همچنان داوطلبانه است. در اکتبر 2026، رگولاتورهای فدرال ایالات متحده اکثر پیشنهادات PJM مبنی بر الزام مصرف کنندگان بزرگ برق جدید برای تامین ظرفیت تولید خود را رد کردند. در نتیجه، صنعت به طور داوطلبانه تعهدی را ارائه می‌کند که تنظیم‌کننده‌ها تاکنون از اعمال آن از طریق قوانین پیشنهادی PJM خودداری کرده‌اند. این سؤال را مطرح می‌کند: اگر هزینه‌های اجرای آنها شروع به افزایش کند، تا چه زمانی چنین تعهدات داوطلبانه قابل دوام خواهند بود؟

برای کشورهای حاشیه خلیج فارس که توسعه زیرساخت های هوش مصنوعی خود را آماده می کنند، تجربه ایالات متحده هشداری در مورد هزینه های اشتباه گرفتن این ترتیبات ارائه می دهد.

برای کشورهایی که منابع انرژی فراوانی دارند، گسترش زیرساخت های هوش مصنوعی یک فرصت قابل توجه است.

با این حال، مقیاس تحولات پیشنهادی مستلزم بررسی دقیق است. اگر ساخت 1.5 گیگاواتی پیشنهادی در قطر تکمیل شود، تقاضای برق معادل تقریبا 12 درصد از ظرفیت تولیدی نصب شده کشور را نشان می‌دهد. برق تخصیص یافته به زیرساخت های هوش مصنوعی نمی تواند به طور همزمان اهداف دیگری را تامین کند، به این معنی که هزینه های فرصت این پروژه ها مستحق توجه جدی است.

در ایالات متحده، با بسیاری از تعهدات اصلی در حال حاضر، بحث در مورد زیرساخت های هوش مصنوعی به طور فزاینده ای بر این موضوع متمرکز می شود که در نهایت چه کسی هزینه برق مورد نیاز خود را متحمل می شود. خلیج فارس در موقعیت نادری قرار دارد که بتواند ابتدا این سوال را حل کند: تعرفه صنعتی چیست، چه کسی منابع مالی نسل جدید را تامین می کند، با پیر شدن سخت افزار چه اتفاقی برای قراردادها می افتد، و این کشور چه مزایای اقتصادی بلندمدتی فراتر از درآمدهای انرژی و تعداد محدود شغل خواهد دید.

در حالی که میزبانی زیرساخت هوش مصنوعی می تواند ارزش اقتصادی قابل توجهی ایجاد کند، فرصت استراتژیک بیشتر در تعیین شرایطی است که آن زیرساخت تحت آن عمل می کند. برای کشورهای خلیج، فرصت ایجاد این شرایط اکنون وجود دارد، قبل از اینکه تعهدات در مقیاس بزرگ گزینه های آنها را محدود کند.

نظرات بیان شده در این مقاله متعلق به خود نویسنده است و لزوما منعکس کننده موضع تحریریه الجزیره نیست.