گیگاواتهای پنهان: فرصت بعدی زیرساخت هوش مصنوعی
هوش مصنوعیخلاصهٔ کاملتر
نویسنده این مقاله، که یه پست مهمون تو خبرنامهٔ Climate Drift هست، میگه شبکهٔ برق آمریکا بهطور میانگین فقط حدود ۳۰٪ ظرفیتش استفاده میشه و اون ۷۰٪ بقیه تو یه روز عادی بلااستفاده میمونه؛ حتی وقتی همه میگن جا برای یه دیتاسنتر جدید هم نیست. به گفتهٔ نویسنده، جواب ارزون و بزرگ بحران برق هوش مصنوعی همینجا قایم شده.
نویسنده این وضعیت رو به «فیبر تاریک» دوران داتکام تشبیه میکنه. اون موقع شرکتهای مخابراتی کلی کابل فیبر نوری تو زمین دفن کردن به این امید که ترافیک اینترنت منفجر بشه؛ بعد از ترکیدن حباب، بیشترش سالها تاریک و بیاستفاده موند تا اینکه استریم و کلاد اومدن و همون فیبر شد ستون فقرات اینترنت. حالا به گفتهٔ نویسنده، دارایی دفنشده اینبار گیگاواتهاست، هم رو شبکه و هم تو دیتاسنترهایی که ساختیم.
چند تا شرکت دارن عدد روش میذارن. GridCARE با نگاه به یه بخش از شبکهٔ National Grid، همونی که صف چندساله داره، حدود ۶۵۰ مگاوات ظرفیت آماده پیدا کرد. Emerald AI میگه دیتاسنترهای منعطف میتونن تا ۱۰۰ گیگاوات از شبکهٔ فعلی آمریکا رو آزاد کنن، و Hammerhead ادعا میکنه با همون سهم برق میشه ۲۰ تا ۳۰٪ محاسبات بیشتری بیرون کشید. هیچکدوم مخالف ساختوساز جدید نیستن؛ حرفشون اینه که کنار اون، کلی ظرفیت آماده هم هست.
نویسنده میگه این ظرفیت به دلایل منطقی «گیر افتاده». فرآیند اتصال به شبکه اصلاً طوری ساخته نشده که این ظرفیت رو ببینه، و صف ۲٬۶۰۰ گیگاواتی درخواستهای اتصال رو همه بهعنوان دلیل «پر بودن شبکه» میخونن. تو دیتاسنترها هم استفادهٔ واقعی GPU معمولاً بین ۱۰ تا ۴۰٪ میمونه و تقریباً هیچکس عدد واقعیش رو منتشر نمیکنه، برای همین کل صنعت داره حول یه پایهای برنامه میریزه که کسی نمیبینتش.
یه بخش بزرگ ماجرا خنککاریه. چند سال پیش DeepMind با یادگیری تقویتی مصرف انرژی خنککاری دیتاسنترهای گوگل رو ۴۰٪ کم کرد، اونم فقط با دادهی سنسورهایی که از قبل تو ساختمون بودن. تازهتر، Phaidra عاملهای خنککاری رو روی کلاسترهای واقعی NVIDIA Grace Blackwell اجرا کرد؛ به گفتهٔ نویسنده رو یه سایت یکگیگاواتی، بالا بردن دمای آب از ۲۵ به ۳۵ درجه حدود ۶۷ مگاوات رو به محاسبات برمیگردونه، یعنی سالی حدود ۳٫۸ میلیارد دلار خروجی بیشتر.
معیاری که اجازه میده همه این هدررفت رو نبینن، PUE هست؛ این معیار فقط میگه چقدر از کل برق به بار IT میرسه، ولی هیچی دربارهٔ اینکه اون بار چی تولید میکنه نمیگه. برای همین جنسن هوانگ تو GTC 2026 پیشنهاد داد جاش «توکن بهازای وات» رو بذارن: اینکه از هر واحد برق چقدر کار مفید هوش مصنوعی میگیری. نویسنده میگه نقش اصلی نرمافزار همینه که این معاملهها رو بین لایههایی که هیچوقت قرار نبوده با هم حرف بزنن، قابلدیدن و قابلاقدام کنه.
نویسنده سه تا تغییر رو دلیل داغشدن ماجرا میدونه. اول اینکه بار کار داره از آموزش به استنتاج (inference) منتقل میشه که پرنوسان و لحظهایه و تا ۲۰۲۷ به ۴۰۰٪ سطح آموزش ۲۰۲۲ میرسه. دوم اینکه محدودیت اصلی دیگه چیپ نیست، برقه؛ اتصال به شبکه تو بازارهای اصلی بیش از ۴ سال و ترانسفورماتورها حدود ۱۲۸ هفته زمان میبرن، در حالی که یه دیتاسنتر تو ۱۲ تا ۲۴ ماه ساخته میشه. سوم اینکه استنتاج داره پخش میشه رو دهها مرکز منطقهای کوچیکتر.
به گفتهٔ نویسنده، جذابترین لایهای که داره شکل میگیره، یه «صفحهٔ کنترل» بین برق، خنککاری و محاسباته که این سه تا رو مثل یه سیستم واحد هماهنگ میکنه. شرکتهایی مثل Utilidata با پلتفرم Karman برق رو تو کمتر از ۲۰ میلیثانیه محدود میکنن تا سیستم بتونه با خیال راحت وارد اون حاشیهٔ بلااستفاده بشه. نویسنده شرطبندیش اینه که در نهایت خود بهینهساز عمومی میشه، ولی لایهٔ «تأیید و اعتماد بین طرفها» مستقل میمونه و همون ارزش واقعی رو داره.
نکات کلیدی:
- شبکهٔ برق آمریکا بهطور میانگین حدود ۳۰٪ استفاده میشه و ۷۰٪ بقیه بلااستفاده میمونه
- Emerald AI میگه تا ۱۰۰ گیگاوات ظرفیت رو شبکهٔ فعلی قابل آزادسازیه
- خنککاری هوشمند رو یه سایت یکگیگاواتی حدود ۶۷ مگاوات به محاسبات برمیگردونه
- جنسن هوانگ پیشنهاد داده بهجای PUE، «توکن بهازای وات» معیار بشه
- گلوگاه اصلی نرمافزاره، نه ساخت زیرساخت جدید
