صنعت هوش مصنوعی با بزرگترین چالش روبرو است: کمبود برق، نه کمبود تراشه

DNVN - در گفتگوی اخیر در پادکست Bg2 Pod با سم آلتمن، ساتیا نادلا، مدیرعامل مایکروسافت، از یک پارادوکس در صنعت هوش مصنوعی (AI) پرده برداشت: به جای کمبود تراشه، این منبع تغذیه است که "گلوگاه" است. او گفت پردازنده‌های گرافیکی (GPU) در حافظه‌ها مانده‌اند زیرا به دلیل کمبود برق برای راه‌اندازی زیرساخت، نمی‌توان آنها را به برق وصل کرد.

از دیدگاه ساتیا نادلا، صنعت هوش مصنوعی امروز به دلیل کمبود قطعات محدود نشده است - بلکه به دلیل منبع تغذیه مراکز داده محدود شده است. در پادکست Bg2 Pod، وقتی از نادلا در مورد نظر جنسن هوانگ، مدیرعامل انویدیا، مبنی بر اینکه در ۲-۳ سال آینده مازاد قدرت محاسباتی وجود نخواهد داشت، سوال شد، او پاسخ داد: «بزرگترین مشکل ما در حال حاضر کمبود تراشه‌های هوش مصنوعی نیست، بلکه کمبود برق برای اتصال آنهاست. من حتی در انبار خود پردازنده‌های گرافیکی دارم که نمی‌توانم از آنها استفاده کنم، صرفاً به این دلیل که زیرساخت برق را ندارم.»

(تصویر)

آقای نادلا همچنین اشاره کرد که بسیاری از «پوسته‌های مراکز داده» - ساختمان‌هایی که برای نصب زیرساخت‌های برق، آب و سرور آماده شده‌اند - در حال ساخت هستند اما به دلیل منابع برق غیرقابل اعتماد، قابل بهره‌برداری نیستند.

این واقعیت، نقطه عطفی در نحوه نگاه به هوش مصنوعی را نشان می‌دهد: در حالی که سرمایه‌گذاری‌های سنگینی روی سخت‌افزارهایی مانند تراشه‌ها و پردازنده‌های گرافیکی انجام شده و زنجیره تأمین تثبیت شده است، زیرساخت‌های برق به مانعی جدید برای سرعت و مقیاس استقرار هوش مصنوعی تبدیل شده‌اند. بسیاری از شرکت‌های بزرگ فناوری اکنون به دنبال حل این مشکل با سرمایه‌گذاری در منابع انرژی فعال مانند راکتورهای مدولار کوچک (SMR) برای تأمین فعال برق مراکز داده هستند.

علاوه بر این، مسئله برق نه تنها شرکت‌های بزرگ را تحت تأثیر قرار می‌دهد، بلکه یک چالش اجتماعی-زیست‌محیطی نیز ایجاد می‌کند: مصرف عظیم برق مراکز داده باعث افزایش قبوض برق در برخی مناطق ایالات متحده شده است و باعث ایجاد بحث و جدل در مورد تأثیر هوش مصنوعی بر زندگی و محیط زیست شده است.

نادلا و آلتمن همچنین درباره آینده‌ای صحبت کردند که در آن مدل‌های زبان پیشرفته مانند GPT‑5 یا GPT‑6 می‌توانند به صورت محلی روی دستگاه‌های شخصی با مصرف انرژی بسیار کمتری نسبت به مدل‌های فعلی اجرا شوند. آلتمن گفت: «روزی خواهد رسید که می‌توانیم یک دستگاه مصرفی بسازیم که بتواند یک مدل GPT-5 یا GPT-6 را کاملاً محلی با مصرف انرژی کم اجرا کند.»

از این سهم‌ها، مشخص است که صنعت هوش مصنوعی وارد مرحله جدیدی می‌شود: نه تنها به تراشه‌های قدرتمند، شبکه‌های کلان‌داده یا الگوریتم‌های پیچیده نیاز دارد، بلکه به یک منبع تغذیه پایدار، باثبات و به اندازه کافی بزرگ نیز نیاز دارد تا چارچوب توسعه فناوری به دلیل کمبود برق به تأخیر نیفتد.

ویتنام و دیگر کشورهای در حال توسعه، هنگام تعیین اهداف برای تحول دیجیتال یا توسعه مراکز داده، باید درس‌هایی از وضعیت جهانی را در نظر بگیرند: زیرساخت‌های الکتریکی - از منبع تغذیه گرفته تا خنک‌کننده - باید با سرمایه‌گذاری‌های سخت‌افزاری و الگوریتمی همراه باشند، در غیر این صورت با وضعیت «کند شدن به دلیل... کمبود برق» مواجه خواهند شد.

نگوین باخ

منبع: https://doanhnghiepvn.vn/cong-nghe/nganh-ai-doi-mat-thach-thuc-lon-nhat-thieu-dien-chu-khong-phai-thieu-chip/20251106103714043