رشد سریع هوش مصنوعی فقط به افزایش تقاضا برای تراشه، برق و مراکز داده منجر نشده است؛ آب نیز به یکی از منابع حیاتی برای توسعه زیرساختهای این فناوری تبدیل شده است. بر اساس برآورد جدید مؤسسه ریستاد انرژی، مصرف مستقیم آب برای خنکسازی مراکز داده در جهان میتواند از حدود ۲۲۲ میلیارد لیتر در سال ۲۰۲۵ به نزدیک ۶۴۴ میلیارد لیتر در سال ۲۰۳۰ برسد؛ یعنی در سناریوی میانی، تقریباً سه برابر شود.
- مصرف مستقیم آب مراکز داده میتواند از ۲۲۲ میلیارد لیتر در ۲۰۲۵ به ۶۴۴ میلیارد لیتر در ۲۰۳۰ برسد.
- صرفهجویی تهاجمی میتواند مصرف سالانه ۲۰۳۰ را تا حدود ۳۸۸ میلیارد لیتر کاهش دهد.
- در آمریکا، مصرف غیرمستقیم آب ناشی از تولید برق یک مرکز داده میتواند بیش از دو برابر مصرف مستقیم باشد.
- تا سال ۲۰۳۰، مناطق دارای تنش آبی بالا و بسیار بالا ممکن است ۳۴٪ از مصرف مستقیم آب مراکز داده جهان را به خود اختصاص دهند.
با این حال، این افزایش لزوماً اجتنابناپذیر نیست. ریستاد انرژی برآورد میکند در صورت اجرای اقدامات جدی برای صرفهجویی در مصرف آب، میزان مصرف سالانه تا سال ۲۰۳۰ میتواند به حدود ۳۸۸ میلیارد لیتر محدود شود. در سناریوی میانه این رقم حدود ۵۴۳ میلیارد لیتر خواهد بود.
این ارقام تنها مصرف مستقیم آب برای خنکسازی را در نظر میگیرند و آب موردنیاز برای تولید برق مصرفی مراکز داده در آنها محاسبه نشده است؛ موضوعی که میتواند تصویر واقعی از ردپای آبی هوش مصنوعی را بسیار پیچیدهتر کند.
هوش مصنوعی؛ موتور جدید تقاضای آب
مراکز داده برای فعالیت شبانهروزی تجهیزات پردازشی به سیستمهای خنککننده نیاز دارند. هرچه توان پردازشی افزایش پیدا کند، گرمای بیشتری نیز تولید میشود و مدیریت حرارت به بخش مهمی از طراحی این مراکز تبدیل خواهد شد.
رشد هوش مصنوعی این مسئله را جدیتر کرده است؛ زیرا سرورهای مورد استفاده برای آموزش و اجرای مدلهای هوش مصنوعی معمولاً گرمای بیشتری تولید میکنند. با این حال، ریستاد انرژی تأکید میکند که افزایش توان پردازشی لزوماً به همان نسبت باعث افزایش مصرف آب نمیشود.
یکی از دلایل این موضوع، توسعه خنکسازی مایع در سطح رکهاست. این فناوری میتواند بخشی از بار حرارتی را مستقیماً از تجهیزات پردازشی دور کند و امکان استفاده گستردهتر از خنکسازی خشک را فراهم سازد.
فناوریهای جدید مورد استفاده در نسلهای آینده تجهیزات پردازشی، از جمله راهکارهای پیشنهادی برای سکوی Vera Rubin شرکت انویدیا، نیز میتوانند به کاهش مصرف آب کمک کنند. البته میزان صرفهجویی به شدت به شرایط اقلیمی محل استقرار مرکز داده وابسته است و خنکسازی خشک معمولاً در مناطق سردتر کارایی بیشتری دارد.
یک معیار مهمتر از مصرف مستقیم آب
برای بررسی دقیقتر مسئله، تنها نگاه کردن به میزان آب مصرفشده در محل مرکز داده کافی نیست. یکی از شاخصهای مهم در این صنعت، WUE یا اثربخشی مصرف آب است که میزان آب مورد استفاده در برابر انرژی مصرفی تجهیزات فناوری اطلاعات را اندازهگیری میکند. اما همین شاخص نیز میتواند تصویر کاملی ارائه ندهد؛ زیرا برخی فناوریهای خنکسازی، مصرف مستقیم آب را کاهش میدهند اما برق بیشتری مصرف میکنند.
برای نمونه، خنکسازی خشک میتواند به ازای هر کیلوواتساعت بار فناوری اطلاعات حدود ۲.۱۵ لیتر آب صرفهجویی کند، اما در مقابل به ۰.۳۰ تا ۰.۷۴ کیلوواتساعت برق اضافی نیاز دارد.
بنابراین اگر برق مورد استفاده یک مرکز داده از نیروگاههایی تأمین شود که خود مصرف آب بالایی دارند، بخشی از صرفهجویی مستقیم آب در محل مرکز داده ممکن است در زنجیره تولید برق دوباره ظاهر شود.
ریستاد انرژی حتی اشاره میکند که در آمریکا، مصرف غیرمستقیم آب مرتبط با تولید برق یک مرکز داده میتواند بیش از دو برابر مصرف مستقیم آب باشد. در نتیجه، ردپای واقعی آب یک مرکز داده به دو عامل وابسته است: فناوری خنکسازی در محل و میزان آببری منبع تولید برق.
اختلاف شدید میان اپراتورها
نبود استاندارد جهانی الزامآور برای شاخص WUE باعث شده عملکرد شرکتهای مختلف تفاوت زیادی داشته باشد. بر اساس دادههای گزارششده، AWS میانگین مصرف مستقیم آب در محل را در سال ۲۰۲۵ حدود ۰.۱۲ لیتر به ازای هر کیلوواتساعت اعلام کرده است. این رقم برای متا در سال ۲۰۲۴ حدود ۰.۱۹ لیتر و برای مایکروسافت در سال مالی ۲۰۲۵ حدود ۰.۲۷ لیتر بوده است.
در همین حال، رقم گزارششده برای Digital Realty حدود ۰.۵۹ لیتر و برای Equinix حدود ۰.۹۱ لیتر به ازای هر کیلوواتساعت در سال ۲۰۲۵ بوده است.
با این حال، ریستاد انرژی هشدار میدهد که این ارقام نباید به عنوان یک رتبهبندی ساده شرکتها تفسیر شوند؛ زیرا نحوه محاسبه، میزان استفاده از مراکز اجارهای و اشتراکی و ترکیب جغرافیایی مراکز داده در شرکتها متفاوت است.
حتی در داخل یک شرکت نیز اختلاف بسیار زیادی دیده میشود. برای نمونه، ارقام منطقهای AWS در سال ۲۰۲۵ از ۰.۰۲ لیتر در استکهلم تا ۲.۸۵ لیتر در جاکارتا متغیر بوده است؛ یعنی اختلافی بیش از ۱۰۰ برابر. این تفاوت نشان میدهد که اقلیم و فناوری خنکسازی گاهی به اندازه خود حجم فعالیت پردازشی در تعیین مصرف آب اهمیت دارند.
شرکتهای فناوری به سمت تعهد آبی میروند
شرکتهای بزرگ فعال در حوزه مراکز داده نیز به تدریج فشار ناشی از مصرف آب را جدیتر میگیرند. AWS، گوگل، مایکروسافت و متا همگی هدفگذاری کردهاند که تا سال ۲۰۳۰ به وضعیت «مثبت از نظر آب» برسند؛ یعنی میزان آبی که از طریق پروژههای احیا و بازگردانی به منابع آبی اضافه میکنند، از میزان مصرف آنها بیشتر باشد.
این شرکتها در پروژههایی برای احیای منابع آب شیرین و افزایش بهرهوری آب سرمایهگذاری میکنند و بخشی از این طرحها نیز به حوزههایی مانند کشاورزی مربوط میشود.
با این حال، تأثیر واقعی این اقدامات به محل اجرای پروژه و شرایط هر حوزه آبریز بستگی دارد. یک پروژه جبرانی در منطقهای دیگر الزاماً نمیتواند فشار واردشده بر یک حوضه آبریز کمآب را به طور کامل جبران کند.
مقررات در حال شکلگیری است
افزایش مصرف آب مراکز داده باعث شده دولتها نیز به تدریج وارد این حوزه شوند. با این حال، مقررات فعلی در بسیاری از مناطق بیشتر بر گزارشدهی و شفافیت متمرکز است تا تعیین استانداردهای سختگیرانه عملکردی.
کمیسیون اروپا در حال برنامهریزی بستهای برای بهرهوری انرژی مراکز داده است که میتواند شامل نظام برچسبگذاری و استانداردهای عملکردی باشد.
در سنگاپور نیز نقشه راه مراکز داده سبز، هدف مصرف کمتر از ۲ مترمکعب آب به ازای هر مگاواتساعت را دنبال میکند که معادل ۲ لیتر به ازای هر کیلوواتساعت است.
در آمریکا نیز مقررات در حال شکلگیری است، اما رویکرد ایالتها یکسان نیست. برای نمونه، تگزاس اخیراً صدور مجوزهای جدید را در برخی موارد تا انجام بررسی درباره معافیتهای مالیاتی، مصرف برق، آب و سامانههای خنککننده متوقف کرده است.
“
«رشد هوش مصنوعی را نمیتوان بدون در نظر گرفتن محدودیت منابع طبیعی تحلیل کرد. به نظر من، مهمترین پیام این گزارش آن است که آب باید از یک هزینه جانبی مراکز داده به یک متغیر اصلی در تصمیمگیری سرمایهگذاری تبدیل شود. رقابت آینده میان مراکز داده صرفاً بر سر دسترسی به برق ارزان یا تراشه پیشرفته نخواهد بود؛ بلکه دسترسی پایدار به آب، اقلیم مناسب و فناوری خنکسازی کممصرف میتواند به یک مزیت رقابتی تعیینکننده تبدیل شود. اگر سیاستگذاران تنها به رشد ظرفیت پردازشی نگاه کنند و هزینه منابع آب را در قیمتگذاری و مجوزهای توسعه لحاظ نکنند، بخشی از هزینه واقعی رونق هوش مصنوعی به جوامع محلی و منابع طبیعی منتقل خواهد شد. در مقابل، ترکیب انرژی کمآببر، خنکسازی پیشرفته و انتخاب هوشمندانه مکان میتواند مسیر توسعه هوش مصنوعی را از یک صنعت پرمصرف به الگویی سازگارتر با محدودیتهای منابع تبدیل کند.»
بابک شیری
مناطق کمآب در معرض فشار بیشتری هستند
مسئله زمانی جدیتر میشود که توسعه مراکز داده در مناطقی اتفاق بیفتد که از قبل با کمبود آب مواجهاند. بر اساس برآورد ریستاد انرژی، مناطق دارای تنش آبی بالا و بسیار بالا تا سال ۲۰۳۰ میتوانند حدود ۳۴ درصد از کل مصرف مستقیم آب مراکز داده جهان را به خود اختصاص دهند. در این مناطق، الزام به استفاده از کمآببرترین فناوریهای خنکسازی میتواند مصرف آب را حدود ۴۵ درصد کاهش دهد.
برخی مناطق مانند جامنگر و تانه در هند و شهرستان ریوز در تگزاس از جمله مناطقی هستند که به دلیل ترکیب مصرف بالای آب مراکز داده و تنش آبی محلی، در معرض فشار بیشتری قرار دارند.
جمعبندی
رشد هوش مصنوعی در حال تبدیل مراکز داده به یکی از مصرفکنندگان مهم زیرساختهای انرژی و آب است. برآورد ریستاد انرژی نشان میدهد مصرف مستقیم آب این مراکز میتواند از ۲۲۲ میلیارد لیتر در سال ۲۰۲۵ به نزدیک ۶۴۴ میلیارد لیتر در سال ۲۰۳۰ برسد، اما استفاده از فناوریهای کممصرف میتواند این رقم را تا حدود ۳۸۸ میلیارد لیتر کاهش دهد.
بنابراین مسئله آینده صنعت هوش مصنوعی تنها تأمین تراشه و برق نیست؛ انتخاب محل احداث مراکز داده، فناوری خنکسازی و منبع تولید برق نیز به همان اندازه اهمیت پیدا خواهد کرد. هرچه توسعه این مراکز بیشتر به سمت مناطق دارای تنش آبی برود، هزینههای اقتصادی و اجتماعی مصرف آب نیز افزایش خواهد یافت.
در ترجمه برخی نقاط این گزارش از هوش مصنوغی کمک گرفته شده است.
