تستهلك مراكز بيانات الذكاء الاصطناعي كميات قياسية من الطاقة. استكشف حجم المشكلة، والإحياء النووي، والحلول مثل TurboQuant من Google.
في كل مرة تطلب فيها من نموذج الذكاء الاصطناعي كتابة بريد إلكتروني، أو إنشاء صورة، أو تلخيص مستند، يستهلك مركز البيانات في مكان ما الكهرباء. الكثير من الكهرباء. في مارس 2026، أصبح استهلاك الطاقة في البنية التحتية للذكاء الاصطناعي أحد أكثر المحادثات إلحاحًا في مجال التكنولوجيا، مع آثار تمتد من مجالس إدارة الشركات إلى سياسة الطاقة الوطنية.
**أزمة الطاقة في الذكاء الاصطناعي ليست مصدر قلق مستقبلي. وهو ما يحدث الآن. ** يتم بناء مراكز البيانات بشكل أسرع من قدرة شبكة الطاقة على التوسع، ويتم إعادة تشغيل محطات الطاقة النووية لتلبية الطلب على الذكاء الاصطناعي، ويشكل التوتر بين الإمكانات التحويلية للذكاء الاصطناعي وتكلفته البيئية كل قرار تكنولوجي رئيسي يتم اتخاذه اليوم.
تتناول هذه المقالة حجم المشكلة، والحلول التي يتم اتباعها، وما يمكن للمطورين الأفراد والمؤسسات القيام به لبناء الذكاء الاصطناعي بشكل مسؤول.
يتطلب فهم حجم استهلاك الذكاء الاصطناعي للطاقة النظر إلى مستويات متعددة.
ينقسم استهلاك طاقة الذكاء الاصطناعي إلى فئتين:
في حين أن التدريب يحظى بأكبر قدر من الاهتمام، فإن الاستدلال هو في الواقع الاهتمام الأكبر على نطاق واسع. يتم تدريب النموذج مرة واحدة ولكنه يخدم ملايين الطلبات يوميًا. تقدر وكالة الطاقة الدولية (IEA) أن استعلام ChatGPT الواحد يستهلك ما يقرب من 10 أضعاف الكهرباء التي يستهلكها بحث Google.
يتزايد استهلاك الطاقة في صناعة مراكز البيانات بمعدل غير عادي:
وفي الولايات المتحدة وحدها، من المتوقع أن تستهلك مراكز البيانات 12% من الكهرباء في البلاد بحلول عام 2028، ارتفاعًا من 4% في عام 2023.
الخلاصة الأساسية: لا تتعلق مشكلة الطاقة في الذكاء الاصطناعي بالاستعلامات الفردية. يتعلق الأمر بالتأثير الإجمالي لمليارات الاستعلامات، وآلاف الدورات التدريبية، وصناعة بناء مراكز بيانات جديدة بشكل أسرع مما تستطيع الطاقة المتجددة مواكبته.
أصبح السباق لبناء البنية التحتية للذكاء الاصطناعي أحد أكبر جهود البناء في تاريخ التكنولوجيا.
تستثمر شركات أمازون ومايكروسوفت وجوجل عشرات المليارات من الدولارات سنويًا في بناء مراكز البيانات:
ويتمثل التحدي الأساسي في أن مراكز البيانات تحتاج إلى طاقة موثوقة وعالية السعة، والعديد من شبكات الكهرباء ليست جاهزة لتوفيرها. في شمال فيرجينيا (أكبر سوق لمراكز البيانات في العالم)، تنتظر المرافق الجديدة سنوات لتوصيلها بالشبكة. في أيرلندا، أوقف مشغل الشبكة الوطنية بشكل فعال الموافقات على مراكز البيانات الجديدة بسبب القيود المفروضة على السعة.
وهذا يخلق مشكلة جغرافية. يتم بناء مراكز البيانات حيثما تتوفر الطاقة، وليس بالضرورة حيثما يكون ذلك منطقيًا لأسباب تتعلق بزمن الوصول أو الموهبة أو لأسباب بيئية.
ولعل التطور الأكثر إثارة للدهشة في البنية التحتية للذكاء الاصطناعي هو إحياء الطاقة النووية. في عام 2026، تحولت الطاقة النووية من موضوع سام سياسيًا إلى أحد الحلول الأكثر مناقشة لاحتياجات الذكاء الاصطناعي من الطاقة.
تتمتع الطاقة النووية بثلاث خصائص تجعلها جذابة بشكل فريد لمراكز بيانات الذكاء الاصطناعي:
تم الإعلان عن العديد من الاتفاقيات التاريخية:
ولا تزال الطاقة النووية مثيرة للجدل. ولا تزال المخاوف بشأن تخزين النفايات وتكاليف البناء والسلامة قائمة. ويرى المنتقدون أن تبني صناعة التكنولوجيا للطاقة النووية مدفوع باحتياجاتها الخاصة من الطاقة وليس بسياسة مناخية سليمة، وأن المليارات التي يتم إنفاقها على الصفقات النووية يمكن استثمارها بشكل أكثر فعالية في الطاقة المتجددة والتخزين.
ويرد المؤيدون بأن أزمة المناخ تتطلب توفير كل مصادر الطاقة الخالية من الكربون، وأن التكنولوجيا النووية الحديثة (وخاصة المنشآت الصغيرة والمتوسطة) تعالج العديد من المخاوف التاريخية المتعلقة بالسلامة والتكلفة.
الخلاصة الرئيسية: يؤدي تبني صناعة الذكاء الاصطناعي للطاقة النووية إلى إعادة تشكيل سياسة الطاقة في جميع أنحاء العالم. سواء كنت تنظر إليه كحل عملي للمناخ أو إلهاء عن مصادر الطاقة المتجددة، فهو الآن عامل رئيسي في كيفية تخطيط وبناء البنية التحتية للذكاء الاصطناعي.
في حين أن جانب العرض (بناء المزيد من الطاقة) يحظى بأكبر قدر من الاهتمام، فإن بعض الأعمال الأكثر تأثيرًا تحدث على جانب الطلب: جعل نماذج الذكاء الاصطناعي أكثر كفاءة.
في فبراير 2026، نشرت Google بحثًا عن TurboQuant، وهي تقنية تكميمية تحقق ** ضغط الذاكرة بمعدل 6 أضعاف مع عدم فقدان الدقة ** على نماذج اللغات الكبيرة. وهذه نتيجة رائعة يمكن أن تقلل بشكل كبير من الحوسبة (وبالتالي الطاقة) المطلوبة لاستدلال الذكاء الاصطناعي.
يعمل التكميم عن طريق تقليل دقة الأرقام المستخدمة لتمثيل أوزان النماذج. بدلاً من استخدام أرقام الفاصلة العائمة ذات 32 بت، تستخدم النماذج الكمية تمثيلات ذات 8 بت أو 4 بت أو حتى أقل دقة. كان التحدي دائمًا هو أن تقليل الدقة يؤدي إلى تدهور جودة النموذج. يعد ابتكار TurboQuant بمثابة نهج مختلط الدقة يحدد الأوزان المهمة لتحقيق الدقة ويحافظ على دقتها مع ضغط الأوزان الأقل أهمية بقوة.
التأثير العملي كبير. النموذج الذي كان يتطلب في السابق تشغيل ثماني وحدات معالجة رسوميات يمكن تشغيله على واحدة أو اثنتين، مما يقلل من استهلاك الطاقة بنسبة 75% أو أكثر بنفس جودة المخرجات.
قد يبدو الحديث عن الطاقة أمرًا مرهقًا على المستوى الفردي، لكن المطورين والفرق يتخذون قرارات كل يوم تؤثر على بصمة طاقة الذكاء الاصطناعي.
ليست كل مهمة تحتاج إلى نموذج حدودي. بالنسبة للعديد من التطبيقات، يوفر النموذج الأصغر حجمًا والأكثر كفاءة جودة مناسبة بجزء صغير من تكلفة الطاقة. قبل التعيين الافتراضي على GPT-5 أو Claude Opus، اسأل ما إذا كان النموذج الأصغر (GPT-5-mini، أو Claude Haiku، أو نموذج مفتوح المصدر مثل Mistral 7B) سيكون كافيًا.
يمكن للممارسات الهندسية البسيطة أن تقلل بشكل كبير من استهلاك الطاقة:
لا يمكنك تحسين ما لا تقيسه. تتيح لك أدوات مثل CodeCarbon وML CO2 Impact ولوحات المعلومات الكربونية لموفري السحابة إمكانية تتبع استهلاك الطاقة لأحمال عمل الذكاء الاصطناعي لديك.
يختلف مقدمو الخدمات السحابية بشكل كبير في مصادر الطاقة الخاصة بهم. على سبيل المثال، تقوم Google Cloud بمطابقة 100% من استهلاكها للكهرباء مع مشتريات الطاقة المتجددة. عند اختيار البنية التحتية، ضع في اعتبارك التزامات المزود المتعلقة بالطاقة والاستدامة.
الخلاصة الأساسية: يمكن لكل مطور تقليل تأثير الذكاء الاصطناعي على الطاقة من خلال اختيار النموذج وتحسين الاستدلال واختيارات البنية التحتية الواعية. تضيف هذه القرارات الفردية تأثيرًا إجماليًا كبيرًا.
تقع أزمة الطاقة التي يواجهها الذكاء الاصطناعي عند نقطة تقاطع التكنولوجيا والمناخ والسياسة. لا توجد إجابات سهلة. يتمتع الذكاء الاصطناعي بالقدرة على المساعدة في حل مشكلة تغير المناخ (من خلال اكتشاف المواد، وتحسين الشبكة، والنمذجة المناخية)، ولكن استهلاكه للطاقة يهدد بتفاقم المشكلة.
إن المسار المسؤول إلى الأمام يتطلب الصدق بشأن المقايضات. لا يبرر كل تطبيق للذكاء الاصطناعي تكلفة الطاقة الخاصة به. النموذج الذي يوفر للمطور 30 دقيقة له حسابات مختلفة عن تلك التي تولد الميمات. كصناعة، نحتاج إلى أطر لتقييم متى تبرر فوائد الذكاء الاصطناعي استهلاكه للموارد.
لاستكشاف أعمق للأبعاد الأخلاقية لتطوير الذكاء الاصطناعي، بما في ذلك المسؤولية البيئية، راجع مقالتنا حول الذكاء الاصطناعي المسؤول والأخلاق.
سيشكل تحدي الطاقة تطور الذكاء الاصطناعي في العقد المقبل. إن الشركات والمطورين وصناع السياسات الذين يأخذون الأمر على محمل الجد سوف يحددون ما إذا كان الذكاء الاصطناعي سيصبح صافيًا إيجابيًا أم سلبيًا صافيًا بالنسبة لكوكب الأرض.
يغطي برنامج AI Forest المشهد الكامل للتأثير المجتمعي للذكاء الاصطناعي، بما في ذلك ممارسات الاستدامة والطاقة والتنمية المسؤولة. إن فهم هذه القضايا لا يعني مجرد المواطنة الصالحة. لقد أصبح هذا الأمر متطلبًا مهنيًا بشكل متزايد مع نمو تفويضات التنظيم واستدامة الشركات.
السؤال ليس ما إذا كان الذكاء الاصطناعي والكوكب يمكن أن يتعايشا. يجب عليهم ذلك. والسؤال هو ما إذا كانت صناعة الذكاء الاصطناعي سوف ترقى إلى مستوى التحدي بنفس البراعة التي تطبقها على هندسة النماذج وتطوير المنتجات. الساعة تدق.
جرّب أول درس في أي أكاديمية مجانًا، ثم افتح كل درس ومشروع وشهادة متبقية مع Pro.