برق، نه تراشه و نه نام مدل زبانی، به متغیر تعیین‌کننده سرعت رشد هوش مصنوعی در دو سال آینده تبدیل شده است. آژانس بین‌المللی انرژی (IEA) در گزارش «پرسش‌های کلیدی درباره انرژی و هوش مصنوعی» که ۱۶ آوریل ۲۰۲۶ منتشر شد، اعلام کرد مصرف برق مراکز داده در جهان در سال ۲۰۲۵ حدود ۱۷ درصد رشد کرده است، در حالی که کل تقاضای برق جهان فقط حدود ۳ درصد بالا رفته بود. همین یک شکاف عددی، بسیاری از خبرهای ماه‌های اخیر را توضیح می‌دهد؛ از کم‌شدن ظرفیت ابری و صف‌های طولانی اتصال به شبکه، تا قراردادهای کلان شرکت‌های فناوری با نیروگاه‌های هسته‌ای و تجدیدپذیر. در این خبر مرور می‌کنیم چه اتفاقی افتاده، اعداد تازه کدام‌اند، گلوگاه واقعی کجاست و این وضعیت چه اثر عملی روی هزینه و پایداری سرویس‌های هوش مصنوعی که هر روز استفاده می‌کنیم دارد.

برق دیتاسنترها و گلوگاه انرژی هوش مصنوعی در یک نگاه

اتفاق: IEA در گزارش آوریل ۲۰۲۶ تأیید کرد مصرف برق مراکز داده تا ۲۰۳۰ دو برابر و برق مصرفی مراکز داده متمرکز بر هوش مصنوعی سه برابر می‌شود. علت: رشد تعداد کاربران و بارهای سنگین مثل عامل‌های هوش مصنوعی، نه ناکارآمدی مدل‌ها. مانع: کمبود ترانسفورماتور و توربین گازی، قطعات شبکه و فناوری اطلاعات و صف اتصال به شبکه. نتیجه برای کاربر: قیمت و پایداری سرویس‌های هوش مصنوعی بیشتر از گذشته به سیاست برق منطقه‌ای گره می‌خورد. جزئیات و راهکارها در ادامه آمده است.

فهرست مطالب

چه اتفاقی افتاد؛ تازه‌ترین داده‌های IEA درباره برق هوش مصنوعی
اعداد کلیدی که در گزارش ۲۰۲۶ تغییر کرد
چرا مصرف بالا می‌رود با اینکه مدل‌ها کم‌مصرف‌تر شده‌اند؟
گلوگاه‌های واقعی؛ چه چیزی جلوی رشد مراکز داده را می‌گیرد
صنعت چه پاسخی می‌دهد؟ مقایسه چهار مسیر تامین برق
اثر عملی این خبر برای کاربر و تیم فنی
برداشت‌های نادرست رایج درباره برق هوش مصنوعی
سوالات متداول
جمع‌بندی

چه اتفاقی افتاد؛ تازه‌ترین داده‌های IEA درباره برق هوش مصنوعی

گزارش ۲۰۲۶ IEA در واقع به‌روزرسانی تحلیل شاخص سال ۲۰۲۵ این آژانس با عنوان «Energy and AI» است که پیش‌بینی کرده بود تقاضای برق مراکز داده در جهان تا ۲۰۳۰ بیش از دو برابر و به حدود ۹۴۵ تراوات‌ساعت برسد؛ رقمی نزدیک به کل مصرف برق ژاپن. آنچه در نسخه جدید مهم است، این است که رشد نه‌تنها ادامه یافته، بلکه از پیش‌بینی‌ها هم جلو افتاده است: جهش ۱۷ درصدی مصرف مراکز داده در یک سال، در برابر رشد ۳ درصدی تقاضای کلی برق جهان.

نکته دوم که خبر را جدی می‌کند، پول است. بر اساس همین گزارش، سرمایه‌گذاری پنج شرکت بزرگ فناوری در ۲۰۲۵ به بیش از ۴۰۰ میلیارد دلار رسیده و قرار است در ۲۰۲۶ حدود ۷۵ درصد دیگر هم بالا برود. وقتی این حجم سرمایه به سمت ساخت مرکز داده و خرید تجهیزات پردازش حرکت می‌کند، فشار از اتاق سرور به شبکه توزیع، زمین، مجوز و زنجیره تامین صنعتی منتقل می‌شود؛ یعنی حوزه‌ای که معمولاً بیرون از دایره خبری فناوری قرار دارد.

اعداد کلیدی که در گزارش ۲۰۲۶ تغییر کرد

رشد ۱۷ درصدی مصرف برق مراکز داده در ۲۰۲۵، در برابر رشد حدود ۳ درصدی کل تقاضای برق جهان.
دو برابر شدن مصرف برق مراکز داده تا ۲۰۳۰ و سه برابر شدن برق مراکز داده متمرکز بر هوش مصنوعی.
بیش از ۴۰۰ میلیارد دلار سرمایه‌گذاری پنج شرکت بزرگ فناوری در ۲۰۲۵ و پیش‌بینی رشد ۷۵ درصدی در ۲۰۲۶.
حدود ۴۰ درصد از کل قراردادهای خرید برق تجدیدپذیر بخش خصوصی در ۲۰۲۵ سهم بخش فناوری بوده است.
رشد مجموع قراردادهای شرطی خرید برق رآکتورهای کوچک مدولار از ۲۵ گیگاوات در پایان ۲۰۲۴ به ۴۵ گیگاوات در زمان انتشار گزارش.
کاهش سریع مصرف برق به‌ازای هر «تکلیف» هوش مصنوعی؛ IEA این سرعت بهبود بازده را بی‌سابقه می‌نامد.

چرا مصرف بالا می‌رود با اینکه مدل‌ها کم‌مصرف‌تر شده‌اند؟

این مهم‌ترین پارادوکس خبر است و اگر آن را درست بفهمید، بقیه تحولات جا می‌افتد. مصرف انرژی برای پاسخ دادن به یک درخواست مشخص با سرعت در حال کاهش است؛ یعنی سخت‌افزار، فریم‌ورک و معماری مدل‌ها هر سال بهینه‌تر می‌شوند. اما سه نیرو همزمان در جهت مخالف کار می‌کنند و مصرف کل را بالا می‌برند.

رشد تعداد کاربران و طول خروجی

اول، تعداد درخواست‌ها و حجم خروجی بالا رفته است. تولید ویدیو، تصویر، کد و گفتار به‌مراتب بیشتر از یک پاسخ متنی توان پردازشی می‌گیرد. دوم، مدل‌ها «بیشتر فکر می‌کنند»: رویه‌هایی که پیش از پاسخ، چند مرحله استدلال و بازبینی انجام می‌دهند، توکن خروجی و در نتیجه برق مصرفی را چند برابر می‌کنند.

عامل‌های هوش مصنوعی، پرمصرف‌ترین بار جدید

IEA به‌طور خاص به عامل‌های هوش مصنوعی اشاره می‌کند؛ سامانه‌هایی که یک هدف را به ده‌ها فراخوانی مدل، جست‌وجو، اجرای ابزار و مرحله راستی‌آزمایی تبدیل می‌کنند. یک درخواست ظاهراً ساده‌ی کاربر، در پشت صحنه می‌تواند زنجیره‌ای از محاسبات باشد. اگر با ساخت چنین سامانه‌هایی آشنا باشید، همین الگو را در معماری‌های بازیابی‌محور می‌بینید؛ مثلاً در آموزش ساخت RAG هوشمند با LangChain و Chroma هر سؤال شامل مرحله بازیابی و چند مرحله تولید است، دقیقاً همان نوع باری که حالا روی شبکه برق اثر می‌گذارد.

گلوگاه‌های واقعی؛ چه چیزی جلوی رشد مراکز داده را می‌گیرد

گزارش IEA صراحتاً می‌گوید محدودیت اصلی دیگر «ایده» یا «مدل» نیست، بلکه زیرساخت فیزیکی است. این سه گلوگاه، مانع اصلی‌اند:

تجهیزات شبکه و زنجیره تامین

ترانسفورماتور، توربین گازی، قطعات پیشرفته و تجهیزات سرمایشی همگی صف درخواست بلند دارند. تولید این تجهیزات با سرعت ساخت دیتاسنتر رشد نکرده است، بنابراین حتی پول کافی هم فوری به ظرفیت تبدیل نمی‌شود.

صف اتصال به شبکه و مجوزها

بسیاری پروژه‌ها در مرحله اخذ مجوز ساخت و اتصال به شبکه برق گیر کرده‌اند. سیستم‌های برنامه‌ریزی شهرها و شرکت‌های توزیع، برای حجم و سرعت پروژه‌های جدید طراحی نشده بودند؛ نتیجه، تأخیر چندساله است، نه چندماهه.

بار ناپایدار و پرشی

نکته‌ای که کمتر شنیده می‌شود: بار الکتریکی مراکز داده هوش مصنوعی ناپایدار و جهشی است. در یک لحظه اوج محاسبات و در لحظه بعد رکود. این پرش‌ها، کار مدیریت شبکه را سخت‌تر از بارهای صنعتی سنتی می‌کند و همین موضوع، باتری را به یکی از فناوری‌های کلیدی نسل بعدی مراکز داده تبدیل کرده است.

صنعت چه پاسخی می‌دهد؟ مقایسه چهار مسیر تامین برق

بخش جذاب خبر اینجاست: شرکت‌های فناوری از «مصرف‌کننده صرف برق» به «سرمایه‌گذار انرژی» تبدیل شده‌اند. IEA حتی می‌گوید هوش مصنوعی که یک «انرژی‌گیرنده» بود، دارد به «انرژی‌ساز» هم تبدیل می‌شود؛ چون محرک تجاری‌سازی فناوری‌های نو مثل رآکتورهای کوچک و ذخیره‌سازهای بلندمدت است.

مسیر تامین	مزیت کلیدی	چالش اصلی	سیگنال در گزارش IEA
قرارداد خرید برق تجدیدپذیر (PPA)	سرعت امضا و قابل پیش‌بینی بودن هزینه، بدون انتشار مستقیم	وابستگی به ظرفیت جدید شبکه و نوسان تولید	بخش فناوری حدود ۴۰٪ قراردادهای سازمانی ۲۰۲۵
رآکتورهای کوچک مدولار (SMR)	توان پایدار و بدون کربن در مقیاس بزرگ	بلوغ تجاری، هزینه و زمان مجوز	رشد قراردادهای خرید برق از ۲۵ به ۴۵ گیگاوات
نیروگاه گازی داخل سایت	دور زدن صف اتصال به شبکه و راه‌اندازی سریع‌تر	انتشار کربن، هزینه سوخت و تاب‌آوری در برابر پرش بار	پروژه‌های عمدتاً در آمریکا، بیشتر در مراحل اولیه
باتری و انعطاف بار	صاف کردن پرش‌های مصرف و تبدیل دیتاسنتر به دارایی شبکه	به مشوق و استاندارد ارتباط با شبکه نیاز دارد	به‌عنوان فناوری کلیدی نسل بعد معرفی شده

سرمایش و بازاستفاده از گرما هم بخشی از پاسخ است

در گزارش‌های انرژی، بحث صرفاً تولید برق نیست؛ بازده مصرف هم مهم است. پیش‌بینی IEA در گزارش ۲۰۲۵ این بود که رشد چشمگیر تقاضا بدون بهبود بازده سرورها، ذخیره‌سازی و معماری شبکه ممکن نیست. در عمل، بخشی از رقابت آینده بر سر «تکلیف ارزان با وات کمتر» است، نه فقط خرید برق بیشتر.

اثر عملی این خبر برای کاربر و تیم فنی

شاید بپرسید این اعداد کلان چه ربطی به کاری دارد که شما با هوش مصنوعی انجام می‌دهید. چهار اثر قابل لمس دارد:

قیمت و سطح سرویس

هزینه برق، بخش مهمی از هزینه استنتاج است. هرچه شبکه محلی تحت فشار بیشتر باشد، احتمال تغییر تعرفه‌ها، محدودیت ظرفیت در مناطق شلوغ و تفاوت قیمت بین نواحی بیشتر می‌شود. برای تیم‌هایی که روی سرویس‌های ابری مدل زبانی کار می‌کنند، این یعنی لازم است «انتخاب منطقه جغرافیایی» را یک تصمیم مالی بدانند، نه فقط یک تنظیمات فنی.

طراحی رویه‌های کم‌مصرف

بیشترین اثر فنی، در نحوه طراحی معماری برنامه شماست. کوئری‌های تکراری را با حافظه نهان (cache) حذف کنید، بازیابی هوشمند را به‌جای فرستادن کل متن به مدل انجام دهید، و برای کارهای ساده از مدل کوچک‌تر استفاده کنید. اگر جریان کاری چندمرحله‌ای دارید، زمان‌بندی و اجرای دسته‌ای تسک‌ها می‌تواند بار را از ساعات اوج شبکه به ساعات کم‌مصرف ببرد؛ همان الگویی که در آموزش Prefect برای مدیریت جریان کار توضیح داده شده است.

پردازش روی دستگاه

اجرای مدل روی گوشی و لپ‌تاپ فقط بحث حریم خصوصی نیست؛ بخشی از بار استنتاج را از دیتاسنتر به دستگاه کاربر منتقل می‌کند. با فشار فزاینده شبکه برق، می‌توان انتظار داشت رقابت روی مدل‌های کوچک و بهینه‌ی محلی شدیدتر شود.

ظرفیت یک مزیت رقابتی است

برای کسب‌وکارها، پیام خبر روشن است: دسترسی به برق ارزان و پایدار، بخشی از نقشه راه هوش مصنوعی شده است. کشورها و شهرهایی که بتوانند اتصال سریع‌تر و انرژی پاک‌تر ارائه دهند، در جذب سرمایه زیرساخت جلو می‌افتند؛ و برعکس، گلوگاه انرژی می‌تواند به تأخیر در عرضه قابلیت‌های تازه بینجامد.

برداشت‌های نادرست رایج درباره برق هوش مصنوعی

«اگر مدل‌ها بهینه‌تر شوند، مصرف خودبه‌خود پایین می‌آید.» گزارش IEA نشان می‌دهد بهبود بازده به‌ازای هر تکلیف واقعی است، اما رشد استفاده و بار عامل‌محور آن را می‌بلعد.
«موضوع فقط خرید GPU است.» بله؛ اما گلوگاه اصلی در ترانسفورماتور، توربین، شبکه و مجوز است؛ قطعات الکترونیکی فقط یک حلقه‌اند.
«دیتاسنتر یعنی گران‌تر شدن برق همه.» IEA می‌گوید با بسته سیاستی و سرمایه‌گذاری درست، رشد تقاضا لزوماً به معنای افزایش قیمت نیست؛ اما بار بزرگ و متمرکز دیتاسنتر می‌تواند مسئله‌ساز شود.
«هوش مصنوعی فقط مصرف‌کننده انرژی است.» بخش دیگر تصویر این است که کاربرد اثبات‌شده هوش مصنوعی می‌تواند هزینه انرژی صنایع پرمصرف را چند درصد کاهش دهد و شبکه را بهینه‌تر مدیریت کند.
«همه پروژه‌های برق داخل سایت تا سال آینده فعال می‌شوند.» ردیابی ماهواره‌ای IEA نشان می‌دهد بیشتر این پروژه‌ها هنوز در مراحل اولیه‌اند.

سوالات متداول

چرا مصرف برق دیتاسنترها انقدر سریع بالا رفته است؟

چون سه عامل همزمان رشد کرده‌اند: تعداد کاربران، حجم خروجی (متن، تصویر، ویدیو، گفتار) و تبدیل درخواست‌های ساده به زنجیره‌ای از محاسبات توسط عامل‌های هوش مصنوعی. رشد ۱۷ درصدی مصرف در ۲۰۲۵ حاصل همین ترکیب است، نه فقط ساخت ساختمان جدید.

آیا هوش مصنوعی باعث قطعی برق می‌شود؟

گزارش IEA چنین نتیجه قطعی نمی‌دهد. آنچه تأیید شده این است که بار بزرگ و جهشی مراکز داده می‌تواند ظرفیت شبکه را در مناطق پرفشار به چالش بکشد و به سرمایه‌گذاری در تولید، شبکه، باتری و مدیریت انعطاف بار نیاز باشد.

چرا شرکت‌های فناوری سراغ نیروگاه هسته‌ای کوچک رفته‌اند؟

چون به برق پیوسته و با حجم بالا نیاز دارند و صف اتصال به شبکه طولانی است. مجموع قراردادهای شرطی خرید برق رآکتورهای کوچک مدولار از ۲۵ گیگاوات در پایان ۲۰۲۴ به ۴۵ گیگاوات رسیده است؛ نشانه اینکه سرمایه هوش مصنوعی، تجاری‌سازی فناوری‌های نو انرژی را جلو انداخته است.

مصرف برق هر درخواست هوش مصنوعی چقدر است؟

بستگی به نوع کار دارد: یک پاسخ کوتاه متنی در برابر تولید ویدیو یا یک جریان کاری عامل‌محور با ده‌ها فراخوانی، تفاوت چندبرابری دارد. نکته مهم در گزارش IEA روند است، نه عدد یک درخواست: مصرف به‌ازای هر تکلیف سریع پایین می‌آید، اما تعداد تکلیف‌ها سریع‌تر بالا می‌رود.

به‌عنوان کاربر یا توسعه‌دهنده چه کاری می‌توانم بکنم؟

خروجی‌های تکراری را نهان‌سازی کنید، برای کارهای ساده مدل کوچک انتخاب کنید، متن اضافی را به مدل نفرستید و با بازیابی هوشمند کار را سبک کنید، تسک‌های زمان‌بر را از ساعات اوج به ساعات کم‌مصرف منتقل کنید، و اگر سرویس ابری استفاده می‌کنید، منطقه جغرافیایی را بر اساس هزینه و ظرفیت انتخاب کنید.

آیا این وضعیت به کاهش رشد هوش مصنوعی می‌انجامد؟

حداقل در کوتاه‌مدت، بیشتر شبیه «تغییر شکل» رشد است تا توقف: سرمایه از خرید صرف تراشه به سمت انرژی، شبکه، سرمایش و باتری حرکت می‌کند و احتمالاً عرضه قابلیت‌ها به مناطق با برق در دسترس‌تر جابه‌جا می‌شود.

جمع‌بندی

خبر اصلی این است که مرکز ثقل چالش هوش مصنوعی از نرم‌افزار به فیزیک منتقل شده است. چک‌لیست عملی برای ادامه:

گزارش IEA را منبع اعداد بدانید؛ هر جا رقم ۱۷ درصد، ۹۴۵ تراوات‌ساعت یا ۴۰۰ میلیارد دلار دیدید، به نسخه و تاریخ آن توجه کنید.
مصرف را در سطح «هر تکلیف» اندازه بگیرید، نه فقط تعداد درخواست.
برای معماری هوش مصنوعی خود، حافظه نهان (Cache)، بازیابی هوشمند و مدل کوچک را پیش‌فرض قرار دهید.
زمان‌بندی تسک‌های سنگین را به ساعات کم‌مصرف شبکه ببرید.
در انتخاب منطقه ابری، هزینه برق و ظرفیت شبکه را جزو معیارها بگذارید.
رشد مدل‌های کوچک محلی را جدی بگیرید؛ فشار انرژی یعنی پشتیبانی قوی‌تر از آن‌ها.

برق دیتاسنترها؛ چرا انرژی به مانع اصلی هوش مصنوعی تبدیل شد؟