آی تی جو > مراکز داده > هزینه سرسام‌آور هوش مصنوعی؛ دیتاسنترها چقدر برق و سرمایه می‌خواهند؟ هزینه سرسام‌آور هوش مصنوعی؛ دیتاسنترها چقدر برق و سرمایه می‌خواهند؟ برآورد آژانس بین‌المللی انرژی نشان می‌دهد مخارج سرمایه‌ای بزرگ‌ترین اپراتورهای دیتاسنتر جهان در سال ۲۰۲۶ از ۷۰۰ میلیارد دلار فراتر می‌رود. همچنین مصرف برق دیتاسنترها می‌تواند از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ برسد. ارسال شده توسط تیم تحریریه آی‌تی‌جو ۲۶ مهر ۱۴۰۵ مراکز داده دیتاسنترهای هوش مصنوعی هوش مصنوعی فقط به الگوریتم‌های پیشرفته و مدل‌های زبانی بزرگ وابسته نیست. پشت هر پاسخ، تولید تصویر یا پردازش پیچیده هوش مصنوعی، زیرساختی متشکل از سرورها، شتاب‌دهنده‌های پردازشی، شبکه‌های پرسرعت، سیستم‌های خنک‌کننده و منابع تأمین برق قرار دارد. ساخت و نگهداری این زیرساخت‌ها به سرمایه‌گذاری‌هایی در مقیاس میلیاردها دلار نیاز دارد. بر اساس گزارش آژانس بین‌المللی انرژی (IEA)، سرمایه‌گذاری سرمایه‌ای بزرگ‌ترین اپراتورهای دیتاسنتر جهان در سال ۲۰۲۶ قرار است از ۷۰۰ میلیارد دلار فراتر برود. هم‌زمان، مصرف برق دیتاسنترها نیز با سرعت زیادی در حال افزایش است؛ موضوعی که پرسش مهمی را مطرح می‌کند: آیا درآمد حاصل از هوش مصنوعی می‌تواند هزینه سنگین زیرساخت آن را جبران کند؟ در این مقاله بررسی می‌کنیم که دیتاسنترهای هوش مصنوعی چرا به برق و سرمایه فراوان نیاز دارند، هزینه‌ها در کدام بخش‌ها متمرکز شده‌اند و این روند چه تأثیری بر آینده صنعت فناوری خواهد داشت. پاسخ سریع: چرا هوش مصنوعی این‌قدر گران تمام می‌شود؟ هزینه توسعه هوش مصنوعی از چند بخش اصلی تشکیل می‌شود: سخت‌افزار پردازشی: خرید GPUها، شتاب‌دهنده‌های هوش مصنوعی، سرورها و حافظه‌های پرسرعت. تأمین برق: فراهم‌کردن ظرفیت الکتریکی کافی برای هزاران سرور و تجهیزات جانبی. خنک‌سازی: دفع گرمای تولیدشده توسط پردازنده‌ها و سایر تجهیزات. شبکه و ذخیره‌سازی: اتصال سرورها به یکدیگر و انتقال سریع حجم بزرگی از داده‌ها. ساخت و بهره‌برداری: زمین، ساختمان، تجهیزات برق اضطراری، نگهداری و نیروی انسانی. نکته کلیدی این است که هزینه تنها به ساخت دیتاسنتر محدود نمی‌شود. پس از راه‌اندازی نیز برق، خنک‌سازی، تعمیر و نگهداری و ارتقای سخت‌افزار، هزینه‌های مستمری ایجاد می‌کنند. دیتاسنتر هوش مصنوعی چیست و چرا به زیرساخت متفاوتی نیاز دارد؟ دیتاسنتر مجموعه‌ای از سرورها، تجهیزات شبکه، سامانه‌های ذخیره‌سازی و زیرساخت‌های برق و خنک‌سازی است که برای پردازش و نگهداری اطلاعات استفاده می‌شود. دیتاسنترهای معمولی می‌توانند میزبان وب‌سایت‌ها، پایگاه‌های داده، سامانه‌های سازمانی و خدمات ابری باشند. اما دیتاسنترهای متمرکز بر هوش مصنوعی باید حجم زیادی از محاسبات سنگین را به‌صورت موازی انجام دهند. برای مثال، آموزش یک مدل زبانی بزرگ ممکن است به هزاران شتاب‌دهنده پردازشی نیاز داشته باشد که از طریق شبکه‌های پرسرعت با یکدیگر ارتباط برقرار می‌کنند. پس از آموزش نیز اجرای مدل برای میلیون‌ها کاربر، به توان پردازشی و حافظه کافی نیاز دارد. به همین دلیل، زیرساخت هوش مصنوعی فقط به تعداد بیشتری سرور احتیاج ندارد؛ بلکه به طراحی متفاوتی در زمینه برق‌رسانی، شبکه، حافظه و مدیریت حرارت نیازمند است. مصرف برق دیتاسنترها چقدر است؟ برق یکی از مهم‌ترین محدودیت‌های توسعه زیرساخت هوش مصنوعی است. سرورها باید به‌صورت مداوم فعالیت کنند و هرچه توان پردازشی افزایش پیدا کند، تأمین برق و دفع گرما نیز دشوارتر می‌شود. طبق برآورد به‌روزشده آژانس بین‌المللی انرژی، مصرف برق دیتاسنترهای جهان از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ خواهد رسید. این مقدار معادل نزدیک به ۳ درصد مصرف برق جهان در سال ۲۰۳۰ است. این ارقام پیش‌بینی هستند، نه آمار قطعی آینده؛ سرعت رشد استفاده از هوش مصنوعی، پیشرفت بهره‌وری سخت‌افزار و محدودیت‌های شبکه برق می‌توانند نتیجه نهایی را تغییر دهند. تفاوت وات، مگاوات و تراوات‌ساعت چیست؟ برای درک بهتر اعداد مربوط به دیتاسنترها، باید تفاوت توان و انرژی را بدانیم: وات (W): واحد اندازه‌گیری توان یک دستگاه یا سامانه است. مگاوات (MW): برابر با یک میلیون وات است و برای بیان توان موردنیاز یک مجموعه بزرگ استفاده می‌شود. تراوات‌ساعت (TWh): واحد اندازه‌گیری انرژی مصرف‌شده در طول زمان است؛ یک تراوات‌ساعت برابر با یک میلیارد کیلووات‌ساعت است. برای مثال، دیتاسنتری با مصرف متوسط ۱۰۰ مگاوات، اگر در تمام ساعات سال با همین توان کار کند، تقریباً ۸۷۶ گیگاوات‌ساعت برق در سال مصرف خواهد کرد. این مثال فرضی است و مصرف واقعی هر دیتاسنتر به بار پردازشی، میزان استفاده از تجهیزات و راندمان زیرساخت آن بستگی دارد. چرا پردازش هوش مصنوعی برق زیادی مصرف می‌کند؟ ۱. پردازنده‌های گرافیکی و شتاب‌دهنده‌ها آموزش و اجرای مدل‌های پیشرفته هوش مصنوعی به محاسبات ریاضی گسترده نیاز دارد. GPUها و شتاب‌دهنده‌های اختصاصی برای انجام هم‌زمان این محاسبات طراحی شده‌اند، اما فعالیت آن‌ها برق زیادی مصرف می‌کند. علاوه بر خود تراشه، حافظه، مدارهای تغذیه، شبکه و سایر اجزای سرور نیز انرژی مصرف می‌کنند. بنابراین توان موردنیاز یک سرور هوش مصنوعی را نمی‌توان فقط از روی مشخصات یک GPU محاسبه کرد. ۲. اجرای مداوم مدل‌ها برای کاربران آموزش مدل تنها مرحله پرهزینه نیست. پس از انتشار یک مدل، هر درخواست کاربر نیز به محاسبات نیاز دارد. تولید متن کوتاه، تحلیل فایل، تولید تصویر، پردازش ویدئو و انجام وظایف چندمرحله‌ای توسط عامل‌های هوش مصنوعی، بارهای پردازشی متفاوتی ایجاد می‌کنند. در نتیجه، هزینه انرژی هر درخواست به نوع مدل، سخت‌افزار، طول ورودی و خروجی و روش پردازش وابسته است. با افزایش تعداد کاربران و پیچیده‌ترشدن قابلیت‌ها، مجموع مصرف برق ممکن است افزایش یابد؛ حتی اگر مصرف انرژی برای هر عملیات بهینه‌تر شده باشد. ۳. شبکه و انتقال داده در خوشه‌های بزرگ هوش مصنوعی، تعداد زیادی شتاب‌دهنده باید داده‌ها را با سرعت بالا میان خود جابه‌جا کنند. این کار به سوئیچ‌ها، تجهیزات شبکه و اتصالات پرسرعت نیاز دارد. اگر ارتباط میان پردازنده‌ها کند باشد، بخشی از توان گران‌قیمت سخت‌افزار بلااستفاده می‌ماند. بنابراین شبکه مناسب فقط برای سرعت بیشتر نیست؛ بلکه برای استفاده مؤثر از سرمایه‌گذاری انجام‌شده روی پردازنده‌ها نیز اهمیت دارد. خنک‌سازی؛ هزینه‌ای که نباید نادیده گرفت تقریباً تمام انرژی الکتریکی مصرف‌شده توسط تجهیزات پردازشی در نهایت به گرما تبدیل می‌شود. اگر این گرما به‌درستی دفع نشود، دمای تجهیزات افزایش می‌یابد و ممکن است عملکرد، پایداری و عمر آن‌ها تحت تأثیر قرار بگیرد. دیتاسنترها برای کنترل دما از روش‌های مختلفی استفاده می‌کنند: خنک‌سازی هوایی: استفاده از جریان هوا و تجهیزات سرمایشی برای خارج‌کردن گرما. خنک‌سازی مایع مستقیم به تراشه: انتقال گرما از طریق مایع در مجاورت قطعات پردازشی. خنک‌سازی غوطه‌وری: قرارگرفتن تجهیزات سازگار در مایع مخصوص برای انتقال حرارت. هیچ‌کدام از این روش‌ها برای تمام دیتاسنترها بهترین انتخاب نیستند. چگالی توان رک‌ها، طراحی ساختمان، شرایط آب‌وهوایی، هزینه تجهیزات و الزامات نگهداری در انتخاب روش مناسب نقش دارند. شاخص PUE چیست؟ یکی از شاخص‌های مهم برای سنجش بهره‌وری انرژی دیتاسنتر، PUE یا نسبت کل انرژی مصرفی مرکز داده به انرژی مصرفی تجهیزات فناوری اطلاعات است. فرمول آن به شکل زیر است: PUE = کل انرژی مصرفی دیتاسنتر ÷ انرژی مصرفی تجهیزات IT برای مثال، اگر تجهیزات IT در یک بازه زمانی ۱۰۰ مگاوات‌ساعت انرژی مصرف کنند و مصرف کل دیتاسنتر ۱۳۰ مگاوات‌ساعت باشد، PUE برابر با ۱٫۳ خواهد بود. هرچه PUE به عدد ۱ نزدیک‌تر باشد، انرژی کمتری خارج از تجهیزات IT مصرف شده است. البته این شاخص به‌تنهایی برای سنجش تمام جنبه‌های بهره‌وری دیتاسنتر کافی نیست و باید در کنار شاخص‌هایی مانند مصرف آب و میزان استفاده مؤثر از ظرفیت پردازشی بررسی شود. سرمایه‌گذاری دیتاسنترهای هوش مصنوعی در چه بخش‌هایی انجام می‌شود؟ سرمایه‌گذاری در این حوزه فقط به خرید سرور محدود نیست. اپراتورهای بزرگ باید هم‌زمان ظرفیت پردازشی، ساختمان، برق، شبکه و سیستم‌های سرمایشی را توسعه دهند. بخش سرمایه‌گذاری کاربرد دلیل اهمیت GPU و شتاب‌دهنده‌ها آموزش و اجرای مدل‌های AI تأمین توان محاسباتی سرور و حافظه اجرای پردازش‌ها و نگهداری داده‌های موقت کاهش گلوگاه حافظه شبکه پرسرعت ارتباط میان سرورها و شتاب‌دهنده‌ها افزایش بهره‌وری خوشه برق‌رسانی و UPS تأمین و پایداری انرژی کاهش ریسک قطعی برق خنک‌سازی کنترل دمای تجهیزات پایداری و عملکرد مناسب ساختمان و زیرساخت فضای فیزیکی و تجهیزات پشتیبان ایجاد ظرفیت عملیاتی نرم‌افزار و عملیات مدیریت منابع و نگهداری سامانه‌ها استفاده مؤثر از سخت‌افزار هزینه هر بخش به مقیاس پروژه، فناوری انتخاب‌شده و محل ساخت وابسته است. به همین دلیل، نمی‌توان یک رقم ثابت را برای هزینه ساخت تمام دیتاسنترهای هوش مصنوعی در نظر گرفت. چرا شرکت‌های فناوری صدها میلیارد دلار سرمایه‌گذاری می‌کنند؟ شرکت‌هایی مانند مایکروسافت، آمازون، گوگل و متا برای توسعه خدمات ابری و هوش مصنوعی به ظرفیت محاسباتی گسترده نیاز دارند. افزایش تقاضا برای مدل‌های پیشرفته، رقابت بر سر دسترسی به تراشه و نیاز به زیرساخت‌های جدید، سرمایه‌گذاری آن‌ها را افزایش داده است. برآورد آژانس بین‌المللی انرژی برای سال ۲۰۲۶ نشان می‌دهد مجموع مخارج سرمایه‌ای بزرگ‌ترین اپراتورهای دیتاسنتر جهان از ۷۰۰ میلیارد دلار عبور می‌کند. این رقم مربوط به سرمایه‌گذاری سرمایه‌ای این اپراتورهاست و نباید آن را صرفاً هزینه خرید تراشه یا هزینه اختصاصی هوش مصنوعی دانست؛ زیرا دامنه مخارج می‌تواند شامل توسعه گسترده‌تر زیرساخت دیتاسنتر باشد. آیا این سرمایه‌گذاری‌ها بازده اقتصادی دارند؟ پاسخ به میزان درآمدی بستگی دارد که شرکت‌ها از سرمایه‌گذاری خود به دست می‌آورند. شرکت‌ها می‌توانند از راه فروش خدمات ابری، اشتراک ابزارهای هوش مصنوعی، ارائه API، فروش محصولات سازمانی و افزایش بهره‌وری داخلی درآمد یا صرفه‌جویی ایجاد کنند. بااین‌حال، ساخت زیرساخت بسیار گران‌قیمت به‌تنهایی تضمین نمی‌کند که سرمایه‌گذاری سودآور باشد. اگر تقاضای واقعی، درآمد یا میزان استفاده از ظرفیت ایجادشده کمتر از انتظار باشد، بازگشت سرمایه طولانی‌تر خواهد شد. از سوی دیگر، اگر هزینه پردازش کاهش یابد و استفاده از هوش مصنوعی در کسب‌وکارها گسترش پیدا کند، ظرفیت محاسباتی می‌تواند به یک مزیت رقابتی مهم تبدیل شود. آیا افزایش هزینه دیتاسنترها به معنی حباب هوش مصنوعی است؟ افزایش شدید سرمایه‌گذاری، به‌تنهایی وجود حباب را ثابت نمی‌کند. برای ارزیابی وضعیت باید چند عامل را در کنار یکدیگر بررسی کرد: درآمد واقعی خدمات هوش مصنوعی با چه سرعتی رشد می‌کند؟ ظرفیت جدید دیتاسنترها تا چه اندازه مورد استفاده قرار می‌گیرد؟ هزینه تأمین برق، تراشه و تأمین مالی چگونه تغییر می‌کند؟ شرکت‌ها چه زمانی می‌توانند سرمایه‌گذاری خود را جبران کنند؟ آیا بهبود بهره‌وری باعث کاهش هزینه هر واحد پردازش می‌شود؟ اگر رشد درآمد و بهره‌وری با سرمایه‌گذاری همگام شود، توسعه زیرساخت می‌تواند توجیه اقتصادی داشته باشد. اما اگر ظرفیت بیش از تقاضا ساخته شود یا درآمد خدمات نتواند هزینه‌ها را پوشش دهد، احتمال کاهش ارزش دارایی‌ها و زیان سرمایه‌گذاران افزایش می‌یابد. بنابراین، مسئله اصلی صرفاً بزرگی سرمایه‌گذاری نیست؛ بلکه تناسب میان هزینه، ظرفیت ایجادشده و درآمد قابل تحقق است. آیا هوش مصنوعی در آینده برق بیشتری مصرف خواهد کرد؟ احتمال افزایش مصرف برق دیتاسنترها بالاست، اما میزان رشد قطعی نیست. طبق سناریوی مرکزی آژانس بین‌المللی انرژی، مصرف برق دیتاسنترها از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ می‌رسد. در همین دوره، مصرف برق دیتاسنترهای متمرکز بر هوش مصنوعی با سرعت بیشتری رشد خواهد کرد. چند عامل می‌توانند مسیر آینده را تغییر دهند: افزایش تقاضا: استفاده گسترده‌تر از عامل‌های هوش مصنوعی، تولید ویدئو و مدل‌های پیچیده می‌تواند نیاز به پردازش را افزایش دهد. بهبود بهره‌وری: تراشه‌های کم‌مصرف‌تر، مدل‌های کوچک‌تر و روش‌های بهینه‌سازی می‌توانند انرژی موردنیاز برای انجام یک وظیفه را کاهش دهند. محدودیت‌های برق: در برخی مناطق، ایجاد ظرفیت جدید شبکه برق و اتصال دیتاسنترها ممکن است سال‌ها زمان ببرد. تغییرات اقتصادی: اگر سرمایه‌گذاری کاهش یابد یا تقاضا کمتر از انتظار باشد، برخی پروژه‌ها ممکن است به تعویق بیفتند. نکته مهم این است که بهبود بهره‌وری لزوماً به کاهش مصرف کل منجر نمی‌شود. اگر هزینه هر پردازش پایین بیاید و تعداد پردازش‌ها با سرعت بیشتری افزایش پیدا کند، مصرف کل انرژی همچنان می‌تواند رشد کند. نقش انرژی‌های تجدیدپذیر و نیروگاه‌های جدید چیست؟ تأمین برق دیتاسنترها به ترکیبی از منابع انرژی نیاز دارد و ترکیب دقیق آن به کشور و منطقه بستگی دارد. انرژی خورشیدی و بادی می‌توانند بخشی از تقاضا را پوشش دهند، اما تغییرپذیری تولید آن‌ها باعث می‌شود ذخیره‌سازی انرژی، شبکه انتقال مناسب و منابع پشتیبان نیز اهمیت داشته باشند. گاز طبیعی و انرژی هسته‌ای نیز در برخی مناطق در تأمین برق پایدار نقش دارند. قرارداد خرید برق تجدیدپذیر به‌تنهایی تضمین نمی‌کند که دیتاسنتر در تمام ساعات از برق بدون کربن استفاده کند. زمان تولید برق، محل تولید و وضعیت شبکه نیز اهمیت دارند. در کنار تولید برق، افزایش بهره‌وری تجهیزات و کاهش اتلاف انرژی می‌تواند فشار بر شبکه را کمتر کند. بااین‌حال، توسعه زیرساخت انرژی باید همگام با رشد تقاضای محاسباتی پیش برود. افزایش مصرف برق دیتاسنترها چه پیامدی برای کاربران دارد؟ توسعه دیتاسنترها فقط موضوعی مربوط به شرکت‌های بزرگ فناوری نیست. این روند می‌تواند بر هزینه خدمات دیجیتال، محل احداث زیرساخت‌ها، برنامه‌ریزی شبکه برق و سرمایه‌گذاری در تجهیزات اثر بگذارد. اگر هزینه پردازش بالا بماند، ارائه‌دهندگان خدمات ممکن است قیمت برخی سرویس‌ها را افزایش دهند یا محدودیت‌هایی برای استفاده تعیین کنند. در مقابل، رقابت و بهبود بهره‌وری می‌تواند هزینه ارائه برخی قابلیت‌های هوش مصنوعی را کاهش دهد. برای کسب‌وکارها نیز انتخاب میان استفاده از سرویس ابری، اجرای مدل روی سرور اختصاصی یا بهره‌گیری از مدل‌های کوچک‌تر، اهمیت بیشتری پیدا می‌کند. تصمیم مناسب به حجم استفاده، حساسیت داده‌ها، هزینه زیرساخت و الزامات عملکردی وابسته است. جمع‌بندی رشد هوش مصنوعی به ساخت زیرساختی بسیار فراتر از چند سرور قدرتمند نیاز دارد. شتاب‌دهنده‌های پردازشی، شبکه‌های پرسرعت، حافظه، سیستم‌های خنک‌کننده و تأمین برق پایدار، همگی در هزینه نهایی توسعه این فناوری نقش دارند. برآورد آژانس بین‌المللی انرژی نشان می‌دهد سرمایه‌گذاری اپراتورهای بزرگ دیتاسنتر در سال ۲۰۲۶ از ۷۰۰ میلیارد دلار فراتر می‌رود و مصرف برق دیتاسنترها نیز ممکن است تا سال ۲۰۳۰ تقریباً دو برابر شود. بااین‌حال، آینده این صنعت فقط به میزان سرمایه‌گذاری بستگی ندارد. بهره‌وری انرژی، دسترسی به برق، تقاضای واقعی برای خدمات هوش مصنوعی و توانایی شرکت‌ها در تبدیل ظرفیت پردازشی به درآمد، عوامل تعیین‌کننده خواهند بود. در نهایت، رقابت هوش مصنوعی فقط رقابت بر سر ساخت مدل‌های هوشمندتر نیست؛ رقابت بر سر تأمین برق، طراحی زیرساخت کارآمد و استفاده اقتصادی از قدرت پردازش نیز هست. سؤالات متداول (FAQ) دیتاسنتر هوش مصنوعی چرا برق زیادی مصرف می‌کند؟ زیرا تعداد زیادی پردازنده و شتاب‌دهنده به‌صورت هم‌زمان فعالیت می‌کنند. تجهیزات شبکه، حافظه و سیستم‌های خنک‌کننده نیز به مصرف انرژی کل اضافه می‌کنند. مصرف برق دیتاسنترهای جهان تا سال ۲۰۳۰ چقدر خواهد بود؟ بر اساس سناریوی مرکزی آژانس بین‌المللی انرژی، مصرف برق دیتاسنترها ممکن است از حدود ۴۸۵ تراوات‌ساعت در سال ۲۰۲۵ به حدود ۹۵۰ تراوات‌ساعت در سال ۲۰۳۰ برسد. سرمایه‌گذاری دیتاسنترهای هوش مصنوعی چقدر است؟ برآورد آژانس بین‌المللی انرژی نشان می‌دهد مخارج سرمایه‌ای بزرگ‌ترین اپراتورهای دیتاسنتر جهان در سال ۲۰۲۶ از ۷۰۰ میلیارد دلار فراتر می‌رود. این رقم شامل توسعه گسترده زیرساخت است و نباید آن را فقط هزینه خرید پردازنده دانست. آیا خنک‌سازی مایع همیشه بهتر از خنک‌سازی هوایی است؟ خیر. خنک‌سازی مایع می‌تواند برای رک‌های پرتراکم و تجهیزات پرمصرف مناسب باشد، اما انتخاب روش به توان تجهیزات، طراحی دیتاسنتر، هزینه نگهداری و شرایط عملیاتی بستگی دارد. آیا افزایش مصرف برق هوش مصنوعی باعث گران‌شدن خدمات آن می‌شود؟ الزاماً نه. هزینه انرژی یکی از عوامل قیمت‌گذاری است؛ اما رقابت، بهبود سخت‌افزار، بهینه‌سازی مدل‌ها و افزایش مقیاس خدمات نیز بر قیمت نهایی اثر می‌گذارند. آیا سرمایه‌گذاری سنگین در دیتاسنترها نشانه حباب هوش مصنوعی است؟ به‌تنهایی خیر. برای قضاوت باید درآمد واقعی، میزان استفاده از ظرفیت، هزینه تأمین مالی و بازده سرمایه‌گذاری بررسی شوند. اگر درآمد نتواند هزینه‌ها را پوشش دهد، ریسک اقتصادی افزایش پیدا می‌کند. موضوع آژانس بین‌المللی انرژی انرژی و فناوری خنک‌سازی دیتاسنتر دیتاسنتر زیرساخت هوش مصنوعی سرمایه‌گذاری فناوری سرور مصرف برق دیتاسنتر هزینه هوش مصنوعی هوش مصنوعی منبع Key Questions on Energy and AI اشتراک در اشتراک‌گذاری در ایکس اشتراک‌گذاری در واتس‌اپ اشتراک‌گذاری در واتس‌اپ اشتراک‌گذاری در تلگرام
هزینه سرسام‌آور هوش مصنوعی؛ دیتاسنترها چقدر برق و سرمایه می‌خواهند؟
آی تی جو > مراکز داده > هزینه سرسام‌آور هوش مصنوعی؛ دیتاسنترها چقدر برق و سرمایه می‌خواهند؟ هزینه سرسام‌آور هوش مصنوعی؛ دیتاسنترها چقدر برق و سرمایه می‌خواهند؟ برآورد آژانس بین‌المللی انرژی نشان می‌دهد مخارج سرمایه‌ای بزرگ‌ترین اپراتورهای دیتاسنتر جهان در سال ۲۰۲۶ از ۷۰۰ میلیارد دلار فراتر می‌رود. ه
