خلاقانه

گرمای جهنمی سرورهای هوش مصنوعی: مشکلی که دنیا را خواهد سوزاند

وقتی یک مدل هوش مصنوعی مثل من (یا مدل‌های خیلی بزرگ‌تر) یک سوال ساده را جواب می‌دهد، پشت صحنه هزاران یا صدها هزار پردازنده گرافیکی (GPU) با تمام قدرت در حال کارند. هر GPU مدرن مثل Nvidia H100 یا Blackwell در حالت حداکثر مصرف حدود 700 تا 1000 وات برق می‌کشد و تقریباً مثل یک سماور برقی بزرگ! حالا این عدد را در 10 هزار، 50 هزار یا حتی 200 هزار کارت گرافیک یک دیتاسنتر بزرگ ضرب کنید. نتیجه؟ یک کوره عظیم‌الجثه که اگر درست خنک نشود، در چند دقیقه همه چیز ذوب می‌شود.

چقدر گرما تولید می‌شود؟

• یک سوپرراکتر هوش مصنوعی با 10 هزار GPU می‌تواند به راحتی 8 تا 12 مگاوات گرما تولید کند؛ معادل گرمای 10 هزار خانه معمولی در زمستان.
• بزرگ‌ترین مراکز داده هوش مصنوعی امروز (مثل آن‌هایی که متا، گوگل، مایکروسافت و xAI می‌سازند) گاهی به 100 تا 500 مگاوات برق می‌رسند؛ یعنی به اندازه برق مصرفی یک شهر 300–400 هزار نفری!
• پیش‌بینی می‌شود تا سال 2030 فقط آموزش و اجرای مدل‌های هوش مصنوعی بزرگ ممکن است 8 تا 10 درصد از کل برق جهان را بخورد.

مشکلات اصلی گرما در دیتاسنترها

• ذوب شدن قطعات: دمای مجاز GPU معمولاً حداکثر 85–90 درجه است؛ بالای 95 درجه عمر کارت به شدت کم می‌شود و بالای 105 درجه می‌سوزد.
• مصرف برق سرسام‌آور سیستم‌های خنک‌کننده: گاهی 40–50٪ برق دیتاسنتر صرف خنک‌کاری می‌شود.
• کمبود آب: روش‌های قدیمی با تبخیر آب کار می‌کردند؛ یک دیتاسنتر 100 مگاواتی ممکن است روزانه 1 تا 2 میلیون لیتر آب بخار کند (به اندازه مصرف آب آشامیدنی 10–20 هزار نفر).
• آلودگی صوتی وحشتناک فن‌ها (گاهی بالای 100 دسی‌بل).
• گرمای خروجی که هوای اطراف دیتاسنتر را تا چند درجه گرم‌تر می‌کند (اثر جزیره گرمایی شهری).

روش‌های جدید و عجیب خنک کردن سرورهای هوش مصنوعی

1. خنک‌کاری با غوطه‌وری کامل (Immersion Cooling) تمام سرورها داخل مایع مخصوص عایق برق (مثل روغن معدنی یا مایعات فلورینه) غوطه‌ور می‌شوند. گرما مستقیماً به مایع می‌رود و مایع با پمپ به رادیاتور منتقل می‌شود. مزیت: مصرف برق خنک‌کاری تا 95٪ کم می‌شود، هیچ فنی لازم نیست، کاملاً بی‌صدا. عیب: گران، سنگین، تعویض قطعات سخت‌تر.

2. خنک‌کاری مستقیم روی چیپ (Direct-to-Chip Liquid Cooling) لوله‌های خیلی نازک آب یا مایع خنک‌کننده مستقیم روی GPU و CPU می‌نشیند. امروز تقریباً همه GPUهای جدید هوش مصنوعی (H100/H200/Blackwell فقط به صورت مایع‌خنک فروخته می‌شوند.

3. استفاده از گرمای هدررفته شرکت‌های اسکاندیناوی و کانادا گرمای خروجی دیتاسنتر را به شبکه گرمایش شهری می‌فرستند و خانه‌ها را گرم می‌کنند. مایکروسافت در فنلاند یک دیتاسنتر کامل زیرزمینی ساخته که 100٪ گرمایش چند محله را تأمین می‌کند.

4. دیتاسنترهای زیر آب مایکروسافت پروژه Natick را امتحان کرد: کانتینرهای پر از سرور را در عمق 30–40 متری دریا گذاشت. آب دریا خودش خنک‌کننده شد و 8 سال بدون هیچ خرابی کار کرد.

5. دیتاسنتر در قطب شمال یا صحراهای سرد متا و گوگل دیتاسنترهایی در سوئد و فنلاند ساخته‌اند که 100٪ با هوای سرد بیرون خنک می‌شوند و تقریباً هیچ هزینه خنک‌کاری ندارند.

6. خنک‌کاری با تغییر فاز (Phase-Change Cooling) مایعی داخل لوله‌ها به جوش می‌آید، بخار می‌شود، گرما را می‌برد و دوباره مایع می‌شود. مثل یخچال، ولی خیلی قوی‌تر.

آینده چطور خواهد بود؟

اگر همین‌طور پیش برویم، تا 10 سال دیگر ممکن است بزرگ‌ترین محدودیت رشد هوش مصنوعی نه پول یا چیپ، بلکه «گرما» و «برق» باشد. برای همین شرکت‌ها دارند به سمت این راه‌حل‌ها می‌روند:

• ساخت چیپ‌های کم‌مصرف‌تر (مثل معماری جدید Blackwell که 30–40٪ مصرف را کم می‌کند)
• انتقال محاسبات به ساعات شب که برق ارزان‌تر و هوا سردتر است
• دیتاسنترهای کاملاً سبز که با انرژی خورشیدی و بادی در بیابان کار می‌کنند و شب‌ها با باتری

هوش مصنوعی مثل یک اژدهای آتشین است؛ هر چقدر بزرگ‌تر می‌شود، بیشتر می‌سوزاند. اگر نتوانیم این اژدها را خنک نگه داریم، روزی می‌رسد که یا پیشرفت هوش مصنوعی متوقف می‌شود، یا نصف برق دنیا صرف سیراب کردن این هیولای گرسنه خواهد شد!