جنگ سرد انرژی؛ پشت‌پرده رقابت جهانی هوش مصنوعی

تا همین چند سال پیش، رقابت جهانی در حوزه هوش مصنوعی عمدتاً به عنوان رقابتی بر سر توسعه الگوریتم‌های پیشرفته، تولید نیمه‌هادی‌ها و افزایش توان پردازشی تفسیر می‌شد. تصور غالب این بود که هر کشوری بتواند مدل‌های بزرگ‌تر آموزش دهد، پردازنده‌های قدرتمندتری تولید کند و ظرفیت محاسباتی بیشتری در اختیار داشته باشد، رهبر نسل آینده اقتصاد دیجیتال خواهد بود. اما روندهای جدید نشان می‌دهد این تصویر دیگر کامل نیست. هوش مصنوعی اکنون وارد مرحله‌ای شده که محدودیت اصلی آن نه الگوریتم است و نه حتی تراشه، بلکه زیرساخت‌های فیزیکی مورد نیاز برای تولید و تأمین انرژی است. به بیان دیگر، رقابت جهانی هوش مصنوعی به تدریج از «رقابت بر سر توان محاسباتی» به «رقابت بر سر زیرساخت» تغییر ماهیت داده است.

گزارش اخیر Financial Times با همکاری McKinsey این تغییر پارادایم را به خوبی نشان می‌دهد. بر اساس پیش‌بینی این گزارش، ظرفیت نصب‌شده مراکز داده جهان تا سال ۲۰۳۰ به حدود ۲۲۰ گیگاوات خواهد رسید؛ رقمی که تقریباً شش برابر ظرفیت سال ۲۰۲۰ است. همزمان، مصرف برق این مراکز ممکن است به حدود ۱۴۰۰ تراوات‌ساعت در سال برسد؛ معادل نزدیک به ۴ درصد کل مصرف برق جهان. برای درک بهتر این مقیاس کافی است بدانیم یک مرکز داده متعارف امروزی به اندازه برق مصرفی حدود ۱۰۰ هزار خانوار انرژی نیاز دارد، در حالی که برخی از پردیس‌های جدید در دست ساخت، تا بیست برابر بزرگ‌تر از این مقیاس طراحی شده‌اند. پروژه‌ای در ایالت تگزاس آمریکا برای نمونه، به تنهایی به حدود ۱۱ گیگاوات برق نیاز خواهد داشت؛ ظرفیتی که با تولید برق چند کشور برابری می‌کند.

علت این رشد تنها افزایش تعداد مدل‌های هوش مصنوعی نیست، بلکه تغییر الگوی استفاده از آن‌هاست. در سال‌های نخست ظهور هوش مصنوعی مولد، عمده سرمایه‌گذاری‌ها صرف آموزش مدل‌های بزرگ زبانی می‌شد؛ فرایندی که اگرچه به هزاران پردازنده گرافیکی و هفته‌ها پردازش مداوم نیاز دارد، اما ماهیتی مقطعی دارد. در مقابل، امروز آنچه سهم بیشتری از تقاضای محاسباتی را به خود اختصاص داده، مرحله «استنتاج» یا Inference است؛ یعنی اجرای مداوم مدل‌ها برای میلیون‌ها کاربر، موتورهای جست‌وجو، دستیارهای هوشمند، سامانه‌های بانکی، خودروهای هوشمند و هزاران کاربرد روزمره دیگر. برخلاف آموزش مدل، استنتاج هرگز متوقف نمی‌شود و همین ویژگی، هوش مصنوعی را از یک پروژه فناورانه به یک صنعت دائماً فعال و انرژی‌بر تبدیل کرده است.

در نتیجه، مراکز داده دیگر صرفاً ساختمان‌هایی برای نگهداری سرورها نیستند، بلکه به زیرساخت‌های راهبردی مشابه پالایشگاه‌ها، بنادر یا شبکه‌های حمل‌ونقل تبدیل شده‌اند. عملکرد این مراکز نه تنها به پردازنده‌های گرافیکی، بلکه به شبکه انتقال برق، ظرفیت نیروگاه‌ها، سامانه‌های خنک‌کننده، تجهیزات ذخیره‌سازی انرژی، ترانسفورماتورها، دسترسی به زمین، منابع آب و حتی سرعت صدور مجوزهای ساخت وابسته است. به همین دلیل، مزیت رقابتی کشورها دیگر تنها با تعداد تراشه‌های پیشرفته یا کیفیت مدل‌های زبانی سنجیده نمی‌شود، بلکه به توانایی آن‌ها در توسعه یک اکوسیستم کامل زیرساختی بستگی دارد.

این تحول، اهمیت جغرافیا را نیز بار دیگر به مرکز رقابت فناوری بازگردانده است. در دهه گذشته تصور می‌شد رایانش ابری وابستگی به مکان را از میان خواهد برد، اما هوش مصنوعی خلاف این فرض را ثابت کرده است. امروز محل استقرار مراکز داده بیش از هر زمان دیگری به دسترسی به برق ارزان، شبکه انتقال پایدار، اقلیم مناسب برای خنک‌سازی، منابع آب، سرعت صدور مجوز و امنیت ژئوپلیتیکی وابسته است. به همین دلیل، رقابت آینده تنها میان شرکت‌های فناوری نخواهد بود، بلکه میان کشورهایی شکل می‌گیرد که بتوانند این شرایط را به صورت همزمان فراهم کنند.

در این میان، چین و ایالات متحده دو الگوی متفاوت از توسعه زیرساخت هوش مصنوعی را نمایندگی می‌کنند. آمریکا همچنان در توسعه مدل‌های پیشرفته، سرمایه‌گذاری خطرپذیر و طراحی تراشه‌های پیشرفته، به‌ویژه از طریق شرکت Nvidia، برتری محسوسی دارد. اما گزارش Financial Times نشان می‌دهد که آمریکا در حوزه زیرساخت انرژی با محدودیت‌های جدی روبه‌رو شده است. تنها در سال ۲۰۲۵ اگرچه آمریکا ۵۳ گیگاوات ظرفیت جدید تولید برق به شبکه اضافه کرد که بالاترین میزان از سال ۲۰۰۲ محسوب می‌شود، اما این میزان در برابر رشد تقاضای مراکز داده کافی نیست. کمبود ترانسفورماتورها، فرسودگی شبکه انتقال، کمبود نیروی متخصص، طولانی بودن فرآیندهای صدور مجوز و مشکلات زنجیره تأمین باعث شده‌اند بخش قابل توجهی از پروژه‌های جدید با تأخیر مواجه شوند. بر اساس داده‌های SynMax، حدود ۴۰ درصد پروژه‌هایی که قرار بود در سال ۲۰۲۶ به بهره‌برداری برسند، با خطر تأخیر روبه‌رو هستند و بیش از ۶۰ درصد پروژه‌های برنامه‌ریزی‌شده برای سال بعد هنوز حتی وارد مرحله ساخت نشده‌اند.

در مقابل، چین طی سال‌های گذشته توسعه هوش مصنوعی را به عنوان بخشی از یک سیاست صنعتی جامع دنبال کرده است. راهبرد «داده در شرق، پردازش در غرب» با هدف انتقال مراکز داده به مناطق دارای انرژی ارزان‌تر، منابع تجدیدپذیر و اقلیم خنک‌تر طراحی شده است. چین اکنون با نزدیک به ۴۰۰۰ گیگاوات ظرفیت نصب‌شده برق، بزرگ‌ترین شبکه برق جهان را در اختیار دارد و تنها در سال ۲۰۲۵ بیش از ۴۰۰ گیگاوات ظرفیت جدید انرژی تجدیدپذیر به شبکه خود افزود؛ رقمی که تقریباً هشت برابر افزایش ظرفیت آمریکا در همان سال است. علاوه بر این، چین در توسعه خطوط انتقال فوق‌ولتاژ، ذخیره‌سازی انرژی، تولید باتری‌های لیتیوم-آهن-فسفات، تجهیزات شبکه برق و حتی مواد معدنی کمیاب مورد نیاز صنعت انرژی نیز جایگاه مسلطی دارد. این مزیت‌ها باعث شده رقابت چین در حوزه هوش مصنوعی تنها به توسعه مدل‌های زبانی محدود نباشد، بلکه بر یک اکوسیستم یکپارچه صنعتی استوار شود.

نمونه دیگری از این تفاوت را می‌توان در نحوه مواجهه دو کشور با محدودیت‌های فناوری مشاهده کرد. محدودیت صادرات تراشه‌های پیشرفته آمریکایی به چین، در ابتدا به عنوان ابزاری برای کند کردن پیشرفت هوش مصنوعی این کشور تلقی می‌شد. با این حال، ظهور مدل DeepSeek نشان داد که فشار ناشی از محدودیت سخت‌افزاری می‌تواند به توسعه معماری‌های کارآمدتر نیز منجر شود. این مدل با تکیه بر پردازنده‌های قدیمی‌تر و بهینه‌سازی معماری، توانست عملکردی رقابتی ارائه دهد و این پیام را منتقل کند که در آینده، بهره‌وری در استفاده از منابع محاسباتی ممکن است به اندازه افزایش ظرفیت محاسباتی اهمیت پیدا کند.

در همین حال، اروپا نیز اگرچه از ظرفیت علمی و صنعتی قابل توجهی برخوردار است، اما با چالش‌های متفاوتی مواجه است. مقررات سخت‌گیرانه زیست‌محیطی، بازار انرژی کمتر یکپارچه، نبود شرکت‌های ابرمقیاس هم‌تراز با غول‌های آمریکایی و دشواری پذیرش ریسک سرمایه‌گذاری در زیرساخت‌های عظیم، باعث شده توسعه مراکز داده در این قاره با سرعت کمتری پیش برود. تجربه کشورهایی مانند ایرلند که به دلیل فشار مراکز داده بر شبکه برق، اتصال پروژه‌های جدید را محدود کردند، نشان می‌دهد حتی اقتصادهای پیشرفته نیز در برابر رشد شتابان تقاضای هوش مصنوعی با محدودیت‌های زیرساختی روبه‌رو هستند.

در مجموع، تحولات اخیر نشان می‌دهد که هوش مصنوعی از یک فناوری صرف، به مؤلفه‌ای راهبردی در قدرت صنعتی و ژئوپلیتیکی کشورها تبدیل شده و مرز میان سیاست فناوری، سیاست انرژی و سیاست صنعتی را تا حد زیادی از میان برده است. در چنین شرایطی، برتری در رقابت هوش مصنوعی تنها به توسعه مدل‌های پیشرفته یا دسترسی به تراشه‌های قدرتمند وابسته نیست، بلکه مستلزم برخورداری از زیرساخت‌های انرژی، شبکه‌های انتقال، زنجیره‌های تأمین تاب‌آور و ظرفیت سرمایه‌گذاری بلندمدت است. از این منظر، پرسش راهبردی دهه پیش‌رو دیگر این نیست که کدام کشور پیشرفته‌ترین مدل‌های هوش مصنوعی را توسعه می‌دهد، بلکه این است که کدام کشور می‌تواند این توانمندی را در مقیاسی پایدار، اقتصادی و قابل اتکا عملیاتی کند. در نتیجه، آینده رقابت جهانی هوش مصنوعی نه فقط در آزمایشگاه‌های تحقیقاتی، بلکه در نیروگاه‌ها، شبکه‌های برق، صنایع زیرساختی و پردیس‌های عظیم مراکز داده رقم خواهد خورد که «توان زیرساختی» به مهم‌ترین مزیت راهبردی حتی فراتر از «توان محاسباتی» تبدیل شده است.