پایان شعارهای سبز غول‌های فناوری؛ توربین‌های گازی چگونه چت‌بات‌ها را روشن نگه می‌دارند؟

وقتی به چت‌بات‌های هوشمند یا مدل‌های تولید تصویر فکر می‌کنیم، معمولاً فضایی انتزاعی، تمیز و بی‌صدا در ذهنمان نقش می‌بندد؛ ردیف‌های منظم سرورها در اتاق‌های به‌شدت خنک که صرفاً با چشمک نورهای آبی و سبز می‌درخشند؛ اما واقعیت این روزهای سیلیکون‌ولی، شباهت چندانی به چنین کانسپت‌های مینیمال ندارد.

گزارش‌های اخیر از ماشین‌آلات فولادی بزرگی خبر می‌دهند که به‌خدمت دیتاسنترها درآمده‌اند؛ توربین‌هایی که بیشتر نیروگاه‌های کلاسیک را تداعی می‌کند تا آینده‌ی دیجیتال؛ چراکه توسعه‌دهندگان پیشگام هوش مصنوعی با کمبود شدید برق مواجه‌ شده‌اند. کلاسترهای عظیم پردازنده‌های گرافیکی تشنه‌ی انرژی‌اند و شبکه‌های برق سنتی، به‌هیچ‌وجه توان سیراب‌کردن آن‌ها با سرعت موردانتظار غول‌های فناوری را ندارند.

درحالی‌که ساخت دیتاسنترهای پیشرفته طی فازهای مشخصی مانند انتخاب موقعیت جغرافیایی، معماری سازه، نصب تجهیزات پایه‌ای، سرورهای ارزشمند پردازنده و سیستم‌های خنک‌کننده تکمیل می‌شود، انتظار چند ساله برای دریافت مجوز و اتصال به شبکه‌ی برق منطقه‌ای می‌تواند تمامی برنامه‌ها را کاملاً متوقف کند.

حالا شرکت‌هایی مانند مایکروسافت و xAI برای عبور از محدودیت‌های زیرساختی، به‌جای منتظر ماندن در صف انرژی که بقای پروژه‌ها را تهدید می‌کند، به تأمین‌کنندگان مستقل روی آورده‌اند و قرارداد خرید توربین‌های گازی ابرشرکت‌های صنعتی مانند GE Vernova را امضا می‌کنند؛ بدین‌ترتیب در حومه‌ی دیتاسنترهایی که قرار است آواتارهای هوشمندمان را خلق کنند، صدای گوش‌خراش توربین‌های گازی می‌پیچد.

فکر می‌کنید در نهایت، محدودیت‌های فیزیکی سیاره‌ی ما ترمز سرعت عجیب هوش مصنوعی را می‌کشد یا غول‌های تکنولوژی برای رسیدن به آینده، تمام قوانین بازی انرژی را از نو خواهند نوشت؟

هنگامی‌که از ساخت دیتاسنتر آموزش هوش مصنوعی حرف می‌زنیم، دیگر با سوله‌ای پر از سرورهای معمولی طرف نیستیم. یک کلاستر بزرگ از پردازنده‌های گرافیکی می‌تواند به‌سادگی به‌اندازه‌ی یک شهر کوچک برق مصرف کند.

شبکه‌های توزیع محلی در ایالات متحده و بسیاری از نقاط جهان، دهه‌ها پیش برای تأمین انرژی خانه‌ها، کارخانه‌های استاندارد و مناطق شهری طراحی شده‌اند، نه برای تغذیه‌ی مراکز پردازشی که هر لحظه صدها مگاوات انرژی مصرف می‌کنند.

دریافت تأییدیه‌های قانونی، ارتقای پست‌های برق منطقه‌ای و کشیدن خطوط انتقال فشار قوی نیز برای شرکت‌های فناوری چالشی بزرگ محسوب می‌شود؛ در بسیاری از ایالت‌های آمریکا، اتصال یک دیتاسنتر سنگین به شبکه‌ی برق دولتی ممکن است بین سه تا هفت سال طول بکشد. در صنعتی که هرچندماه یک‌بار مدل‌های جهانی ارتقا پیدا می‌کنند، پنج سال انتظار یعنی جاماندن قطعی از رقبا.

میکروگریدها مشابه جزیره‌های مستقل انرژی می‌توانند فارغ از نوسانات و تأخیرهای شبکه‌ی سراسری، انرژی پایدار سرورها را تأمین کنند. در این معماری جدید، دیتاسنتر علاوه‌بر مرکز پردازش داده، نیروگاهی را نیز پوشش می‌دهد که کنترل صفر تا صد تولید و مصرف انرژی‌اش را خودش بر عهده دارد.

شرکت GE Vernova که از دهه‌ها تجربه‌ی جنرال‌الکتریک در ساخت ماشین‌آلات عظیم بهره می‌برد، حالا خود را در مرکز اکوسیستمی می‌بیند که پیش‌تر گمان می‌رفت تنها به سیلیکون‌ولی تعلق دارد. با نگاهی به کارخانه‌ی گرینویل در کارولینای جنوبی مقیاس تغییر مسیر را بهتر درک می‌کنیم؛ جایی‌که جی‌ای ورنوا با سرمایه‌گذاری ۱۶۰ میلیون‌دلاری، مرکز فناوری و تولید توربین‌های گازی خود را توسعه می‌دهد.

البته ساخت یک توربین گازی فرایندی نیست که بتوان آن را با چند خط کدنویسی تسریع کرد. تولید این ماشین‌آلات به مهندسی مواد پیشرفته، زنجیره‌ی تأمین دقیق و ماه‌ها کار فیزیکی نیاز دارد و چالش جدید دنیای فناوری یعنی تنگنای تولید و مقیاس‌پذیری دستگاه‌های سنگین نیز از همین محل ناشی می‌شود.

اکوسیستم تأمین برق دیتاسنترهای مدرن، راهکار واحدی را به همه‌ی متقاضیان پیشنهاد نمی‌دهد؛ برای مثال، جنرال‌الکتریک دو کلاس متفاوت از توربین‌های گازی شامل توربین‌های مشتق‌شده از هوافضا و توربین‌های سنگین‌کار را وارد میدان کرده است که هر کدام مأموریت کاملاً مشخصی بر عهده دارند.

توربین‌های مشتق‌شده از هوافضا (Aeroderivative): خانواده‌هایی مانند LM2500 و TM2500 در واقع همان موتورهای جت هواپیما هستند که برای تولید برق روی زمین بهینه‌سازی و بازطراحی شده‌اند و ویژگی بارزشان سرعت راه‌اندازی و پویایی بالا است.

توربین‌های Aeroderivative می‌توانند هنگام افت ناگهانی توان شبکه یا در زمان‌های پیک مصرف، در کمترین زمان ممکن روشن و وارد مدار شوند. وظیفه‌ی اصلی توربین‌های مشتق‌شده از هوافضا این است که مانع از اختلال پردازش سرورها شوند؛ حتی در مواقع اضطراری.

توربین‌های سنگین‌کار (Heavy-Duty): ماشین‌آلاتی مانند سری غول‌پیکر 7HA و 9HA برای تأمین بار پایه (Baseload) مهندسی شده‌اند؛ به این معنا که باید ۲۴ساعته با بالاترین راندمان حرارتی ممکن کار کنند.

برای یک دیتاسنتر عظیم هوش مصنوعی که کلاسترهای آن ماه‌ها بدون توقف مشغول آموزش یک مدل زبانی‌اند، توربین‌های سنگین Heavy-Duty همان نیروی محرکه‌ی اصلی به‌شمار می‌روند که استقلال کامل از شبکه‌ی سراسری برق را ممکن می‌سازند.

البته برای جبران نوسان انرژی‌های تجدیدپذیر می‌توان از سیستم‌های ذخیره‌ساز انرژی مبتنی‌بر باتری (BESS) استفاده کرد؛ اما ظرفیت فعلی باتری‌های لیتیوم-یون در مقیاس صنعتی تنها برای تثبیت شبکه یا پوشش قطعی‌های کوتاه کاربرد دارد و نمی‌تواند بار پایه‌ی یک مرکز ۵۰۰مگاواتی را برای روزهای متوالی ابری یا بدون باد تأمین کند.

در غیاب رآکتورهای هسته‌ای کوچک که تجاری‌سازی‌شان حداقل تا دهه‌ی ۲۰۳۰ طول خواهد کشید، توربین‌های گازی در کنار سیستم‌های باتری هیبریدی تنها گزینه‌ی اثبات‌شده‌ای هستند که می‌توانند توان قابل‌اتکا را در مقیاس صدها مگاوات، به‌صورت محلی و پایدار در اختیار دیتاسنترها قرار دهند.

احتمالاْ از شنیدن نام ایلان ماسک در در حوزه‌ی سریع‌ترین عملیات اجرایی تعجب نمی‌کنیم. پروژه‌ی استارتاپ xAI در ممفیس برای ساخت سوپرکامپیوتری متشکل از صدهزار پردازنده‌ی گرافیکی H100، یکی از تهاجمی‌ترین پروژه‌های مقیاس‌پذیریِ سخت‌افزاری در تاریخ دیتاسنترها به‌شمار می‌رود.

تأمین انرژی مرکز پردازشی Colossus 1 از طریق شبکه‌ی برق محلی ممفیس، مستلزم ارتقای گسترده‌ی زیرساخت‌ها بود که در حالت عادی سال‌ها زمان می‌برد؛ به‌همین دلیل، xAI به راهکار جایگزین یعنی استقرار ژنراتورهای متحرک و توربین‌های گازسوز قدرتمند روی آورد و در جولای موفق به اخذ مجوز موقت برای نصب ۱۵ توربین گازی در این سایت شد.

شرکت هوش مصنوعی ایلان ماسک برای راه‌اندازی دیتاسنتر پروژه‌ی Colossus 2 در ایالت تنسی و تأمین بخش عظیمی از برق موردنیاز آن، نیروگاه گازی سیاری با تعداد بسیار زیادی توربین را در محل سایت مستقر کرد؛ به‌گونه‌ای که گزارش‌ها از وجود دست‌کم ۴۶ توربین گازی حکایت دارند و شمار آن‌ها ممکن است به ۵۷ دستگاه نیز برسد.

نکته‌ی مهم اینکه تجهیزات گسترده‌ی تنسی، بدون اخذ مجوزهای پیشین از سازمان حفاظت از محیط‌زیست (EPA) نصب و راه‌اندازی شده‌اند و همین امر شکایت‌های حقوقی متعددی را در پی داشته است.

باوجود تمام حواشی، ماشین‌آلات تولید برق شرکت هوش مصنوعی ایلان ماسک صرفاً ابزاری جانبی نبودند و نقش میان‌بری چندمیلیارددلاری را بازی کردند که به xAI اجازه داد در عرض چند ماه، یکی از قدرتمندترین کلاسترهای هوش مصنوعی جهان را روشن کند و استارتاپ ماسک را در کورس رقابت نگه دارد.

ازسوی‌دیگر، مایکروسافت رویکرد کاملاً متفاوتی نسبت به گزینه‌های موجود برای تأمین انرژی دارد. مهم‌ترین دغدغه‌ی این غول فناوری که زیرساخت عظیم ابری Azure و بخشی از پردازش‌های هوش مصنوعی سایر شرکت‌ها را مدیریت می‌کند، صرفاً راه‌اندازی سریع و یک‌باره نیست. ردموندی‌ها می‌خواهند پایداری سرویس و آپتایم ۹۹٫۹۹۹درصدی موسوم به استاندارد Five Nines را برای مشتریان سازمانی‌‌شان تضمین کنند.

برخلاف گذشته که دیتاسنترها از ژنراتورهای دیزلی صرفاً به‌عنوان سیستم‌های پشتیبان برای زمان قطعی برق استفاده می‌کردند، نیروگاه کیلبی با ظرفیت چشمگیر ۲٫۶۷ گیگاوات به‌عنوان منبع اصلی و بار پایه طراحی شده و قرار است از سال ۲۰۲۸ وارد مدار شود.

اگر پروژه‌ی مایکروسافت با موفقیت پیش برود؛ الگویی نوین از تأمین انرژی متمرکز و مستقل از شبکه را برای زیرساخت‌های حیاتی هوش مصنوعی رقم خواهد زد.

در طول دهه‌ی گذشته، غول‌های فناوری میلیاردها دلار هزینه کردند تا به دنیا ثابت کنند حامیان اصلی محیط‌زیست هستند. شرکت‌هایی مثل مایکروسافت، گوگل و آمازون با افتخار از رسیدن به اهداف کربن صفر و تأمین انرژی صددرصد تجدیدپذیر تا سال‌های آینده صحبت می‌کردند؛ اما تب تند هوش مصنوعی مولد، تمام معادلات سبز را برهم زد.

واقعیت این است که پنل‌های خورشیدی و توربین‌های بادی نمی‌توانند بار پایه و جریان پایدارِ موردنیاز برای پردازنده‌های گرافیکی تشنه‌ی برق را فراهم کنند. از طرفی، سوزاندن گاز طبیعی در توربین‌های محلی، دقیقاً در نقطه مقابل وعده‌های محیط‌زیستی غول‌های فناوری قرار می‌گیرد.

مهندسان GE Vernova محفظه‌های احتراق توربین‌ها را به‌گونه‌ای طراحی کرده‌اند که می‌توانند ترکیبی از گاز طبیعی و هیدروژن و در آینده، صددرصد هیدروژن سبز را بسوزانند. این شرکت مدعی است که سیستم‌هایش برای ادغام با فناوری‌های جذب و ذخیره‌سازی کربن و کارکرد ترکیبی با باتری‌های ذخیره‌ساز در مقیاس صنعتی کاملاً آماده‌اند.

اما در دنیای واقعی بین آمادگی فنی و استفاده‌ی عملی، فاصله‌ی زیادی وجود دارد:

چالش نایابی هیدروژن سبز: اگرچه ماشین‌آلات GE Vernova روی کاغذ می‌توانند سوخت پاک بسوزانند، در حال حاضر هیدروژن سبز به‌شدت کمیاب و گران‌قیمت است و زیرساخت انتقال آن به‌هیچ‌وجه پاسخگوی نیاز یک دیتاسنتر چندصد مگاواتی نیست.

هزینه‌های بالای جذب کربن: فناوری‌های جذب کربن در محل نیروگاه نیز همچنان با چالش‌های اقتصادی و بازدهی دست‌وپنجه نرم می‌کنند.

در نتیجه، حداقل برای چند سال آینده که شاید حیاتی‌ترین زمان برای رقابت و بقا در حوزه‌ی ساخت مدل‌های زبانی بزرگ است، دیتاسنترها همچنان با اتکا به سوخت‌های رایج کار خواهند کرد؛ به‌زعم منتقدان، سیلیکون‌ولی آگاهانه تصمیم گرفته شعارهای محیط‌زیستی‌اش را موقتاً تعلیق کند تا رقابت نفس‌گیر هوش مصنوعی با سرعت ادامه یابد.

براساس برآوردهای صنعت، قیمت توربین‌ها گاهی به بیش‌از ۲۵۰ میلیون دلار می‌رسد و رشدی ۳۰۰درصدی را نسبت به سه‌سال گذشته تجربه می‌کند؛ روندی که بار دیگر به ما نشان می‌دهد که چرا بودجه‌های سرمایه‌گذاری هوش مصنوعی همچنان افزایش می‌یابند.

کارخانه‌ی گرینویل می‌گوید باتوجه‌به پرشدن لیست سفارش‌ها تا سال ۲۰۲۹، سفارش سایر شرکت‌های متقاضی خرید توربین برای تحویل در سال ۲۰۳۱ ثبت می‌شوند. شرکت‌هایی که سال‌ها تلاش می‌کردند هوش مصنوعی را فناوری مستقر در فضای ابری نشان دهند، امروز ناچارند با واقعیت خشن و دودزای تولید برق در مقیاس صنعتی روبه‌رو شوند.

وقتی بازیگران مطرح عرصه، همان‌طور که به‌دنبال پردازنده‌های گرافیکی‌اند، در انتظار تحویل توربین‌های گازی هم می‌مانند؛ باید باور کنیم وارد فصل جدیدی از تاریخ فناوری شده‌ایم. حالا پیروز نبرد هوش مصنوعی فقط با توسعه‌ی هوشمندانه‌ترین مدل زبانی تعیین نمی‌شود، شرکتی برگ برنده را در دست دارد که برای روشن نگه‌داشتن مغزهای سیلیکونی‌اش، دکل‌های انتقال و نیروگاه‌های اختصاصی بنا می‌کند.