فناوریهای جدید دیتاسنترها در پی بحران آب؛ خنک سازی سرور بدون تبخیر

رشد بیوقفه هوش مصنوعی، بهویژه مدلهای زبانی بزرگ، عصر جدیدی از محاسبات سنگین را ایجاد کرده است. این موضوع باعث شده تا دیتاسنترها به مصرفکنندگان عظیم انرژی و آب در دنیا تبدیل شوند. در آمریکا، کالیفرنیا بهعنوان مرکز اصلی توسعه هوش مصنوعی، اکنون در خط مقدم پیامدهای زیستمحیطی این تحول قرار دارد. این پیامدها شامل فشار شدید بر شبکه برق، تشدید بحران کمآبی، افزایش هزینههای زیرساختی و ایجاد چالشهایی برای پایداری بلندمدت فناوری میشود. به همین دلیل فناوریهایی مانند خنک سازی سرور بدون تبخیر آب به بحثی جدی در محافل فناوری آمریکا تبدیل شده است. در ادامه با گزارش فالنیک از تکنولوژیهای جدید دیتاسنترهای آمریکا برای صرفه جویی در مصرف آب همراه باشید.
بحران مصرف انرژی مراکز داده
مصرف انرژی مراکز داده در آمریکا در حال دو برابر شدن است و انتظار میرود از 183 تراواتساعت در سال 2024 به 426 تراواتساعت در 2030 برسد. چندی پیش اعلام شد که مصرف برق دیتاسنترهای OpenAI از مجموع مصرف شهرهای نیویورک و سندیگو بیشتر است. در کالیفرنیا نیز رشد بار شبکه تا سال 2040 معادل مصرف بیش از 20 میلیون خانه پیشبینی میشود.
دلیل اصلی این رشد، مصرف کلان انرژی توسط GPUها و TPUها در فرآیند آموزش مدلهای هوش مصنوعی است. کارتهای گرافیکی پیشرفته مانند A100 و H100 گاهی بهتنهایی تا 700 وات برق مصرف میکنند و خوشههای آموزش مدلها ممکن است هفتهها با حداکثر توان کار کنند. به همین دلیل، مراکز داده مبتنی بر هوش مصنوعی به تراکم توان دو برابر مراکز سنتی رسیدهاند و مصرف برق آنها در کالیفرنیا طی چند سال آینده احتمالاً دو تا سه برابر افزایش خواهد داشت.

مصرف آب، مهمترین و نگرانکنندهترین بخش بحران
اگرچه توجه عمومی بیشتر بر مصرف برق است، اما مصرف آب نیز به همان اندازه مهم و حتی حساستر است. مراکز داده برای خنکسازی تجهیزات، بسته به نوع فناوری، به آب فراوان نیاز دارند. بیشتر مراکز از روشهای خنکسازی تبخیری استفاده میکنند که باعث هدررفت دائم آب میشود. در سال 2023، مراکز داده آمریکا حدود 17 میلیارد گالن آب مصرف کردهاند. انتظار میرود تا 2028 این مقدار بین 16 تا 33 میلیارد گالن باشد. یک مرکز داده متوسط سالانه حدود 110 میلیون گالن آب برای خنکسازی مصرف میکند، معادل مصرف 1000 خانوار.
بخش پیشرفته و رو به توسعه هوش مصنوعی، مصرف آب را حتی بیشتر کرده است. هر بار درخواست از مدلهای زبان بزرگ، انرژی و در نتیجه آب بیشتری میطلبد. برآوردها نشان میدهد هر 100 کلمه درخواست هوش مصنوعی تقریباً معادل یک بطری آب مصرف میکند. همچنین آموزش مدل GPT-3 حدود 700 هزار لیتر آب شیرین را تنها در مراکز داده مایکروسافت تبخیر کرده است. مراکز داده گوگل نیز تنها در سال 2021 بیش از 12.7 میلیارد لیتر آب مصرف کردهاند.
نکته نگرانکننده این است که بسیاری از این تأسیسات در مناطق خشک ساخته میشوند؛ یعنی جایی که منابع آب پیش از این نیز محدود بودهاند. بهعنوان مثال، در برخی مناطق کالیفرنیا مردم شاهد کاهش سطح آب زیرزمینی پس از احداث مراکز داده بودهاند. همچنین باید توجه داشت که خنکسازی تنها یکی از بخشهای مصرف آب است؛ زیرا حدود 75 درصد مصرف کل آب مراکز داده مربوط به فرایند تولید برق است، بهویژه هنگامی که از منابع فسیلی استفاده میشود.
فناوریهای خنک سازی سرور بدون تبخیر آب

مهمترین بخشهای نوآوری در صنعت مرتبط با کاهش مصرف آب، فناوریهای نوین خنکسازی سرور در مراکز داده هستند. از مهمترین این فناوریها باید به موارد زیر اشاره کرد:
1- خنکسازی مستقیم روی چیپ (Direct-to-Chip)
آبی که دمای تجهیزات را میگیرد در یک حلقه بسته حرکت میکند و تبخیری رخ نمیدهد. این روش در برخی مراکز پیشرفته استفاده میشود و میتواند مصرف آب را تا حد زیادی کاهش دهد.
2- خنکسازی غوطهوری (Immersion Cooling)
در این روش سرورها در مایع دیالکتریک فرو میروند. این مایع تبخیر نمیشود و خنکسازی با بازده بالا انجام میگیرد. این فناوری میتواند نیاز به خنکسازی تبخیری و مصرف آب را نزدیک به صفر کند.
3- استفاده از آب بازیافتی یا غیرقابل شرب
شرکتهایی مانند گوگل و Digital Realty تلاش دارند از آب غیرآشامیدنی یا پساب تصفیهخانهها استفاده کنند تا فشار بر منابع آب شهری کاهش یابد.
4- خنکسازی مبتنی بر رودخانهها یا آب طبیعی
برخی مراکز مانند Nautilus Data Technologies با استفاده از آب سرد رودخانهها بدون تبخیر، دما را پایین میآورند.
5- خنکسازی حلقه بسته بدون تبخیر
مدلهایی مانند فناوری اعلامشده توسط مایکروسافت در مالزی که از خنکسازی کاملاً بدون تبخیر استفاده میکنند، الگوی جدیدی برای صنعت به شمار میروند و میتوانند بهطور کامل مصرف آب تازه را متوقف کنند.
این فناوریها اکنون از حالت آزمایشی خارج شدهاند و بهسرعت در حال تبدیل شدن به نیاز استاندارد مراکز داده آینده هستند؛ زیرا با رشد هوش مصنوعی، ادامه خنکسازی تبخیری غیرممکن و از نظر زیستمحیطی غیرقابل دفاع خواهد بود.
چالشهای اقتصادی و فنی شرکتهای فناوری برای کاهش مصرف آب
شرکتهای فناوری با دو فشار عمده روبهرو هستند: هزینه انرژی و هزینه آب. مراکز داده در شهرهایی مانند سانتا کلارا 60 درصد برق شهری را مصرف میکنند و شرکتهای برق مجبور به توسعه زیرساختهای جدید هستند. این هزینهها به شرکتها منتقل میشود و مراکز داده قدیمی یا استارتاپهای کوچک بهدلیل کمبود سرمایه، توان نوسازی یا خرید انرژی تجدیدپذیر را ندارند.
در مقابل، شرکتهای بزرگ مانند گوگل، مایکروسافت و آمازون بهدلیل بودجه وسیع خود میتوانند سیستمهای نوین خنکسازی هوش مصنوعی در دیتاسنترها، فناوریهای کممصرف و قراردادهای عظیم انرژی پاک را خریداری کنند. همین مسئله باعث ایجاد «فرار به سمت کیفیت» شده است؛ یعنی بازار به سمت شرکتهایی میرود که توان رعایت مقررات سختگیرانه پایداری را دارند. نتیجه این روند میتواند تمرکز بیشتر بازار در دست غولهای فناوری باشد. در عکس زیر طرح سیستم خنک سازی بدون تبخیر مایکروسافت را مشاهده میکنید:

پیامدهای جهانی بحران آب و لزوم آیندهنگری
مسئله مصرف انرژی و بحران آب هوش مصنوعی تنها مختص کالیفرنیا نیست. پیشبینی میشود مراکز داده تا سال ۲۰۳۵ حدود ۲۰ درصد برق جهان را مصرف کنند و اگر وضعیت فعلی ادامه یابد، بار ناشی از هوش مصنوعی میتواند تا ۵۰ درصد مصرف جهانی مراکز داده را تشکیل دهد. همچنین تقاضای پردازشی آموزش مدلها تقریباً هر پنج ماه دو برابر میشود؛ روندی که از نظر منابع انرژی و آب کاملاً ناپایدار است.
از نظر زیستمحیطی، ادامه این مسیر میتواند دستیابی به اهداف اقلیمی را دشوار کند و رقابت بر سر منابع آب در مناطق خشک را تشدید کند. از نظر اجتماعی نیز معمولاً جوامع کمبرخوردار در نزدیکی نیروگاهها یا مراکز داده بیشترین ضرر را میبینند که این مسئله نگرانیهای عدالت محیطزیستی ایجاد میکند.
با وجود همه این چالشها، فناوری میتواند بخشی از راهحل باشد. هوش مصنوعی میتواند شبکههای انرژی را بهینه کند، مصرف برق مراکز داده را کنترل کند و مناطق مناسبتر برای ساخت مراکز داده را پیشنهاد دهد. پیشرفت در تراشههای کممصرف، سیستمهای خنک سازی سرور بدون تبخیر و استفاده از انرژیهای کاملاً پاک میتواند اثرات زیستمحیطی را کاهش دهد؛ اما این نیازمند هماهنگی صنعت، دانشگاهها، قانونگذاران و نوآوریهای فناوریهای سبز است.



