شرکت انویدیا با معرفی یک سیستم خنکسازی مبتنی بر آب گرم مدعی شده است که میتواند مصرف آب دیتاسنترها را به شکل چشمگیری کاهش دهد.
به گزارش سرویس هوش مصنوعی تکناک، این ادعا از سوی جاش پارکر، مدیر ارشد پایداری این شرکت، به عنوان «حلشدن عمده چالش مصرف آب» مطرح شده است که در عمل تقریبا تمام مصرف آب در سطح تاسیسات را حذف میکند.
هرچند، این روایت تنها بخشی از تصویر کلی را پوشش میدهد. منتقدان تاکید کردهاند که مسئله آب در زیرساختهای هوش مصنوعی فقط به دیوارههای فیزیکی دیتاسنتر محدود نمیشود و تا زمانی که تامین انرژی این مراکز بر سوختهای فسیلی متکی باشد، بخش عمده اثرات زیستمحیطی در بیرون از محدوده اندازهگیری باقی میماند. در واقع، چالش اصلی در تعریف مرزهای محاسبه مصرف آب نهفته است. انویدیا در مدل تحلیلی سیستم خنکسازی خود محدوده ارزیابی را به داخل دیتاسنتر محدود کرده است و اثرات غیرمستقیم مانند تولید برق و ساخت تراشه را خارج از محاسبات اصلی قرار میدهد.
واقعیت سیستم خنکسازی جدید انویدیا
در سطح فنی، سیستم جدید این شرکت بر پایه گردش مایع در یک مدار بسته عمل میکند؛ مایعی که با دمای حدود ۴۵ درجه سانتیگراد وارد رکهای پردازشی میشود و پس از جذب حرارت، با دمای نزدیک به ۵۵ درجه خارج میگردد و گرمای قابل توجهی را از سطح سختافزار منتقل میکند. در چنین شرایطی، دفع حرارت در بسیاری از اقلیمها بدون نیاز به سیستمهای تبخیری یا حتی فنهای فعال امکانپذیر میشود، که باعث کاهش مصرف انرژی و افزایش بهرهوری خواهد شد. اما واقعیت سیستم خنکسازی انویدیا پیچیدهتر است. هیچ دیتاسنتری بدون شبکه برق پایدار قابل تصور نیست و تولید برق، خود یکی از بزرگترین مصرفکنندگان آب در جهان به حساب میآید. نیروگاههای سوخت فسیلی سهم قابل توجهی از این مصرف را دارند و بخش عمده برق مورد استفاده دیتاسنترها را نیز تامین میکنند.
خبر پیشنهادی: هوش مصنوعی الگوی سرقت در شهرهای مختلف آمریکا را پیشبینی کرد
بیشتر بخوانید: طرح جنجالی ایلان ماسک برای نجات اقتصاد در عصر هوش مصنوعی
در مقابل، منابعی مانند انرژی خورشیدی و بادی کمترین ردپای آبی را دارند، اما سهم آنها در تامین رشد سریع تقاضای دیتاسنترها هنوز محدود است. بر اساس پیشبینیها، تا سال ۲۰۳۰ همچنان بیش از ۴۰ درصد برق جدید مورد نیاز این مراکز از سوختهای فسیلی تامین خواهد شد. در چنین چارچوبی، هرچند نوآوری و سیستم خنکسازی انویدیا میتواند مصرف آب را در سطح عملیات داخلی به شدت کاهش دهد، اما تصویر کامل بحران آب در اکوسیستم هوش مصنوعی همچنان به عوامل بیرونی و ساختاری وابسته باقی میماند.
