الذكاء الاصطناعي والمناخ: مراكز البيانات تستهلك 415 تيراواط·ساعة سنويًا، والفائدة ما زالت في حدود التوقعات

يبدو السؤال أقرب إلى شعار سياسي: هل سيحرق الذكاء الاصطناعي الكوكب أم سيساعد على إنقاذه؟ الأرقام تقدم إجابة أقل إثارة، لكنها أكثر فائدة. فبحسب تقدير وكالة الطاقة الدولية، استهلكت مراكز البيانات في 2024 نحو 415 تيراواط·ساعة، أي ما يقارب 1,5% من الكهرباء العالمية. وبحلول 2030، قد يرتفع هذا الرقم إلى 945 تيراواط·ساعة وفق السيناريو الأساسي للوكالة. وهذا يوازي الاستهلاك السنوي لليابان. ومع ذلك، تمثل مراكز البيانات أقل من 1% من انبعاثات ثاني أكسيد الكربون الناتجة عن قطاع الطاقة، أي إن المشكلة اليوم محلية لا عالمية. ما يثير القلق هو سرعة النمو.

كم يستهلك الذكاء الاصطناعي فعلًا

ترتبط أبرز الأرقام بتدريب النماذج، وخصوصًا بالاستدلال (inference): فحين تبلغ الطلبات مليارات، تتراكم التفاصيل الصغيرة لتصل إلى ميغاواطات. وتتباين التقديرات الخاصة بالطلب الواحد تباينًا كبيرًا بحسب المنهجية المعتمدة. فقد أعلنت Google في 2025 أن الطلب الوسيط إلى Gemini يستهلك 0,24 واط·ساعة، بينما ذكرت OpenAI رقمًا يقارب 0,34 واط·ساعة لـ ChatGPT. وهذا ضئيل جدًا بالنسبة لمستخدم واحد. لكن السيناريوهات الثقيلة، مثل توليد الفيديو والاستدلال الطويل والوكلاء الذين يجرون عشرات الاستدعاءات للنموذج لإنجاز مهمة واحدة، ترفع المتوسط إلى الأعلى.

المؤشرات التي يستند إليها النقاش:

• مراكز البيانات في العالم، 2024: نحو 415 تيراواط·ساعة، أي ما يقارب 1,5% من الكهرباء العالمية (وكالة الطاقة الدولية).
• التوقع لعام 2030: نحو 945 تيراواط·ساعة وفق السيناريو الأساسي.
• الولايات المتحدة، 2023: 4,4% من الاستهلاك الوطني للكهرباء، وبحلول 2028 ما بين 6,7 و12% بحسب تقدير مختبر لورنس بيركلي الوطني (Lawrence Berkeley National Laboratory).
• انبعاثات Google في 2024 أعلى بنسبة 48% من مستوى 2019، وعند Microsoft ارتفعت بنحو 29% منذ 2020.
• الطلب الوسيط إلى Gemini: 0,24 واط·ساعة، بحسب بيانات Google نفسها.

لقد أصبح الطلب الواحد إلى النموذج أكثر كفاءة بوضوح. لكن المشكلة أن عدد الطلبات ازداد زيادة هائلة، وأن الحمل يتجمع في عدد قليل من المناطق: فرجينيا وتكساس وأيرلندا ومحيط سنغافورة. وفي هذه المناطق تبلغ الشبكات حدودها القصوى قبل أن تظهر قدرات توليد جديدة.

ما الذي يمكن أن يقدمه الذكاء الاصطناعي للمناخ

وللشق الثاني من السؤال أسسه أيضًا. فنماذج التنبؤ بالطقس المبنية على الشبكات العصبية، مثل GraphCast وما يماثلها، تحسب توقعات عالمية خلال دقائق على مسرّع واحد، في حين تحتاج الطرق العددية الكلاسيكية إلى حواسيب فائقة. وتساعد الخوارزميات على موازنة الأحمال في الشبكات ذات الحصة الكبيرة من الطاقة الشمسية وطاقة الرياح، وعلى اكتشاف تسرّبات الميثان من صور الأقمار الاصطناعية، وتحسين التدفئة والتبريد في المباني، واختيار مواد البطاريات. وتشير وكالة الطاقة الدولية إلى أن هذه التطبيقات قد تخفض الانبعاثات، عند اعتمادها على نطاق واسع، بأكثر مما تضيفه مراكز البيانات نفسها. والكلمة المفتاحية هنا هي «محتملًا»: فلا أثر تلقائيًا، والاعتماد يمضي ببطء وبصورة غير متكافئة.

وللمسألة وجه آخر. فالشركات النفطية والغازية تستخدم النماذج نفسها للبحث عن الحقول وتطويرها، وكثيرًا ما يبقى هذا الإسهام في الانبعاثات خارج الحسابات المقارنة. كما أن التوفير الناتج عن الكفاءة كثيرًا ما يقود إلى زيادة الطلب: فحين تصبح الحوسبة أرخص، يُستهلك منها أكثر. ويعرف الاقتصاديون هذا الأثر منذ القرن التاسع عشر باسم مفارقة جيفونز.

ما الذي ينبغي مراقبته لاحقًا

لكي لا نغرق في العناوين، يجدر تتبع عدة أمور. الأول: مصدر الكهرباء للمجمعات الجديدة. فعقود التوليد النووي والحراري الأرضي تمنح أثرًا طويل الأمد، أما تمديد عمر محطات الفحم والغاز فيقضي عليه. الثاني: هل تكشف الشركات الاستهلاك بالساعة وبحسب المواقع، لا المتوسطات السنوية مع الشهادات الخضراء فحسب. الثالث: هل تحتسب التقارير المياه وانبعاثات المعدات، لا الكهرباء وحدها. وبالنسبة للأعمال، الخلاصة عملية: اختيار المنطقة ووقت تشغيل المهام الثقيلة، ومراعاة كثافة الكربون في الشبكة، وقياس الطاقة لكل وحدة نتيجة لا لكل طلب. أما بالنسبة للجهات التنظيمية، فأهم ما في الأمر هو البيانات الشفافة. ومن دونها يبقى أي حديث عن ذكاء اصطناعي «جيد» أو «سيئ» جدلًا حول الإيمان.