هوش مصنوعی و مصرف آب: دیتاسنترهای AI فقط قطره‌ای در دریا

---

دیتاسنترهای بزرگ، به‌ویژه اونهایی که برای آموزش مدل‌های هوش مصنوعی مثل **ChatGPT** یا سرویس‌های ابری **Google** و **Microsoft** استفاده می‌شن، توی رسانه‌ها همیشه به‌عنوان «سخت‌گیرهای انرژی» شناخته می‌شن. اما اخیراً یک نکته کمتر سرسوزن به چشم می‌خوره: مصرف آب. پژوهشی جدید نشون می‌ده که حتی دیتاسنترهای متوسط هم می‌تونن به‌صورت محلی فشار زیادی روی منابع آب وارد کنن، اما در مقیاس کل جهان این مقدار هنوز «یک قطره در دریا» محسوب می‌شه.

چرا مصرف آب توی دیتاسنترهای AI مهمه؟

دیتاسنترها برای خنک‌کردن سخت‌افزار—CPU، GPU و SSD—به دو روش اصلی وابسته‌اند: سیستم‌های تهویه هوا و سیستم‌های خنک‌کننده آب‌پاش. در مراکز بزرگ که **GPU**های انویدیا یا **TPU**های گوگل کار می‌کنن، گرما به‌سرعت بالا می‌ره و برای حفظ پایداری عملکرد، آب به‌عنوان خنک‌کننده‌ای کارآمد انتخاب می‌شه.

آمارها نشان می‌دهند که یک دیتاسنتر متوسط با توان ۵ MW، حدود ۲ هکتار آب سالیانه مصرف می‌کنه. این مقدار توی مناطق خشک یا شهرهای پرجمعیت می‌تونه به‌سرعت به مشکل آب تبدیل بشه، حتی اگر در سطح جهانی فقط ۰٫۰۰۲ ٪ از کل مصرف آب جهان باشه.

جزئیات فنی و اقتصادی

• **مصرف آب بر حسب گالن**: یک دیتاسنتر ۲ MW حدود ۲ ۵۰۰ ۰۰۰ گالن آب در سال می‌خوره. برای مقایسه، یک خانوار متوسط در ایران حدود ۲ ۵۰ ۰۰۰ گالن آب در سال مصرف می‌کنه. یعنی یک دیتاسنتر می‌تونه معادل ۱۰ خانوار متوسط باشد.

• **هزینه انرژی برآیند**: هزینه خنک‌کردن آب، بسته به قیمت آب در هر منطقه، می‌تونه ۱۰ تا ۲۵ ٪ هزینه کل انرژی دیتاسنتر رو تشکیل بده. در برخی مناطق که آب گران‌قیمت یا کمبود دارد، این هزینه‌ها می‌تونه حتی بالاتر بره.

• **راه‌حل‌های جایگزین**: برخی شرکت‌ها مثل **Apple** و **Amazon** به سمت خنک‌کننده‌های هوایی یا استفاده از آب بازیافت‌شده روی آورده‌اند. این روش‌ها نه‌تنها هزینه آب رو کاهش می‌دهند، بلکه ردپای زیست‌محیطی کلی دیتاسنتر رو هم کم می‌کنن.

تأثیر بر کاربر ایرانی

ما در ایران، به‌خصوص در شهرهای بزرگ مثل تهران یا مشهد، با کمبود آب مواجهیم. اگر شرکت‌های فناوری بزرگ دیتاسنترهای AI رو در این مناطق مستقر کنند، فشار بر منابع آب محلی بیشتر می‌شود. این موضوع می‌تونه به افزایش قیمت آب، محدودیت‌های مصرف و حتی کاهش دسترسی به آب برای کشاورزی منجر بشه.

به‌علاوه، اگر سرویس‌های ابری داخلی مثل **دیجیکالا Cloud** یا پلتفرم‌های محلی هوش مصنوعی می‌خواهند از دیتاسنترهای بزرگ استفاده کنند، باید به مسأله مصرف آب هم فکر کنند. انتخاب دیتاسنترهای با کارایی انرژی بهتر یا استفاده از خنک‌کننده‌های خشک می‌تواند هزینه‌های عملیاتی را پایین بیاورد و فشار بر منابع آب را کاهش دهد.

نتیجه‌گیری

دیتاسنترهای AI هنوز در مقیاس جهانی یک «قطره در دریا» هستند، اما در سطح محلی می‌تونند نقش بزرگی در بحران آب ایفا کنند. برای ایران که با چالش‌های آب دست و پنجه نرم می‌کند، تصمیم‌گیری هوشمندانه درباره محل‌گذاری و فناوری خنک‌سازی دیتاسنترها اهمیت ویژه‌ای دارد.

آیا فکر می‌کنید شرکت‌های بزرگ فناوری باید در انتخاب مکان دیتاسنترهای جدید به مصرف آب هم توجه کنند؟ نظرتون رو به ما بگویید.