وفقًا للرئيس التنفيذي لشركة Nvidia Jensen Huang، فإن مقدار الحوسبة اللازمة لتشغيل الذكاء الاصطناعي (AI) أعلى بمقدار 1000 مرة من قوة الحوسبة اللازمة لتشغيل برامج غير الذكاء الاصطناعي.
في حين أن رفوف مراكز البيانات التقليدية تولد ما بين 20 إلى 40 كيلووات لكل رف، يقول ريان هوتشكين، المدير الأول لمراكز البيانات وعمليات إدارة الأعمال في SHI، إن Nvidia تضاعف ذلك كل عام.
“مع GB200s وNVL72s، فإننا نتطلع إلى 120 كيلووات لكل حامل. وحدات معالجة رسومية أكثر قوة [GPUs] يعادل المزيد من الطلب على وحدات توزيع الطاقة [PDUs]ويضيف أن ذلك له تأثير غير مباشر على البنية التحتية الكهربائية.
وهذا يؤدي إلى زيادة الطلب على المزيد من الطاقة من الشبكة، ومرافق احتياطية إضافية وخيارات الطاقة النووية. “إننا نشهد الآن مفاعلات معيارية صغيرة [SMRs]يقول هوتشكين: “على سبيل المثال، والتي يمكن تصنيعها وشحنها ونشرها بشكل تدريجي”.
وبعيدًا عن استهلاك الطاقة الكهربائية، فإن استخدام وحدة معالجة الرسومات يؤدي إلى زيادة الطلب على التبريد، ويضيف: “لا يمكن لتبريد الهواء أن يستمر، ونحن نرى التبريد السائل يتولى المسؤولية. المبادل الحراري للباب الخلفي [RDHx]يساعد التبريد المباشر للرقاقة والتبريد بالغمر على حل مشكلة توصيل الطاقة وإخراجها. لكن حلول التبريد الجديدة هذه أثقل بكثير”.
لذا، فإن وضع رفوف مبردة بالسوائل في المباني ذات الوزن المسموح به أمر محظور – أو في حالة المباني الجديدة، يمكن أن يسبب معضلات حول المكان الذي يجب أن تقع فيه المنشأة.
القياس المستمر
بينما يقود الذكاء الاصطناعي النمو الهائل في مجال الحوسبة، يشير بنجامين بريال، مؤسس شركة Cycloid، إلى أن معظم المؤسسات لا تصمم أبدًا استخداماتها الحاسوبية للتحكم في النمو الهائل الذي يتطلبه الذكاء الاصطناعي.
ويقول: “لا تزال الاستدامة تُعامل وكأنها مربع اختيار للامتثال، وهو شيء تتم مراجعته بعد وقوعه في تقرير ربع سنوي”. “إن التعامل مع الاستدامة كخط إبلاغ منفصل يزيد المشكلة سوءًا.
“عندما تعيش GreenOps في لوحات معلومات منفصلة عن سير عمل المطورين، تقوم المؤسسات بشكل فعال بترميز صومعة من النفايات في بنيتها التحتية. وما لم تكن الشركة مستعدة لتوظيف وتمويل وتشغيل تلك الصومعة بشكل مستمر – ومعظمها ليس كذلك – فإنها تصبح مسرحًا وليس سيطرة.”
وفقًا لبريال، فإن الاستدامة الحقيقية لا تنجح إلا عندما تكون إشارات التكلفة والكربون جزءًا من نفس المنصات التي يستخدمها المطورون لبناء البرامج ونشرها وتوسيع نطاقها. وبخلاف ذلك، فإن عدم الكفاءة ليس من قبيل الصدفة، بل هو خيار معماري.
غالبًا ما يُساء فهم الاستدامة على أنها فعل أقل. في الواقع، يتعلق الأمر بالاستهلاك الأفضل
بنيامين بريال، دائري
إذن، ما هو الجواب؟ وفقًا لبريال، لا ينبغي أن تبدأ الاستدامة الحقيقية بإبطاء اعتماد الذكاء الاصطناعي أو تقييد التجريب، بل يجب منح الفرق منصات تجعل الاستهلاك مرئيًا ويمكن التحكم فيه منذ البداية.
ويقول: “بدون هذا الأساس، يؤدي الذكاء الاصطناعي ببساطة إلى تضخيم عدم الكفاءة. ومعه، يمكن للفرق الابتكار بثقة، ومعرفة تأثير خياراتهم قبل أن يلتزموا بها”.
وكما يشير بريال، فإن التكلفة والكربون يتأثران بنفس قرارات البنية التحتية التي تتخذها فرق التطوير كل يوم. ويضيف: “في السحابة، لا يمكن فصل التأثير المالي والبيئي. فحجم المثيلات، وخيارات التخزين، وحركة البيانات، ومدة ترك الخدمات قيد التشغيل، كلها تؤثر على كل من الإنفاق والانبعاثات”.
هذه ليست قرارات استراتيجية يتم اتخاذها مرة واحدة في السنة؛ إنها اختيارات صغيرة ومتكررة يتم إجراؤها أثناء وقت الإنشاء والنشر. يقول بريال: “عندما تفتقر الفرق إلى رؤية تلك التأثيرات في لحظة اتخاذ القرارات، يصبح التحسين بطيئًا ومحبطًا وغالبًا ما يتم تجاهله لأنه يصبح عائقًا بسبب التنفيذ السيئ الأولي”.
ويذكر أن المطورين يحتاجون إلى مزيد من الرقابة على تأثيراتهم البيئية – ولو لأسباب مالية بحتة. لقد قاموا بالفعل بتحسين الأداء والموثوقية وسرعة التسليم لأن هذه الإشارات مرئية وفورية. لكن من خلال تجربة بريال، عادة ما تكون التكلفة والكربون أكثر غموضًا حتى بعد مرور أسابيع، وتكون مدفونة في التقارير التي تصل بعد فترة طويلة من إنتاج الكود.
ويضيف بريال: “غالبًا ما يُساء فهم الاستدامة على أنها فعل أقل. في الواقع، إنها تتعلق بالاستهلاك بشكل أفضل. إن تحديد الحقوق والمرونة والأتمتة يقلل من الموارد الخاملة وأعباء العمل غير الضرورية. وهذا يحسن سرعة التسليم والموثوقية بقدر ما يقلل من الهدر ويسمح بإنفاق المزيد من الأموال على المبادرات التي تنجح أو تقدم المزيد. لذلك، لا يتعلق الأمر حقًا بالضغط على الابتكار، بل بجعله يركز على التسليم”.
وعندما تتعامل الأنظمة الأساسية مع التحسين بشكل مستمر، يقضي المطورون وقتًا أقل في مكافحة الحرائق ووقتًا أطول في البناء. يقول بريال إن المؤسسات الأكثر فعالية تتعامل مع GreenOps وFinOps كنتائج لتصميم منتج جيد، وليس كمبادرات قائمة بذاتها. عندما تكون التكلفة والكربون إشارات داخل منصات المطورين، تتوقف الاستدامة عن كونها عملية تنظيف وتصبح جزءًا من كيفية تقديم البرامج كل يوم.
وفقًا لبريال، فإن الفرق التي تستثمر في هذا النهج سوف تتحرك بشكل أسرع، وتهدر أقل، وتتوسع بشكل مسؤول، ليس لأنه طُلب منها ذلك، ولكن لأن النظام الأساسي يجعلها أسهل طريق للمضي قدمًا.
هدر لا داعي له
أحد المجالات التي يتم تجاهلها غالبًا عند التفكير في التحسين هو تخزين البيانات. يقول سوهام مازومدار، المؤسس المشارك والرئيس التنفيذي لشركة WisdomAI، إنه يجب على قادة تكنولوجيا المعلومات أن يأخذوا في الاعتبار الهدر الذي يحدث عندما يتم تكرار البيانات دون داع.
“معظم المؤسسات لديها ثلاث أو أربع نسخ من كل مجموعة بيانات ذات معنى: نظام التسجيل الأصلي؛ ونسخة مشتقة تم إنشاؤها من خلال عمليات الاستخراج والتحويل والتحميل [ETL] للتحليلات أو إعداد التقارير؛ واحد أو أكثر من الإصدارات التجريبية أو التجريبية؛ يقول مازومدار: “نسخة إنتاجية تغذي لوحات المعلومات والنماذج أو التطبيقات النهائية. كل نسخة تستهلك جهد التخزين والحوسبة والتشغيل”.
في حين أن مجموعة البيانات قد تكون بالغة الأهمية أثناء إطلاق المنتج، أو دورة التنبؤ، أو تجربة الذكاء الاصطناعي، فإن قيمتها تنخفض بمجرد إغلاق تلك النافذة مع استمرار البيانات.
ويضيف مازومدار: “يبدو أن التخزين رخيص والحوسبة مرنة، لذلك نادرًا ما يتم الوصول إلى البيانات، ونادرًا ما يتم التحقق من صحتها، ولا يتم حذفها أبدًا. وهذا ليس جيدًا بالنسبة للانبعاثات العالمية”.
في تجربته، يركز المهندسون على المشكلة المباشرة: نقل البيانات، وتحويلها، وربط الأنظمة. ويقول: “لا أحد يكافئ جمع البيانات المهملة. في السحابة، يعد إنشاء الموارد أمرًا سهلاً. وهناك القليل من الحوافز لتنظيفها”.
عندما تفهم البيانات الحية… فإنك تقلل من الهدر وتخفض التأثير البيئي وتنشئ أساسًا أكثر صحة للتحليلات والذكاء الاصطناعي
سوهام مازومدار، الحكمة
وفقًا لمازومدار، لدى فرق جوجل حصص واضحة للتخزين والحوسبة. ورغم أن هذه الحصص قد تكون كبيرة، إلا أنها لا تزال موجودة، الأمر الذي يفرض تحديد الأولويات. ويضيف: “إذا لم تعد مجموعة البيانات أو خطوط الأنابيب ذات أهمية، فيجب عليها تبرير استمرار وجودها. وقد أدى ذلك إلى إنتاج أنظمة أكثر صحة مع عدد أقل من الأصول المنسية”.
ويقول إن المساءلة اليدوية لم تعد واسعة النطاق. في حين أن الاستجابة الغريزية هي المطالبة بالمزيد من المساءلة من المهندسين، إلا أنه يشعر أن هذا لم يعد مجديًا. وذلك لأنه في عصر الذكاء الاصطناعي، تتحرك المساءلة في الاتجاه المعاكس. تقوم الفرق بتجربة البيانات وإنشاء نماذج أولية وربطها بالنماذج الجديدة في أسرع وقت ممكن. تتكاثر خطوط الأنابيب ومجموعات البيانات المؤقتة. كل هذا يعني أن العمليات اليدوية لا يمكن مواكبتها.
يوصي مازومدار بتطبيق التشغيل الآلي الذي يتتبع الحيوية. يتضمن ذلك الأنظمة التي تحدد مجموعات البيانات التي لم يتم الوصول إليها منذ أشهر، وخطوط الأنابيب التي لم تعد تنتج مخرجات وخدمات الحوسبة التي لا تتلقى أي حركة مرور. يقول مازومدار: “يجب أن تؤدي هذه الإشارات إلى اتخاذ إجراء: الأرشفة، أو التصنيف إلى التخزين البارد، أو الحذف”.
“مهمتنا الآن هي الانتقال من الطموح إلى الواقع التشغيلي. الطريق إلى الأمام ليس التقشف – بل الرؤية وتتبع الحيوية والانضباط الآلي المدمج في أنظمة البيانات. عندما تفهم ما هي البيانات الحية، وما هي البيانات الخاملة والتي هناك حاجة إليها حقًا، فإنك تقلل من الهدر، وتخفض التأثير البيئي، وتنشئ أساسًا أكثر صحة للتحليلات والذكاء الاصطناعي.”
المقاييس القائمة على المكونات
تبدأ الرؤية بفهم التأثير البيئي لكل مكون في مجموعة البنية التحتية للذكاء الاصطناعي بدءًا من أجهزة مركز البيانات وحتى استخدام البرامج والتخلص النهائي من المعدات. جارتنر كيفية قياس وتخفيف تأثير الذكاء الاصطناعي على الاستدامة البيئية يوصي التقرير، الذي نُشر في يوليو 2025، بأن يقوم قادة تكنولوجيا المعلومات بإعطاء الأولوية لاستخدام القياسات القائمة على المكونات حيثما أمكن ذلك، لأن هذه هي المنهجية الأكثر دقة لقياس التأثير البيئي للذكاء الاصطناعي.
تضع شركة Gartner القياس القائم على المكونات كأحد الطرق الأكثر تفصيلاً لقياس تأثير الكربون في الذكاء الاصطناعي. يعتمد على تحليل الأجزاء المكونة للبنية التحتية للذكاء الاصطناعي وقياسها بشكل فردي. تغطي هذه المكونات البنية التحتية المادية لتكنولوجيا المعلومات المستخدمة للتدريب وتشغيل نماذج الذكاء الاصطناعي إلى جانب أنظمة تشغيل البرامج ولغات البرمجة والتطبيقات التي تدعم الذكاء الاصطناعي باستخدام النماذج والأطر.
يقول جارتنر إن النهج القائم على المكونات يقيس هذه الموارد الحسابية التي تستخدمها نماذج الذكاء الاصطناعي، وتحديدًا تحديد كمية الأجهزة الأساسية (وحدات معالجة الرسومات ووحدات المعالجة المركزية في المقام الأول)، والمدة الزمنية لعملية التدريب، واستهلاك الطاقة الخامل للخوادم وPUE لمراكز البيانات حيث تحدث هذه الحسابات.
ومن خلال اتباع نهج قائم على المكونات لحساب البصمة الكربونية للذكاء الاصطناعي، تقول جارتنر إن انبعاثات الكربون المرتبطة بالتدريب ونشر نماذج الذكاء الاصطناعي يتم حسابها بعد ذلك عن طريق ضرب إجمالي الطاقة التي تستهلكها كثافة الكربون لشبكة الكهرباء في المنطقة الجغرافية المحددة التي توجد بها البنية التحتية للذكاء الاصطناعي. ويجب أيضًا أن تؤخذ في الاعتبار الكهرباء التي تستخدمها الأجهزة والطاقة اللازمة لتبريد مراكز البيانات، بالإضافة إلى الكهرباء اللازمة لتخزين البيانات المستخدمة للتدريب واستدلال الذكاء الاصطناعي.
لإجراء عملية حسابية كاملة، توصي Gartner بحساب دورة حياة معدات مركز البيانات. يتضمن ذلك التصنيع والنشر والتشغيل والتخلص النهائي من جميع المكونات.
الاستدامة هي خارطة الطريق للذكاء الاصطناعي
على الرغم من أن التركيز الرئيسي لقطاع التكنولوجيا كان إلى حد كبير حول تقديم نماذج ذكاء اصطناعي أكثر قوة يمكنها تحقيق أقصى استفادة من أحدث التطورات في مجال الأجهزة، إلا أنه كان هناك تركيز أقل على تحقيق ذلك بالطريقة الأكثر استدامة. نظرًا لأن شبكات الطاقة أصبحت متوترة بسبب متطلبات الطاقة لمصانع الذكاء الاصطناعي ومنشآت مراكز البيانات ذات وحدات معالجة الرسومات الثقيلة، يتم وضع التخطيط لهذه المواقع تحت دائرة الضوء بشكل متزايد.
إذا أظهرت توقعات الرئيس التنفيذي لشركة Nvidia اتجاه السفر الذي يسلكه قطاع التكنولوجيا، فسوف تحتاج كفاءة هذه المرافق إلى التحسن بشكل كبير. وبالنسبة لصناع القرار في مجال تكنولوجيا المعلومات، سيكون هناك تركيز أكبر على كفاءة الذكاء الاصطناعي أكثر من أدائه الكامل.
رئيس تحرير يمني وصحفي محترف حاصل على درجة في الإعلام. عمل في عدة صحف ومواقع إخبارية وتدرّج من محرر إلى رئيس تحرير. يشرف على المحتوى الإخباري ويقود فريقًا صحفيًا مع الالتزام بالمصداقية والمهنية.
رئيس تحرير يمني وصحفي محترف حاصل على درجة في الإعلام. عمل في عدة صحف ومواقع إخبارية وتدرّج من محرر إلى رئيس تحرير. يشرف على المحتوى الإخباري ويقود فريقًا صحفيًا مع الالتزام بالمصداقية والمهنية.
