تصور کنید یک نیروگاه هسته‌ای عظیم دارید که نمی‌تواند سرعتش را کم کند، اما مشتری شما (یک خوشه GPU) هر ثانیه میزان تقاضایش را تغییر می‌دهد. این تضاد بنیادی، گلوگاه جدید مقیاس‌پذیری هوش مصنوعی است که TerraPower قصد دارد با رآکتوری ۳۴۵ مگاواتی که با نمک مذاب خنک می‌شود، حل کند.
طبق گزارش TechCrunch در ۱۹ اوت ۲۰۲۶، این استارتاپ که توسط بیل گیتس تأسیس شده، قصد دارد اولین پروژه اختصاصی خود برای مراکز داده را در سال جاری معرفی کند و عملیات زمین‌شکافی آن برای سال ۲۰۲۷ برنامه‌ریزی شده است.
چالش ظرفیت هسته‌ای
انرژی هسته‌ای به‌دلیل «ضریب ظرفیت» بالا، همیشه به عنوان راهکار نهایی برای گرسنگی انرژی هوش مصنوعی معرفی شده است. در ایالات متحده، رآکتورهای هسته‌ای ۹۲.۵٪ از زمان خود را با حداکثر توان تولید برق می‌کنند. اما طبق داده‌های آزمایشگاه ملی راکیز (NRL)، رآکتورهای سنتی در تغییر خروجی بسیار کند هستند و تنها می‌توانند توان خود را حدود ۵٪ در دقیقه افزایش یا کاهش دهند.
رآکتورهای کوچک مدولار (SMR) — که شبیه به نیروگاه‌های پیش‌ساخته و کوچک‌تر هستند — سریع‌ترند و طبق گزارش NRL، می‌توانند حدود ۱۰٪ از توان نامی خود را در هر دقیقه تغییر دهند. با این حال، کار کردن با ظرفیت کاهش‌یافته برای این فناوری ایده‌آل نیست. انرژی هسته‌ای بالاترین هزینه‌های سرمایه‌ای (Capex) را در بین تمام فناوری‌های تولید برق دارد. وقتی الکترون تولید نشود، کسب سود دشوار است. اگرچه تولید انبوه SMRها ممکن است در نهایت هزینه‌های سرمایه‌ای را کاهش دهد، اما تحقق این مزیت ممکن است یک دهه یا بیشتر زمان ببرد.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی زیرساخت‌های انرژی مدل‌های زبانی اشاره کردیم، این صلبیت برای مراکز داده یک نقطه ضعف است. در این مراکز، اجرای یک دوره آموزش (Training run) یا پاسخ به پرامپت‌ها باعث می‌شود بار برق به‌صورت آنی بالا و پایین برود. این نوسانات چنان شدید است که حتی توربین‌های گاز طبیعی را تحت فشار قرار داده و باعث شکست مکانیکی آن‌ها شده است. این بی‌ثباتی در تقاضا پیش‌تر منجر به سقوط ناگهانی چندین گیگاوات بار در شبکه‌های برق شده که هشدارهای جدی برای پایداری شبکه به همراه داشت. برای تلطیف این منحنی، اپراتورها اغلب به بانک‌های عظیم باتری متکی هستند که این امر هزینه‌ها را به‌شدت افزایش می‌دهد.
سازوکار سدیم مذاب
برای پر کردن این شکاف، TerraPower خروجی هسته رآکتور را با تقاضا تطبیق نمی‌دهد. در عوض، این شرکت از یک مخزن عظیم سدیم مذاب برای ذخیره گرمای اضافی استفاده می‌کند. وقتی بارهای کاری هوش مصنوعی اوج می‌گیرند، نیروگاه از این ذخیره حرارتی استفاده می‌کند تا بخار بیشتری تولید کرده و توربین‌ها را سریع‌تر بچرخاند.
در زمان کاهش تقاضا، رآکتور همچنان با تمام توان به شکافت اتم‌ها ادامه می‌دهد و صرفاً گرمای اضافی را به ذخیره نمک بازمی‌گرداند. این سازوکار اجازه می‌دهد تجهیزات گران‌قیمت حتی در ساعات کم‌تقاضا فعال بمانند و شرکت بتواند سرمایه‌گذاری خود را در ساعات عملیاتی بیشتری توزیع (Amortize) کند. این مدل توزیع هزینه‌ها در حالی مطرح می‌شود که قراردادهای مالی تأمین انرژی برای مراکز داده در ایالات متحده به دلیل پیچیدگی‌های قیمت‌گذاری در حال بازنویسی هستند.
مزایای فنی و مشارکت‌ها
این رویکرد مزایای فنی مشخصی نسبت به SMRهای استاندارد دارد:
- بهره‌وری عملیاتی: با حفظ خروجی ثابت، شرکت می‌تواند هزینه‌های سرمایه‌ای بالای ساخت رآکتورهای هسته‌ای را بهتر توجیه و توزیع کند.
- سازگاری با شبکه: این سیستم در ابتدا برای تکمیل انرژی‌های تجدیدپذیر متناوب (مثل باد و خورشید) طراحی شده بود. از آنجا که مراکز داده نیز به‌طور مشابه متناوب هستند — اما در جهت مخالف معادله — این فناوری هر دو نیاز را پوشش می‌دهد.
- حفاظت از سخت‌افزار: نوسانات سریع برق پیش از این باعث شکست توربین‌های گاز طبیعی شده بود؛ ذخیره حرارتی این منحنی را تلطیف کرده و نیاز به بانک‌های باتری عظیم و گران‌قیمت را از بین می‌برد.
TerraPower در حال حاضر اولین نیروگاه خود را در وایومینگ می‌سازد. تکانه تجاری این شرکت در حال رشد است؛ به‌طوری که در ژانویه اعلام شد Meta برای خرید هشت نیروگاه Natrium با آن‌ها مواففت کرده است.
برای بیزنس هوش مصنوعی، این تغییر محور بحث را از «چقدر برق می‌توانیم بگیریم» به «این برق چقدر انعطاف‌پذیر است» منتقل می‌کند. اگر TerraPower موفقیت این مدل را ثابت کند، گلوگاه مقیاس‌بندی AI از پایداری شبکه برق به سرعت فیزیکی ساخت رآکتورها تغییر می‌یابد.
سرمایه‌گذاران و اپراتورها اکنون باید منتظر معرفی مشتری خاصی باشند که در اواخر سال جاری اعلام می‌شود تا ببینند کدام غول ابری (Hyperscaler) روی نمک مذاب برای تامین انرژی خوشه‌های نسل بعدی خود شرط‌بندی کرده است.
گام بعدی شما
- دنبال کنید کدام غول ابری (Hyperscaler) در اواخر سال جاری به‌عنوان مشتری رسمی معرفی می‌شود.
- اثر جایگزینی باتری‌های لیتیومی با ذخیره‌سازهای حرارتی را در هزینه‌های OPEX مراکز داده بررسی کنید.
- مدل‌های جدید SMR را از نظر سرعت پاسخ‌دهی به بارهای متغیر رصد کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و نیاز انرژی آن‌ها مراجعه کنید.
گفتگو