اگر امروز برای اجاره‌ی ظرفیت‌های محاسباتی برنامه‌ریزی می‌کنید، باید بدانید که نیمی از زیرساخت‌های وعده‌داده‌شده برای سال ۲۰۲۶ احتمالاً تا سال ۲۰۲۸ یا حتی دیرتر آماده نخواهند شد. طبق گزارش dev.to، یک کمبود ۹.۳ گیگاواتی در شبکه برق ایالات متحده، اکنون به گلوگاه اصلی و محدودکننده رشد هوش مصنوعی تبدیل شده است. این وضعیت تهدید می‌کند که ۳۰ تا ۵۰ درصد از ظرفیت‌های برنامه‌ریزی شده برای سال ۲۰۲۶ به سال ۲۰۲۸ موکول شود. صنعت اکنون از یک مشکل تدارکاتی — یعنی خرید GPUها — به یک بحران ساختاری انرژی تغییر مسیر داده است.
این تغییر رویکرد در حالی رخ می‌دهد که پیش‌بینی می‌شود مراکز داده‌ی هوش مصنوعی در سال ۲۰۲۶ حدود ۴۸۵ تراوات‌ساعت برق در سطح جهان مصرف کنند. سال‌هاست که روایت‌ها بر «جنگ تراشه‌ها» و در دسترس بودن H100 متمرکز بود، اما حالا گلوگاه، فیزیکِ شبکه است. این تضاد را می‌توان به تلاش برای اتصال یک کوره صنعتی با عملکرد بالا به یک پریز برق خانگی تشبیه کرد؛ یعنی عدم تطابق کامل بین ظرفیت فعلی شبکه و تقاضای عظیم هوش مصنوعی.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی زنجیره تأمین سخت‌افزار اشاره کردیم، وابستگی به یک قطعه‌ی خاص همیشه ریسک ایجاد می‌کند. اکنون این قطعه دیگر GPU نیست، بلکه ترنسفورماتور است.
ابعاد بحران انرژی
اعداد نشان‌دهنده‌ی شکافی عمیق بین زیرساخت‌های فعلی و نیازهای آینده هستند. در سال ۲۰۲۴، تقاضای برق مراکز داده در آمریکا حدود ۵۰ گیگاوات بود که پیش‌بینی می‌شود تا سال ۲۰۲۶ به تقریباً ۷۶ گیگاوات برسد. این جهش سریع، کمبودی ۹.۳ گیگاواتی را تنها در ایالات متحده ایجاد می‌کند.
این مشکل به دلیل نبود سرمایه نیست. پیش‌بینی می‌شود هزینه‌های سرمایه‌ای (Capex) هایپراسکایلرها به حدود ۷۲۵ میلیارد دلار برسد. در عوض، مشکل نبود «الکترون‌ها» است. وقتی شرکتی در ابعاد مایکروسافت نمی‌تواند سفارشاتش را تحویل دهد چون نمی‌تواند برق لازم را تأمین کند، یعنی مشکل از مرحله‌ی خرید تجهیزات گذشته و به قلمرو شکست ساختاری وارد شده است.
معمای تراکم برق
رک‌های سنتی مراکز داده بین ۵ تا ۱۵ کیلووات برق مصرف می‌کنند. در مقابل، رک‌های مخصوص هوش مصنوعی به ۳۰ کیلووات تا بیش از ۱۰۰ کیلووات نیاز دارند. این جهش عظیم در تراکم برق به این معناست که مراکز داده قدیمی را نمی‌توان صرفاً با تغییر کاربری یا ارتقای جزئی مورد استفاده قرار داد.
به دلیل تفاوت بنیادین در سیستم‌های توزیع برق، سیستم‌های خنک‌کننده و تحمل وزن کف، ظرفیت‌های جدید هوش مصنوعی نیازمند ساخت‌وسازهای کاملاً جدید هستند. یک مرکز داده که برای ۱۵ کیلووات مهندسی شده است، نمی‌تواند با صرفاً تعویض سخت‌افزار، رک‌های ۱۰۰ کیلوواتی را میزبانی کند؛ زیرا کل معماری فیزیکی اشتباه است. با این حال، ساخت‌وسازهای جدید نیازمند اتصال به شبکه هستند و صف‌های انتظار برای این اتصال، اکنون طولانی‌ترین زمان انتظار در کل صنعت هستند.
گلوگاه ترنسفورماتورها
بسیاری بر تولید برق تمرکز کرده‌اند، اما کمبود واقعی در سخت‌افزارهای توزیع است. زمان تحویل ترنسفورماتورهای فشار قوی و تجهیزات سوئیچینگ (Switchgear) در حال حاضر بین ۳ تا ۵ سال است.
این قطعات تا سال ۲۰۲۸ کاملاً رزرو شده و فروخته شده‌اند. در واقع، شما سریع‌تر می‌توانید یک توربین گاز بسازید تا اینکه بتوانید تجهیزات لازم برای اتصال آن به شبکه را بخرید. این موضوع یک سلسله‌مراتب از محدودیت‌ها ایجاد کرده است که در آن ترنسفورماتورها تعیین‌کننده‌ترین حلقه در زنجیره تأمین هستند.
سلسله‌مراتب وابستگی‌ها
برای درک دلیل توقف پروژه‌ها، باید ترتیب وابستگی‌های یک پردیس جدید هوش مصنوعی را بررسی کرد:
- زمین و مجوزها: فرآیندی کند است اما می‌توان آن را در چندین سایت به‌طور موازی مدیریت کرد.
- ظرفیت تولید: توربین‌های گاز را می‌توان در حدود ۱۸ تا ۳۰ ماه تهیه و نصب کرد.
- اتصال به شبکه: در بازارهای شلوغ آمریکا، این تأخیرها اکنون به ۵ سال یا بیشتر رسیده است.
- ترنسفورماتورها و سوئیچینگ: زمان تحویل ۳ تا ۵ سال؛ تمام ظرفیت‌ها تا ۲۰۲۸ پر شده است.
- زیرساخت خنک‌کننده: در حال حاضر به دلیل کمبود مس و گازهای تخصصی محدود شده است.
- GPUها: زمانی گلوگاه اصلی بودند، اما اکنون دیگر «طولانی‌ترین قطب» خیمه نیستند.
مراحل سوم و چهارم مواردی هستند که نمی‌توان با پرداخت پول بیشتر از آن‌ها عبور کرد. حتی اگر با ساخت نیروگاه شخصی، مرحله سوم (اتصال به شبکه) را دور بزنید، نیاز به ترنسفورماتورها (مرحله چهارم) فارغ از منبع تولید برق باقی می‌ماند. هر مگاوات برق باید از تجهیزاتی عبور کند که توسط تعداد انگشت‌شماری از تولیدکنندگان با برنامه‌های تولید چندساله ساخته می‌شوند.
غول‌های فناوری در نقش شرکت‌های برق
در گزارش‌های مالی سه ماهه دوم ۲۰۲۶، شرکت‌های Microsoft، Alphabet و Meta معیار گزارش‌دهی خود به سرمایه‌گذاران را تغییر دادند. آن‌ها به‌جای هزینه‌های سرمایه‌ای کلی، روی متغیری جدید به نام «زمان تا دسترسی به انرژی» (Time-to-Energy) تمرکز کردند.
به نقل از آمار مراکز داده ۲۰۲۶ در Axis Intelligence، مایکروسافت از یک backlog ۸۰ میلیارد دلاری در Azure خبر داد که دلیلش نه نبود تقاضای مشتری، بلکه نبود ظرفیت برق است. این رقم ثابت می‌کند که سرمایه دیگر منبع کمیاب نیست، بلکه ظرفیت برق‌دار شده است.
برای دور زدن تأخیرهای اتصال به شبکه که در برخی بازارهای آمریکا از ۵ سال فراتر رفته است، این غول‌ها در حال ادغام عمودی در تولید برق هستند. اپراتورهای مراکز داده به ناچار در حال تبدیل شدن به شرکت‌های انرژی هستند. استراتژی آن‌ها از یک خط زمانی مشخص پیروی می‌کند:
- کوتاه‌مدت: استقرار توربین‌های گاز طبیعی برای فعال‌سازی سریع زیرساخت‌ها. این رویکرد با استراتژی OpenAI برای تکیه بر گاز طبیعی جهت تأمین برق مراکز داده‌اش همسو است.
- میان‌مدت: پیاده‌سازی پیل‌های سوختی (Fuel Cells) برای تأمین برق پایدارتر و پایدارتر.
- بلندمدت: شرط‌بندی روی رآکتورهای کوچک مدولار (SMRs) به عنوان افق نهایی انرژی.
جغرافیای جدید محاسبات
دیگر مراکز محاسباتی جایی که کاربران هستند ساخته نمی‌شوند، بلکه جایی ساخته می‌شوند که الکترون‌ها در دسترس باشند. این موضوع در حال تغییر نقشه ابر (Cloud) است، زیرا تأخیر (Latency) برای کاربر فدای دسترسی به برق می‌شود.
Amazon در حال برنامه‌ریزی برای «پروژه ایگل» (Project Eagle) است؛ یک پردیس چهار ساختمانی در شهرستان وارتون تگزاس. تگزاس به دلیل داشتن اپراتور مستقل شبکه، سرعت اتصال بالاتر نسبت به اکثر بازارهای آمریکا و تولید برق فراوان، بسیار جذاب است.
در اروپا نیز، یک پردیس ۳ میلیارد یورویی در شهر مورا در اسپانیا توسط EdgeMode و BlackBerry AIF پیشنهاد شده است. پروژه DC MALPICA AI برنامه‌ای برای یک پردیس ۳۰۰ مگاواتی شامل دو مرکز ۱ بسته ۱۵۰ هزار متر مربعی دارد. جذابیت اسپانیا مشابه تگزاس است: اشتهای سیاسی بالا برای جذب سرمایه‌گذاری و ظرفیت قابل توجه تولید انرژی‌های تجدیدپذیر. این فشار برای تأمین انرژی، بحث‌های گسترده‌تری را درباره نقش انرژی‌های پاک در رفع عطش مدل‌های AI و هزینه‌های پنهان زیست‌محیطی زیرساخت‌ها به راه انداخته است.
پیامدهای اقتصادی برای خریداران
این فشار در ۱۸ ماه آینده نحوه خرید شما از خدمات محاسباتی را تغییر می‌دهد. سه پیامد اصلی ظهور خواهد کرد:
۱. تفاوت قیمت منطقه‌ای: قیمت محاسبات که پیش‌تر در همه مناطق یکسان بود، تغییر می‌کند. با کمبود ۹.۳ گیگاواتی ملی و صف‌های متفاوت اتصال، این یکنواختی به پایان می‌رسد. انتظار داشته باشید مناطقی که برق تضمین‌شده دارند، قیمت‌های بالاتری (Premium) مطالبه کنند.
۲. تعهدات ظرفیتی سخت‌گیرانه‌تر: اگر ۳۰ تا ۵۰ درصد از ظرفیت‌های برنامه‌ریزی شده ۲۰۲۶ به ۲۰۲۸ منتقل شود، دسترسی On-demand سخت‌تر می‌شود. ارائه‌دهندگان شما را به قراردادهای رزرو چندساله سوق می‌دهند و تخفیف‌ها برای امضای این قراردادها افزایش خواهد یافت.
۳. بهینگی استنتاج به عنوان زیرساخت: هر وات صرفه‌جویی شده، ظرفیتی است که می‌توان به مشتری دیگری فروخت. این موضوع باعث چرخش به سمت سخت‌افزارهای بهینه برای استنتاج (Inference) شده است. Intel با رویکرد Crescent Island (حافظه زیاد و بدون HBM) روی عملکرد به ازای هر وات شرط بسته است، در حالی که توافق Nvidia–SK Hynix برای HBM4 در نقطه مقابل این طیف و روی توان پردازشی حداکثری متمرکز است. این رقابت سخت‌افزاری در حالی رخ می‌دهد که بحران جهانی حافظه به دلیل مقیاس‌دهی سریع مدل‌ها، خود به یک چالش موازی تبدیل شده است.
مقیاس صنعتی و سیاست‌های ملی
شرکت‌های برق آمریکا سعی دارند با سرمایه‌گذاری ۱.۴ تریلیون دلاری و افزایش ۲۷ درصدی در هزینه‌های سرمایه‌ای، خود را با تقاضا هماهنگ کنند. اما زمان‌بندی شرکت‌های برق با سرعت چرخه‌های رگولاتوری پیش می‌رود، نه با سرعت چرخه‌های محصول.
در سال ۲۰۲۶ انتظار می‌رود ۵ مرکز داده با ظرفیت ۱ گیگاوات یا بیشتر فعال شوند که هر کدام توسط یک هایپراسکایلر متفاوت اداره می‌شوند. برای درک این عدد، ۱ گیگاوات تقریباً خروجی یک نیروگاه هسته‌ای بزرگ است که تماماً توسط یک پردیس مصرف می‌شود. نمونه‌ای از این مراکز، مرکز Z.AI است که از تراشه‌های ساخت چین برای مدیریت مصرف عظیم برق خود استفاده می‌کند.
این فشار صنعتی به کل زنجیره تأمین گسترش یافته است. برق، مس و گازهای حیاتی همزمان محدود شده‌اند. پنج هایپراسکایلر بزرگ در مجموع بیش از ۶۶۰ میلیارد دلار هزینه سرمایه‌ای در سال ۲۰۲۶ را برای تصاحب این منابع متعهد شده‌اند. این فشار حتی به بازارهای مصرفی نفوذ کرده و در افزایش قیمت‌های رم (RAM) که در سال ۲۰۲۶ مشاهده شد، نقش داشته است.
اکنون این یک رقابت شرکتی نیست، بلکه موضوع سیاست صنعتی ملی است. برنامه ۸۸۰ میلیارد دلاری کره جنوبی برای تراشه‌های AI، به همان اندازه که مربوط به نیمه‌هادی‌هاست، یک تعهد به انرژی و ساخت است. دولت‌ها فهمیده‌اند تولید تراشه بدون برق برای اجرای آن‌ها بی‌فایده است.
بوم هوش مصنوعی در واقع به یک بوم برق تبدیل شده است که لباس نرم‌افزار به تن دارد. اگر نقشه راه شما بر این فرض است که محاسبات طبق منحنی قدیمی ارزان‌تر و در دسترس‌تر می‌شود، زمان بازنگری در این فرضیات است. منحنی اکنون از میان صف‌های اتصال به شبکه برق و تعداد محدودی از تولیدکنندگان تجهیزات الکتریکی سنگین با دفتر سفارشات پر عبور می‌کند. برای برق بودجه‌بندی کنید.
گام بعدی شما
- اگر مدیر محصول یا CTO هستید، در قراردادهای زیرساختی خود برای سال ۲۰۲۶، بندهای جایگزین برای تأخیرهای احتمالی تا ۲۰۲۸ را بگنجانید.
- به جای تمرکز صرف بر توان پردازشی (Peak Throughput)، معیارهای «عملکرد به ازای هر وات» را در انتخاب سخت‌افزار اولویت قرار دهید.
- توزیع بار محاسباتی خود را به مناطقی منتقل کنید که دسترسی به انرژی تجدیدپذیر یا شبکه‌های مستقل (مانند تگزاس) دارند.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell و مدیریت حرارتی آن‌ها مراجعه کنید.
گفتگو