متا حداقل ۲۷۰ میلیون دلار در پروژه‌های تصفیه فاضلاب در نزدیکی مراکز داده هوش مصنوعی خود سرمایه‌گذاری می‌کند، با این هدف که بیشتر خنک‌سازی با آب آشامیدنی را با منابع بازیافتی جایگزین کند. در شهرستان لودون در ویرجینیا – قطبی که میزبان ده‌ها مزرعه سرور است – در حال حاضر آب بازیافتی تنها ۴۳ درصد از نیازهای خنک‌سازی روزانه را پوشش می‌دهد و ۵۷ درصد باقی‌مانده (حدود ۲۶۰ میلیون گالن) باید از منابع آب آشامیدنی تأمین شود. این سرمایه‌گذاری این شکاف را هدف قرار داده و می‌تواند نحوه تأمین انرژی بارهای کاری رو به رشد هوش مصنوعی در این صنعت را تغییر دهد.

چرا خنک‌سازی هوش مصنوعی اهمیت دارد

آموزش مدل‌های زبانی بزرگ و اجرای خوشه‌های استنتاج، برق مصرف کرده و گرما تولید می‌کند. برای نگه داشتن تراشه‌ها در دمای ایمن، مراکز داده از روش‌های خنک‌سازی پرمصرف از نظر آب، مانند برج‌های تبخیری، استفاده می‌کنند. این تقاضای آب مستقیماً با مصارف خانگی و کشاورزی محلی رقابت می‌کند، به‌ویژه در مناطقی که از قبل با خشکسالی و فشار جمعیت دست‌وپنجه نرم می‌کنند. وقتی یک مرکز داده روزانه ۲۵۰ میلیون گالن آب آشامیدنی مصرف می‌کند، تأثیر آن در ذخایر شهری و همچنین در دیدگاه عمومی نسبت به ردپای زیست‌محیطی فناوری آشکار می‌شود.

از فاضلاب تا چرخه خنک‌سازی

استفاده از فاضلاب یک ترفند نیست؛ بلکه بر فرآیندهای تصفیه بالغی استوار است. فاضلاب خام حاوی اوره، نمک‌ها، مواد آلی و میکروب‌هایی است که می‌تواند تجهیزات خنک‌کننده را مخدوش کند. تصفیه‌خانه‌های مدرن این آلاینده‌ها را طی مجموعه‌ای از مراحل حذف می‌کنند:

  • بیوراکتورهای غشایی ذرات جامد را به دام انداخته و مولکول‌های آلی را تجزیه می‌کنند.
  • اسمز معکوس آب را با فشار از یک غشای نیمه‌تراوا عبور می‌دهد و نمک‌های محلول را پشت سر می‌گذارد.
  • نور فرابنفش هرگونه باکتری یا ویروس باقی‌مانده را از بین می‌برد.

خروجی، آب با «گرید صنعتی» است؛ شفاف، از نظر شیمیایی پایدار و بدون بو. برای یک مرکز داده، این آب در برج خنک‌کننده مانند آب شهری عمل می‌کند، اما دیگر از ذخیره آب آشامیدنی جامعه برداشت نمی‌شود.

گلوگاه زیرساختی

تغییر به سمت آب بازیافتی، یک ارتقای ساده و آماده‌به‌کار نیست. بیشتر مزارع هوش مصنوعی در حاشیه شهرها قرار دارند، جایی که تصفیه‌خانه‌های موجود برای نیازهای مسکونی ساخته شده‌اند، نه برای جریان‌های چند میلیون گالنی که یک مزرعه سرور به آن نیاز دارد. گسترش این ظرفیت به معنای ساخت غشاهای بزرگ‌تر، افزودن واحدهای اضافی اسمز معکوس و اغلب لوله‌کشی جدید به سایت مرکز داده است. این هزینه‌های سرمایه‌ای می‌تواند به صدها میلیون دلار برسد؛ هزینه‌ای که اپراتورهای سنتی در گذشته آن را به شرکت‌های خدمات عمومی یا شهرداری منتقل می‌کردند.

تعهد متا به تأمین مالی ارتقای فاضلاب، نشان‌دهنده تغییری به سمت مدل تأمین مالی «مستأجر اصلی» (anchor-tenant) است: شرکت فناوری بخشی از بودجه پروژه‌های عمومی را در ازای تضمین تأمین آب خنک‌کننده بر عهده می‌گیرد. این مدل می‌تواند ریسک مالی شهرداری‌ها را کاهش دهد و توسعه ظرفیت‌هایی را تسریع کند که هم به مرکز داده و هم به جامعه اطراف سود می‌رساند.

ریسک‌ها و نکات متقابل

آب بازیافتی ارزان نیست. غشاهای اسمز معکوس نیاز به تعویض منظم دارند و انرژی مورد نیاز برای تحت فشار قرار دادن آب از میان آن‌ها، به مصرف کل برق یک مرکز داده می‌افزاید. در مناطقی که برق از قبل گران است، موازنه بین صرفه‌جویی در آب و قبض‌های بالاتر انرژی می‌تواند اقتصادِ بازاستفاده را با چالش مواجه کند.

علاوه بر این، هر مکانی دارای تصفیه‌خانه فاضلابی نیست که بتواند به سرعت برای پاسخگویی به برنامه توسعه یک مرکز داده گسترش یابد. تأخیر در صدور مجوز، ساخت‌وساز یا اتصال به شبکه می‌تواند یک مرکز را مجبور کند که در فاصله زمانی میانی به آب آشامیدنی متوسل شود و وعده پایداری را زیر سؤال ببرد.

گام‌های بعدی

ناظران صنعت به دنبال چند نشانه خواهند بود:

  • سرمایه‌گذاری‌های بعدی از سوی سایر ارائه‌دهندگان خدمات ابری یا سازندگان تراشه‌های هوش مصنوعی. اگر تأمین مالی متا مؤثر واقع شود، رقبا ممکن است از این الگو پیروی کنند.
  • تغییرات سیاستی که استفاده از آب غیرآشامیدنی را برای خنک‌سازی در مقیاس بزرگ، به‌ویژه در مناطق دارای تنش آبی، تشویق یا الزامی می‌کند.
  • بهبودهای تکنولوژیکی که شدت انرژی فرآیندهای غشایی و اسمز معکوس را کاهش داده و آب بازیافتی را از نظر هزینه رقابتی‌تر می‌کند.

اکوسیستم گسترده‌تر هوش مصنوعی نیز باید در تصمیمات مربوط به انتخاب سایت، در دسترس بودن آب را لحاظ کند. با بزرگ‌تر شدن مدل‌ها و طولانی‌تر شدن چرخه‌های آموزش، بار خنک‌سازی نیز به تناسب افزایش می‌یابد و آب را به یک منبع استراتژیک در کنار برق و زمین تبدیل می‌کند.

خلاصه نهایی

غول‌های فناوری در حال تبدیل زیرساخت‌های فاضلاب به بخشی اصلی از توسعه هوش مصنوعی هستند، نه صرفاً یک موضوع ثانویه. شرکت‌هایی مانند Meta با سرمایه‌گذاری صدها میلیون دلاری برای تبدیل فاضلاب به آب خنک‌کننده با استاندارد صنعتی، قصد دارند وابستگی به آب آشامیدنی را کاهش دهند، تنش‌های اجتماعی را فرو بنشانند و تأمین بلندمدت آب را برای حجم‌های کاری با شدت گرمای بالا تضمین کنند. این رویکرد نویدبخش کاهش فشار بر محیط زیست است، اما هزینه‌های انرژی بالاتر و سرمایه‌گذاری اولیه هنگفتی را به همراه دارد. اینکه آیا فاضلاب بازیافتی به خنک‌کننده پیش‌فرض برای هوش مصنوعی تبدیل خواهد شد یا خیر، به این بستگی دارد که ظرفیت تصفیه لازم با چه سرعتی ایجاد شود و محاسبات اقتصادی آن در مقایسه با منابع سنتی آب چگونه تراز گردد.