شتاب بی‌رویه ورود به حوزه هوش مصنوعی با آگاهی عمومی از این موضوع همراه است که چت‌بات‌های هوش مصنوعی مقادیر عظیمی برق مصرف می‌کنند که بخش زیادی از آن از طریق سوزاندن سوخت‌های فسیلی تولید می‌شود. آنچه دانستن آن دشوارتر است، مقدار دقیق دی‌اکسید کربن گرم‌کننده سیاره است که هر بار ChatGPT، Claude یا DeepSeek وارد عمل می‌شوند، آزاد می‌گردد.
بزرگ‌ترین شرکت‌های هوش مصنوعی آمریکا گزارش‌های دقیقی از عملکرد انرژی یا انتشار آلاینده خود منتشر نکرده‌اند. چنین کاری مستلزم اشتراک‌گذاری جزئیات فنی است که آن‌ها ترجیح می‌دهند محرمانه بماند. انتشار آلاینده‌های هوش مصنوعی نه تنها به سرویسی که استفاده می‌کنید، بلکه به مکان پردازش درخواست شما نیز بستگی دارد. مرکز داده‌ای که وظیفه را انجام می‌دهد ممکن است با زغال‌سنگ یا توربین‌های بادی تغذیه شود. همچنین مزارع سرور هوش مصنوعی از طیف متنوعی از فناوری‌های نیمه‌رسانا و خنک‌کننده استفاده می‌کنند که متغیرهای بیشتری به معادله اضافه می‌کند.
با این حال، پژوهشگران راه‌هایی برای ارائه چیزی فراتر از یک حدس آگاهانه یافته‌اند تا شرکت‌ها، دولت‌ها و کاربران بتوانند اثرات زیست‌محیطی هوش مصنوعی را بهتر درک کنند.
«مردم از این موضوع بسیار وحشت‌زده هستند»، جان بیستلین، رئیس بخش علمی Watershed، شرکتی که به شرکت‌های هوش مصنوعی در اندازه‌گیری و گزارش‌دهی اثرات زیست‌محیطی‌شان کمک می‌کند، اظهار داشت. اما آن‌ها همچنین «درک می‌کنند که شرکت‌ها، تنظیم‌گرها و حسابرس‌ها همگی خواهان برآوردهای انتشار آلاینده هوش مصنوعی هستند که واقعاً معتبر باشند.»
وقتی به یک چت‌بات دستور می‌دهید چه اتفاقی می‌افتد؟
درخواست برای پردازش روی نیمه‌رساناها، معمولاً واحدهای پردازش گرافیکی (GPU) سازگار شده برای بارهای کاری هوش مصنوعی، به یک مرکز داده ارسال می‌شود. تراشه‌ها هنگامی که هوش مصنوعی درخواست نوشتاری را به قطعات کوچک‌تر یا «توکن‌های ورودی» که شبکه عصبی آن می‌تواند پردازش کند، تجزیه می‌کند، برق زیادی مصرف می‌کنند. سپس میلیاردها محاسبه را چندین بار انجام می‌دهد تا پاسخ ایده‌آل را ارائه دهد. این پردازش سنگین داده‌ها گرمای زیادی تولید می‌کند که باید دفع شود تا تراشه‌ها دچار اختلال نشوند. طبق گزارشی توسط ساشا لوچونی، بنیان‌گذار مشترک و مدیر ارشد علمی گروه پایدار هوش مصنوعی (Sustainable AI Group) و استارتاپ هوش مصنوعی Hugging Face، تا ۴۰٪ از انرژی مصرفی یک مرکز داده صرف خنک‌سازی می‌شود.
افزایش مراکز داده هوش مصنوعی منجر به جهش تقاضای انرژی شده که تهدیدی برای کاهش یا حتی توقف روند نزولی انتشار کربن ناشی از رشد منابع تجدیدپذیر و الکتریکی شدن صنعت، گرمایش و حمل‌ونقل است.
هوش مصنوعی چقدر انرژی‌بر است؟
در یک کاغذ سفید سال ۲۰۲۴، مؤسسه تحقیقات قدرت الکتریکی (Electric Power Research Institute) برآورد کرد که برای مدل‌های اولیه، یک پرسش در ChatGPT به طور متوسط ۱۰ برابر بیشتر از یک جستجوی وب سنتی گوگل برق مصرف می‌کرد.
وظایف مبتنی بر متن از نظر مصرف برق متفاوت خواهند بود. سوالی که نیاز به پاسخی کوتاه و ساده مانند «میانگین دما در لس‌آنجلس چقدر است» دارد، احتمالاً انرژی کمتری نسبت به پرسشی درباره فیزیک کوانتوم مصرف می‌کند. نوع مدل هوش مصنوعی که درخواست را پردازش می‌کند نیز اهمیت دارد.
اشتهای هوش مصنوعی برای انرژی در حالی که افراد بیشتری از این فناوری استفاده می‌کنند و توسعه‌دهندگان پلتفرم‌های بزرگ‌تر و توانمندتر هوش مصنوعی را برای مدیریت بارهای کاری پیچیده‌تر عرضه می‌کنند، به شدت در حال افزایش است. درخواست از ChatGPT برای ساخت یک تصویر یا ویدیو انرژی بسیار بیشتری نسبت به طرح یک سوال مصرف خواهد کرد. پذیرش «عامل‌های» (agents) خودمختار که می‌توانند وظایف پیچیده چند مرحله‌ای را انجام دهند، به مصرف برق هوش مصنوعی افزوده است. یک تحلیل از شرکت استانداردسنجی Vals AI نشان داد که استفاده از هوش مصنوعی برای ساخت یک برنامه نرم‌افزاری می‌تواند اثر زیست‌محیطی ۱۰,۰۰۰ برابر بیشتر از یک پرسش ساده داشته باشد.
مطالعه بیشتر: پیش‌بینی می‌شود مراکز داده جدید آمریکا کربن بیشتری نسبت به مکزیک تولید کنند
محاسبه انتشار آلاینده‌های یک مدل هوش مصنوعی همچنین به معنای در نظر گرفتن تمام مواردی است که برای پاسخ دادن چت‌بات لازم بوده است. بنابراین، پژوهشگران شروع به مطالعه میزان انرژی مصرفی در طول چرخه حیات کامل یک سرویس هوش مصنوعی کرده‌اند — از استخراج مواد خام برای ساخت تراشه‌ها و گیاهان خنک‌کننده مرکز داده تا عملیات خود سرویس هوش مصنوعی و در نهایت اسقاط تراشه‌های اضافی. طبق سازمان غیرانتفاعی محیط زیستی RMI، فقط سیمان مورد استفاده برای ساخت تأسیسات هوش مصنوعی آمریکا تا سال ۲۰۳۰ می‌تواند به اندازه انتشار سالانه ۴۱۵,۰۰۰ خودرو گاز گلخانه‌ای تولید کند.
خدمات مختلف هوش مصنوعی چگونه با هم مقایسه می‌شوند؟
نیدال جغام، پژوهشگر در Sustainable AI، یک داشبورد متن‌باز ساخته است که مصرف انرژی و انتشار کربن تخمینی مدل‌های مختلف هوش مصنوعی را مقایسه می‌کند. مبنای آن یک مرکز داده آمریکایی است که از یک نیروگاه اختصاصی گازی استفاده می‌کند. بسیاری از توسعه‌دهندگان مرکز داده در این کشور برای تغذیه تأسیسات به گاز طبیعی روی آورده‌اند.
جغام و تیم او دریافتند که انتشار گازهای گلخانه‌ای مدل‌های فردی به چندین متغیر بستگی دارد، از جمله اندازه دسته (تعداد درخواست‌هایی که همزمان پردازش می‌شوند)، تعداد تراشه‌های مورد استفاده برای پردازش یک پرسش، نوع خاص تراشه و مصرف انرژی به ازای هر توکن (واحد پایه متن یا سایر داده‌هایی که یک مدل هوش مصنوعی می‌خواند و تولید می‌کند).
مدل‌های پیشرفته آمریکا مانند ChatGPT 5.6 Terra به نظر می‌رسد انرژی بیشتری نسبت به نمونه‌های چینی مانند Qwen گروه علی‌بابا مصرف می‌کنند. این امر به این دلیل است که مدل‌های چینی معمولاً از معماری «استدلالی» (reasoning) استفاده می‌کنند که وظایف پیچیده ریاضی، منطقی و کدنویسی را به مراحل کوچک‌تر و ترتیبی تجزیه می‌کند، به جای فعال کردن کل شبکه عصبی برای هر توکن منفرد.
به عنوان یک قاعده کلی، مدل‌های پیچیده‌تر و پیشرفته‌تر معمولاً بیشترین انرژی را مصرف می‌کنند. این به این دلیل است که تولید پاسخ پیچیده‌تر به یک پرسش شامل اجرای محاسبات بیشتر است. بنابراین سبک‌ترین مدل هوش مصنوعی Anthropic، یعنی Claude Haiku، انرژی بسیار کمتری برای تولید پاسخ‌های خود نسبت به پلتفرم پیشرفته‌تر این شرکت، Claude Fable 5، مصرف می‌کند.
در عمل، مدل‌های کوچک‌تر اغلب برای جبران سطح پایین‌تر هوشمندی، توکن‌های بیشتری نسبت به نمونه‌های بزرگ‌تر برای تولید یک پاسخ مصرف می‌کنند. این امر شکاف در مصرف انرژی را کاهش می‌دهد.
«اگر به Claude Sonnet نگاه کنید، بسیار ارزان‌تر از Opus است و بسیار کوچک‌تر است. با این حال، تقریباً ۶۰٪ توکن بیشتر تولید می‌کند تا کوچک بودن یا هوشمندی کمتر خود را جبران کند»، جغام گفت. «مدل کربن کمتری به ازای هر توکن تولید می‌کند، اما برای رسیدن به همان پاسخ به توکن‌های بسیار بیشتری نیاز دارد.»
با این حال، حتی با در نظر گرفتن طولانی بودن پاسخ‌ها، اکثر مدل‌های سبک‌تر همچنان به نظر می‌رسد برای یک وظیفه قابل مقایسه، برق کمتری نسبت به مدل‌های پیشرفته نیاز دارند.
دستور دادن به یک چت‌بات برای انجام یک وظیفه «عامل‌محور» (agentic) که شامل چندین مرحله است، انرژی چندین برابر بیشتر از ورود یک پرسش متنی ساده مصرف می‌کند. باز هم، انتخاب پلتفرم تفاوت بزرگی در مصرف انرژی و — بسته به اینکه کار در کجا انجام شود — در انتشار کربن ایجاد می‌کند.
برآورد ۷۶.۲ وات‌ساعت جذب شده توسط Claude Fable برای یک وظیفه عامل‌محور تقریباً به همان اندازه انتشار کربن چهار بار شارژ گوشی هوشمند تولید می‌کند. این ممکن است به تنهایی زیاد به نظر نرسد. اما پلتفرم‌های هوش مصنوعی روزانه میلیاردها بار دستور می‌گیرند و مصرف انرژی و انتشار کربن به سرعت جمع می‌شود.
شرکت‌های هوش مصنوعی آمریکا می‌گویند سخت در حال کار برای محدود کردن انتشار آلاینده‌های خود هستند. در گزارش محیط زیستی ۲۰۲۶ خود، گوگل برآورد کرد که میانگین درخواست متنی Gemini Apps از ۰.۲۴ وات‌ساعت انرژی استفاده می‌کند — همان مقدار تماشای تلویزیون برای کمتر از نه ثانیه. این شرکت اعلام کرد که بین سال‌های ۲۰۲۴ و ۲۰۲۵ توانسته است مصرف انرژی درخواست‌های متنی و ردپای کربن خود را به ترتیب ۳۳ و ۴۴ برابر کاهش دهد، به لطف «نوآوری‌های پژوهشی و بهبودهای بهره‌وری نرم‌افزار و سخت‌افزار».
اما به طور کلی، برآوردهای منتشر شده توسط صنعت معمولاً مبهم و غیرقابل تأیید هستند. گوگل تراشه‌های مخصوص خود به نام TPU یا واحدهای پردازش تانسور را توسعه می‌دهد که به گفته این شرکت از نظر انرژی کارآمدتر و سریع‌تر هستند و باعث می‌شوند ردپای کربن نهایی کوچک‌تر از زمانی باشد که از GPU استفاده می‌شود. طبق گفته جغام، گوگل اجازه نمی‌دهد پژوهشگران خارجی تراشه‌های TPU خود را خریداری و مطالعه کنند و داده‌های محدودی درباره آن‌ها منتشر کرده است.
Anthropic، OpenAI، Google، DeepSeek و علی‌بابا به ایمیل‌های بلومبرگ برای کسب نظر درباره یافته‌های Sustainable AI پاسخ ندادند.
آیا مهم است که کجا از هوش مصنوعی استفاده می‌کنید؟
دستور دادن به ChatGPT در مثلاً کپنهاگ ممکن است کربن بسیار کمتری نسبت به دستور دادن به آن در چارلستون تولید کند. این به این دلیل است که در اروپا، سوخت‌های فسیلی سهم کمتری از تولید برق نسبت به آمریکا دارند. مراکز داده هوش مصنوعی در اسکاندیناوی از منابع انرژی تجدیدپذیر زیادی مانند باد، خورشید و آب استفاده می‌کنند. میانگین مرکز داده در آمریکا با ترکیبی از سوخت‌های فسیلی و تجدیدپذیرها کار می‌کند که از منطقه‌ای به منطقه دیگر متفاوت است. طبق داده‌های اداره اطلاعات انرژی آمریکا، حدود ۲۴٪ از تولید برق در مقیاس خدماتی آمریکا در سال ۲۰۲۵ از منابع تجدیدپذیر تولید شده است.
گوگل در ماه سپتامبر اعلام کرد که ۱۵.۱ میلیارد دلار در زیرساخت هوش مصنوعی فنلاند سرمایه‌گذاری می‌کند، بخشی به دلیل آب‌وهوای سرد این کشور اسکاندیناوی و برق بدون کربن آن. فرانسه، که بیشتر برق خود را از هسته‌ای کم‌کربن و تجدیدپذیرها تأمین می‌کند، یکی از کشورهای اروپایی است که بیشترین ظرفیت محاسباتی هوش مصنوعی را می‌سازد.
طبق تحلیلی توسط باشگاه سیرا (Sierra Club)، یک سازمان غیرانتفاعی محیط زیستی، پیش‌بینی می‌شود مراکز داده جدید در آمریکا اگر همه به موقع با مجوزهای فعلی کیفیت هوا ساخته شوند، تا سال ۲۰۳۰ کربن بیشتری نسبت به کل کشور مکزیک تولید کنند. تعداد نیروگاه‌های گازی مرتبط با مراکز داده آمریکا که در نیمه اول سال ۲۰۲۶ پیشنهاد شدند، دو برابر کل سال ۲۰۲۵ بود و به ۱۸۹ گیگاوات رسید، طبق Global Energy Monitor، یک شرکت پژوهشی. آمریکا دو برابر چین نیروگاه گازی در حال ساخت دارد.
مقایسه ردپای کربن پلتفرم‌های هوش مصنوعی آمریکا با نمونه‌های چینی دشوار است. چین در حال توسعه زیرساخت انرژی تجدیدپذیر خود بوده و انرژی بادی و خورشیدی بیشتری اضافه کرده است، بخشی برای کسب مزیت رقابتی در مقابل آمریکا در زمینه هوش مصنوعی. اما شبکه‌های برق چین همچنان به طور کلی آلوده‌تر از شبکه‌های آمریکا هستند، بخشی به این دلیل که ایستگاه‌های برق چین مقادیر زیادی زغال‌سنگ می‌سوزانند. از سوی دیگر، بسیاری از سیستم‌های هوش مصنوعی آمریکا انرژی بیشتری نسبت به نمونه‌های چینی نیاز دارند.
در آمریکا، «ترافیک بیشتر است، مدل‌ها بزرگ‌تر هستند، مدل‌ها برای مدیریت آن‌ها به محاسبات بزرگ‌تری نیاز دارند، بنابراین می‌گویم شرکت‌های آمریکایی آلاینده‌های بیشتری تولید می‌کنند، اما این بستگی به خود شبکه برق نیز دارد زیرا بسیار مهم است»، جغام گفت.
حتی اگر یک مرکز داده توسط یک شرکت فناوری که ادعای انتشار خالص صفر (net-zero) دارد اداره شود، به این معنا نیست که هیچ گاز گلخانه‌ای آزاد نخواهد شد. بسیاری از گواهینامه‌های انرژی تجدیدپذیر برای جبران انتشار خود استفاده می‌کنند. آن گواهینامه‌ها برای انرژی پاک تولید شده در جای دیگر پرداخت می‌کنند، اما عملیات شرکت همچنان به شبکه‌های محلی متکی است که عمدتاً با سوخت‌های فسیلی تغذیه می‌شوند.
چه کسی خواهان اطلاعات بیشتر است؟
مصرف‌کنندگان، سرمایه‌گذاران، فعالان، شرکت‌ها و تنظیم‌گرها خواهان داده‌های دقیق‌تر هستند تا انتخاب مدل خود را راهنمایی کنند، به اندازه‌گیری اثرات محلی کمک کنند، تحلیل هزینه انجام دهند، تصمیمات سرمایه‌گذاری بگیرند و مقررات مربوط به هوش مصنوعی را توسعه دهند.
نیروگاه‌های گاز طبیعی می‌توانند خطرات آلودگی هوای محلی ایجاد کنند و ایالت‌ها، شهرها و شهرستان‌ها به دلیل نگرانی از هزینه‌های انرژی در برابر گسترش مراکز داده مقاومت کرده‌اند. شرکت‌هایی با اهداف پایداری نیاز دارند بفهمند هوش مصنوعی که به سرعت در فرآیندها ادغام می‌کنند چگونه بر انتشار خود و توانایی آن‌ها برای دستیابی به اهداف خالص صفر تأثیر می‌گذارد. برخی کشورها سیاست‌هایی دارند که این اطلاعات را الزامی به حسابداری و گزارش‌دهی می‌کند. سرمایه‌گذارانی که پایداری را اولویت قرار می‌دهند ممکن است نخواهند سهام شرکت‌های هوش مصنوعی را بخرند که عملیات آن‌ها به محیط زیست آسیب می‌زند.
شرکت پژوهش سرمایه‌گذاری Morningstar در گزارشی گفت که عدم افشای اطلاعات توسط شرکت‌های هوش مصنوعی «توانایی سرمایه‌گذاران برای ارزیابی عملکرد زیست‌محیطی یا بهره‌وری منابع را محدود می‌کند.»
تغییرات نسبتاً کوچک می‌توانند نقش زیادی در کاهش مصرف انرژی و هزینه‌های هوش مصنوعی داشته باشند. اگر بهره‌وری متوسط تأمین برق ۰.۵٪ بهبود یابد، می‌تواند مصرف برق مرکز داده را حدود ۵ ترابایت‌ساعت در سال کاهش دهد که منجر به حذف ۲ میلیون متریک تن انتشار دی‌اکسید کربن سالانه می‌شود، طبق گفته Delta Electronics، یک سازنده جهانی سخت‌افزار سبز مستقر در تایوان.
بیستلین در Watershed گفت که شرکت‌ها برای کاهش اثر اقلیمی خود با انتخاب مدل‌هایی که شناخته شده است انرژی کمتری نیاز دارند و از مناطقی با منابع برق تمیزتر، به داده‌های کامل نیاز ندارند.
«انتخاب مدل می‌تواند یکی از عواملی باشد که تا ۳۰ برابر تفاوت در مصرف انرژی برای یک وظیفه مشابه هوش مصنوعی ایجاد می‌کند»، او گفت. «و این احتمالاً تنها اهرم با بالاترین تأثیر است که اکثر شرکت‌ها امروزه در اختیار دارند.»
آیا شرکت‌های هوش مصنوعی مجبور به انتشار داده‌های آلاینده خواهند شد؟
کمیسیون بورس و اوراق بهادار آمریکا از برنامه‌های دوران بایدن برای الزام شرکت‌های بزرگ به افشای انتشار آلاینده‌های خود عقب‌نشینی کرده است. اما پیروزی گسترده دموکرات‌ها در انتخابات میاندوره‌ای به این معناست که مقررات سخت‌گیرانه‌تر هوش مصنوعی ممکن است در راه باشد، با فشار بیشتر برای شفافیت. در همین حال، ایالت کالیفرنیا در حال شروع استقرار الزامات افشای خود برای آنچه انتشار دامنه ۱ و دامنه ۲ نامیده می‌شود، است، در حالی که دامنه ۳ سال آینده اجرایی می‌شود. این موارد بر شرکت‌هایی اعمال خواهد شد که بیش از ۱ میلیارد دلار درآمد سالانه تولید می‌کنند و در این ایالت فعالیت می‌کنند — از جمله استارتاپ‌های بزرگ هوش مصنوعی.
چارچوب افشای انتشار آلاینده اتحادیه اروپا، CSRD، در حال حاضر بر شرکت‌های مستقر در اروپا تأثیر می‌گذارد و در چند سال آینده به شرکت‌های چندملیتی گسترش خواهد یافت. چارچوب‌های دیگری نیز در سراسر جهان در حال اجرا هستند، از جمله ISSB. مقررات در حال تکامل، شرکت‌های هوش مصنوعی را مجبور خواهد کرد شفافیت بیشتری درباره تأثیر خود بر محیط زیست داشته باشند.
رشد گیج‌کننده مصرف انرژی هوش مصنوعی به این معناست که پژوهشگرانی مانند بیستلین و لوچونی مشغول توسعه روش‌های مقاوم برای اندازه‌گیری اثر آن هستند.
«برای مدتی، شرکت‌ها فکر می‌کردند اندازه‌گیری انتشار غیرممکن است»، لوچونی گفت، «و اکنون آن‌ها تحت فشار کارمندان، سهامداران... هستند. من فکر می‌کنم امروزه واقعاً سخت است که استفاده از هوش مصنوعی را زیر فرش جارو کنیم.»