خمس استراتيجيات للذكاء الاصطناعي لمراكز البيانات الموفرة للطاقة
تستهلك مراكز البيانات 2% من الكهرباء العالمية ويواجهون ارتفاعاً في الطلب على الطاقة بسبب أعباء عمل الذكاء الاصطناعي، والتي من المتوقع أن تزيد من احتياجات الطاقة بحلول 165% بحلول عام 2030. مع تغطية تكاليف الطاقة 60% أو أكثر من بين النفقات التي تُنفق على مدى العمر، يُعد تحسين الكفاءة أمرًا بالغ الأهمية. إليكم خمس استراتيجيات للذكاء الاصطناعي لخفض استهلاك الطاقة، وتقليل التكاليف، ومعالجة المخاوف البيئية:
- التحليلات التنبؤيةتتوقع تقنيات الذكاء الاصطناعي ارتفاعات أحمال العمل لتحسين التبريد مسبقًا، مما يوفر ما يصل إلى 29% استهلاك الطاقة وتقليل هدر طاقة التبريد عن طريق 96% في المحاكمات.
- المراقبة في الوقت الحقيقيتقوم أنظمة الذكاء الاصطناعي بضبط إعدادات التكييف والتهوية كل بضع دقائق، مما يقلل من استهلاك الطاقة اللازمة للتبريد. 15–25% وخفض تكاليف الصيانة من خلال الكشف المبكر عن المشكلات.
- التبريد الديناميكيتعمل الأنظمة التكيفية على مواءمة التبريد مع متطلبات الخادم، مما يقلل من استهلاك الطاقة بواسطة 30% وتحسين عمر الأجهزة.
- جدولة تراعي انبعاثات الكربون: تعمل تقنيات الذكاء الاصطناعي على تحويل أحمال العمل إلى أوقات انخفاض كثافة الكربون في الشبكة، مما يقلل الانبعاثات ويوفر 13.7% في تكاليف الطاقة.
- إدارة الطاقة المُحسّنة بالذكاء الاصطناعي: تعمل تقنيات التعلم الآلي على تحسين استهلاك الطاقة للخوادم، مما يحقق تخفيضات في 19–29% بدون تغييرات في الأجهزة.
لا تقتصر هذه الاستراتيجيات على خفض استهلاك الطاقة فحسب، بل تساعد مراكز البيانات أيضًا على تلبية احتياجاتها أهداف الحوكمة البيئية والاجتماعية والمؤسسية وتجنب عمليات التحديث المكلفة للبنية التحتية. تعمل الأساليب المدعومة بالذكاء الاصطناعي على تحويل مراكز البيانات إلى مرافق فعالة وسريعة الاستجابة للشبكة.
خمس استراتيجيات للذكاء الاصطناعي لتحسين كفاءة الطاقة في مراكز البيانات: مقارنة التأثير
الذكاء الاصطناعي ومتطلبات الطاقة: إطلاق العنان لكفاءة مراكز البيانات
1. التحليلات التنبؤية لإدارة أعباء العمل
تستفيد التحليلات التنبؤية من نماذج التعلم الآلي، مثل الذاكرة طويلة المدى (LSTM) والتعلم المعزز، للتنبؤ بذروات أحمال العمل. ومن خلال تحليل بيانات مستشعرات إنترنت الأشياء في الوقت الفعلي - مثل حمل تكنولوجيا المعلومات ودرجة الحرارة والرطوبة - تستطيع أنظمة الذكاء الاصطناعي التنبؤ باحتياجات التبريد وتعديل تدفق الهواء مسبقًا. تتجنب استراتيجية "التبريد المسبق" الاستباقية هذه استهلاك الطاقة المرتفع المرتبط بالأنظمة التفاعلية التقليدية. إنها خطوة أساسية في تطوير إدارة الطاقة المدعومة بالذكاء الاصطناعي في مراكز البيانات.
تحسينات كفاءة الطاقة
في أبريل 2023، أجرت شركة وورلد وايد تكنولوجي (WWT) تجربة لبرنامج الذكاء الاصطناعي "Foresight Optima DC+" من شركة QiO Technologies على خوادم Dell R650 وR750 في مركز التكنولوجيا المتقدمة التابع لها. وكانت النتائج مبهرة: فقد انخفض استهلاك الطاقة بنسبة 19–23% للأحمال المسطحة و 27–29% للأحمال المتغيرة. بالإضافة إلى ذلك، انخفضت درجات حرارة العادم بنسبة 9.2% عندما كان البرنامج نشطًا. وبالحديث عن هذه النتائج،, غاري تشاندلر، المدير التقني لشركة كيو تكنولوجيز, ، موضحاً:
""نظراً لأن استخدام الخوادم كان يُدار تاريخياً بشكل متحفظ لضمان استمرارية التشغيل واتفاقيات مستوى الخدمة، لم يتم استغلال حالات السكون بشكل فعال. إن استغلال هذه الحقيقة من خلال نهج تحسين قائم على البيانات يسمح بتحقيق وفورات كبيرة في استهلاك الطاقة دون التأثير على جودة الخدمة.""
لا تقتصر هذه التحسينات على تقليل استهلاك الطاقة فحسب، بل تمهد الطريق أيضًا لتحقيق وفورات كبيرة في تكاليف التشغيل.
إمكانية خفض التكلفة
يؤدي انخفاض استهلاك الطاقة إلى سلسلة من التوفير في التكاليف. فاستهلاك الخوادم للطاقة أقل يعني توليد حرارة أقل، مما يقلل بدوره من عبء العمل على أنظمة التبريد. مع الأخذ في الاعتبار أن التبريد يمثل جزءًا كبيرًا من... 30–40% من إجمالي استهلاك الطاقة في مراكز البيانات، حتى التخفيضات الطفيفة في استهلاك الطاقة للخوادم يمكن أن تُترجم إلى وفورات كبيرة. على سبيل المثال، في يناير 2026، وجد باحثون قاموا بتحليل بيانات تشغيلية لمدة عام من حاسوب Frontier العملاق فائق السرعة (exascale) أن 85 ميغاواط ساعة من الطاقة المهدرة سنوياً للتبريد. باستخدام إطار عمل للتعلم الآلي موجه بالفيزياء، أظهروا أن 96% يمكن استعادة جزء من هذه النفايات من خلال تعديلات طفيفة وآمنة على تدفق سائل التبريد ونقاط ضبط درجة الحرارة.
الحد من الأثر البيئي
إلى جانب توفير التكاليف، يُحقق خفض استهلاك الطاقة فوائد بيئية واضحة. كما تُمكّن التحليلات التنبؤية مراكز البيانات من العمل كأصول مرنة للشبكة. في مايو 2025، دخلت Emerald AI في شراكة مع Oracle Cloud Infrastructure وNVIDIA لإجراء تجربة ميدانية في فينيكس، أريزونا. وباستخدام برنامج "Emerald Conductor" على مجموعة من 256 وحدة معالجة رسومية، حققوا انخفاض استهلاك الطاقة 25% خلال ذروة استهلاك الطاقة التي استمرت ثلاث ساعات لشركتي المرافق العامة أريزونا للخدمات العامة (APS) ومشروع نهر سولت (SRP). وقد تحقق ذلك دون تغييرات في الأجهزة مع الحفاظ على ضمانات جودة الخدمة. وذلك عن طريق تقليل استهلاك الطاقة بواسطة 25% لمدة 200 ساعة فقط في السنة, قد يؤدي هذا النهج إلى فتح ما يصل إلى 100 جيجاواط من خلال زيادة سعة مراكز البيانات في الولايات المتحدة، مما يلغي الحاجة إلى استثمارات واسعة النطاق في البنية التحتية للجيل الجديد أو النقل.
2. المراقبة والأتمتة في الوقت الفعلي
تُحدث المراقبة الآنية نقلة نوعية في أنظمة التحكم التقليدية القائمة على القواعد في أنظمة التدفئة والتهوية وتكييف الهواء، وذلك من خلال إدخال أنظمة مدعومة بالذكاء الاصطناعي تستجيب فورًا لتغيرات أحمال العمل والظروف البيئية. وباستخدام شبكات استشعار إنترنت الأشياء الكثيفة، تُعدّل هذه الأنظمة درجة الحرارة والرطوبة وإعدادات أحمال تكنولوجيا المعلومات كل 5 إلى 15 دقيقة. ويتحكم هذا النظام ذو الحلقة المغلقة مباشرةً في مكونات نظام التدفئة والتهوية وتكييف الهواء، مثل سرعات المراوح وصمامات المياه المبردة وأنماط تدفق الهواء، مما يضمن الأداء الأمثل بناءً على الطلب في الوقت الفعلي.
تحسينات كفاءة الطاقة
أظهر التحول من أنظمة التحكم الثابتة إلى أنظمة التشغيل الآلي المدعومة بالذكاء الاصطناعي وفورات واضحة في الطاقة. فعلى سبيل المثال، حقق نظام الذكاء الاصطناعي من جوجل انخفاضًا في استهلاك طاقة التبريد بمقدار 40%، مما خفض مؤشر كفاءة استخدام الطاقة (PUE) من 1.45 إلى 1.25، ليقترب بذلك من القيمة المثالية البالغة 1.0، حيث تُستخدم جميع الطاقة تقريبًا في عمليات الحوسبة.
تُقلل أنظمة التكييف والتهوية التنبؤية القائمة على الذكاء الاصطناعي عادةً من استهلاك طاقة التبريد بنسبة تتراوح بين 15 و251 تيرابايت/طن مقارنةً بالطرق التقليدية. وقد ذهبت نماذج الذكاء الاصطناعي المتقدمة إلى أبعد من ذلك، حيث خفضت استهلاك طاقة المراوح بما يصل إلى 55.71 تيرابايت/طن من خلال تحديد التحسينات الخاصة بكل موقع والتي قد تمر دون ملاحظة لولا ذلك.
إمكانية خفض التكلفة
بما أن التبريد ومعالجة الهواء يستهلكان ما بين 38 و401 تيرابايت من الطاقة في مراكز البيانات، فإن أي تحسين طفيف في الكفاءة يُمكن أن يُؤدي إلى توفير كبير في التكاليف. تعمل أنظمة الذكاء الاصطناعي على ضبط سرعات المراوح بدقة والحفاظ على استقرار درجات الحرارة، مما يُقلل من التآكل الميكانيكي ويُطيل عمر المعدات. إضافةً إلى ذلك، تُساعد هذه الأنظمة، من خلال الكشف المُبكر عن مشاكل مثل تعطل المراوح أو انسداد المرشحات، على تجنب الإصلاحات الطارئة المُكلفة وفترات التوقف.
لتسهيل عملية التبني، يمكن للمشغلين استخدام أنظمة الذكاء الاصطناعي مبدئيًا في "وضع التوصيات" لبناء الثقة قبل الانتقال إلى التحكم الذاتي الكامل. لا يُبسط هذا النهج التدريجي عملية التنفيذ فحسب، بل يُعزز أيضًا كفاءة العمل، وهو أمر يزداد أهمية مع توسع نطاق المنشآت.
قابلية التوسع لمراكز البيانات الكبيرة
تتميز أنظمة المراقبة والتشغيل الآلي في الوقت الفعلي بقابلية عالية للتوسع، مما يجعلها مناسبة للمنشآت بجميع أحجامها. وقد أظهرت الأبحاث التي أُجريت على الحواسيب العملاقة فائقة السرعة (إكساسكيل) أن أطر التعلم الآلي الموجهة بالفيزياء قادرة على كشف وتصحيح أوجه القصور الكبيرة في التبريد من خلال تعديلات آلية، مع الحفاظ على حدود التشغيل الآمنة.
الحد من الأثر البيئي
إلى جانب توفير التكاليف، تُمكّن الأتمتة الآنية مراكز البيانات من المشاركة الفعّالة في إدارة الشبكة الكهربائية. فباستخدام إدارة الطاقة المُدارة بالبرمجيات، تستطيع هذه الأنظمة خفض استهلاك الطاقة خلال فترات ذروة الطلب دون الحاجة إلى ترقيات للأجهزة. وهذا لا يُحسّن استقرار الشبكة فحسب، بل يدعم أيضًا أهداف كفاءة الطاقة الأوسع نطاقًا، مما يجعل مراكز البيانات أكثر استدامة واستجابة لاحتياجات الشبكة.
3. أنظمة التبريد الديناميكية
يُحسّن التبريد الديناميكي إدارة درجة الحرارة بشكلٍ ملحوظ، إذ يستبدل نقاط الضبط الثابتة بأنظمة تكيفية تستجيب في الوقت الفعلي لأحمال الخوادم والتغيرات البيئية. فبدلاً من الاعتماد على قواعد ثابتة كأنظمة التكييف والتهوية التقليدية، تستخدم هذه الأنظمة المدعومة بالذكاء الاصطناعي نماذج تنبؤية، مثل التعلم المعزز مع شبكات الذاكرة طويلة المدى، لتوقع أحمال تكنولوجيا المعلومات وتغيرات درجة الحرارة المحيطة. وهذا يسمح بإجراء تعديلات استباقية على التبريد، مما يقلل من استهلاك الطاقة غير الضروري ويضمن توافق التبريد مع الطلب المتغير.
تحسينات كفاءة الطاقة
يعتمد التبريد الديناميكي على التحليلات التنبؤية لضبط الظروف الحرارية بدقة وسرعة. تقوم خوارزميات الذكاء الاصطناعي بتعديل سرعات المراوح ومواقع المخمدات بناءً على خرائط حرارية آنية، مما يضمن توزيعًا متساويًا للحرارة مع خفض استهلاك الطاقة بشكل كبير. على سبيل المثال، يمكن لتحسين تدفق الهواء باستخدام الذكاء الاصطناعي خفض استهلاك طاقة التبريد بمقدار 30%. بالإضافة إلى ذلك، أثبتت أساليب التعلم العميق المعزز خفض تكاليف التبريد بمقدار 11-15%، مع الالتزام التام بالمتطلبات الحرارية الصارمة.
إمكانية خفض التكلفة
عادةً ما تستهلك أنظمة التبريد ما بين 30 و401 تيرابايت من إجمالي استهلاك الطاقة في مراكز البيانات، لذا فإن أي تحسين طفيف في الكفاءة قد يؤدي إلى توفير كبير في التكاليف. ويمكن لأنظمة التحكم التنبؤية القائمة على الذكاء الاصطناعي أن تخفض استهلاك طاقة التبريد بنسبة تتراوح بين 15 و251 تيرابايت مقارنةً بالأنظمة التقليدية، مما يُحسّن من فعالية استخدام الطاقة (PUE) ويحافظ على ظروف تشغيل آمنة للمعدات.
""يمكن للنهج القائم على الذكاء الاصطناعي أن يقلل من استهلاك طاقة التبريد بما يقارب 15-25% مقارنةً بأنظمة التحكم التقليدية، مما يحسن من فعالية استخدام الطاقة في المنشأة ويحافظ على ظروف حرارية آمنة لمعدات تكنولوجيا المعلومات." - مامتاكوماري تشوهان، جونز لانغ لاسال.
لا تقتصر فوائد أتمتة الذكاء الاصطناعي على تحسين سرعات المراوح فحسب، بل تُطيل عمر المعدات أيضًا من خلال الحفاظ على درجات حرارة ثابتة وتقليل التآكل الميكانيكي. وبفضل الكشف المبكر عن المشكلات، مثل أعطال المراوح أو انسداد المرشحات، تستطيع هذه الأنظمة تجنب الإصلاحات المكلفة وتقليل وقت التوقف عن العمل.
قابلية التوسع لمراكز البيانات الكبيرة
تتميز أنظمة التبريد الديناميكية بقابليتها العالية للتوسع، مما يجعلها حلاً عملياً للمنشآت مهما كان حجمها. وباستخدام أطر تحكم هرمية، تُنسق هذه الأنظمة الموارد عبر مستويات مختلفة، بدءاً من إدارة أحمال العمل في المجموعات الحاسوبية وصولاً إلى تعديلات التبريد الخاصة بكل رف. ومن الأمثلة البارزة على ذلك ما طُوّر في يناير 2026، عندما قام الباحثان ناردوس بيلاي أبيرا وييزي تشين بتطوير إطار تحكم هرمي باستخدام بيانات استدلال حقيقية من مايكروسوفت أزور. وقد نجح هذا النظام في مزامنة أداء وحدة معالجة الرسومات مع موارد التبريد مثل تدفق الهواء ودرجة حرارة الهواء المُزوَّد، محققاً وفورات في طاقة التبريد بلغت 31.21 تيرابايت لكل 10000 تيرابايت، ووفورات في طاقة الحوسبة بلغت 24.21 تيرابايت لكل 10000 تيرابايت، مع الالتزام التام بمتطلبات زمن الاستجابة. وتستفيد مراكز البيانات الكبيرة، ذات الكتلة الحرارية الهائلة، من هذا النهج، حيث يمكن لوحدات التحكم بالذكاء الاصطناعي العمل بكفاءة عالية بفواصل زمنية تتراوح بين 5 و15 دقيقة دون الحاجة إلى معالجة فائقة السرعة.
الحد من الأثر البيئي
تساهم أنظمة التبريد الديناميكية أيضًا في جهود الاستدامة. فمن خلال مواءمة متطلبات التبريد مع توافر الطاقة المتجددة، تُساعد هذه الأنظمة على تقليل البصمة الكربونية خلال فترات ذروة استهلاك الطاقة. وتستطيع نماذج التعلم الآلي المتقدمة، والمستندة إلى الفيزياء، التنبؤ بفعالية استخدام الطاقة بدقة ملحوظة، تصل إلى 0.01 من القيم الفعلية لـ 98.7% من العينات، مما يضمن مراقبة بيئية دقيقة. وتُعد هذه الأنظمة فعالة بشكل خاص في بيئات الحوسبة عالية الكثافة، حيث تعمل تقنيات التبريد السائل على تحسين معدلات التدفق ودرجات الحرارة للوحدات التي تتجاوز قدرتها 80 كيلوواط. وهذا يضمن قدرة مراكز البيانات على تلبية المتطلبات المتزايدة لأحمال عمل الذكاء الاصطناعي دون إرهاق موارد الطاقة.
إس بي بي-آي تي بي-59إي1987
4. جدولة الذكاء الاصطناعي الواعي بانبعاثات الكربون
يُحوّل نظام جدولة الذكاء الاصطناعي المُراعي لانبعاثات الكربون مراكز البيانات إلى أصول شبكية ديناميكية، حيث يُعدّل مهام الذكاء الاصطناعي المرنة بناءً على كثافة انبعاثات الكربون في الوقت الفعلي. تُعطي هذه الطريقة الأولوية لتشغيل أحمال العمل، مثل تدريب النماذج أو المعالجة الدفعية، خلال الأوقات التي يكون فيها استخدام الطاقة المتجددة أكثر شيوعًا في الشبكة. وتُمكّن تقنيات مثل تغيير تردد وحدة معالجة الرسومات وتأجيل أحمال العمل هذه الأنظمة من مواءمة عملياتها مع ظروف الشبكة.
تحسينات كفاءة الطاقة
من خلال تصنيف المهام إلى مستويات مرونة مختلفة، حيث تعمل المهام الحرجة بكامل طاقتها ويتحمل التدريب الدفعي تباطؤًا يتراوح بين 25 و50%، أظهرت تجربة بقيادة Emerald AI في مايو 2025 نتائج مبهرة. وقد حققت التجربة انخفاض استهلاك الطاقة 25% خلال ذروة الطلب على الشبكة دون المساس بجودة الخدمة. أُجريت هذه الدراسة في فينيكس، أريزونا، بالتعاون بين Emerald AI وOracle Cloud Infrastructure وNVIDIA وSalt River Project. تم اختبار منصة "Emerald Conductor" على مجموعة حاسوبية تضم 256 وحدة معالجة رسومية.
""من خلال تنظيم أحمال عمل الذكاء الاصطناعي بناءً على إشارات الشبكة في الوقت الفعلي دون تعديلات على الأجهزة أو تخزين الطاقة، تعيد هذه المنصة تصور مراكز البيانات كأصول تفاعلية مع الشبكة، مما يعزز موثوقية الشبكة، ويحسن القدرة على تحمل التكاليف، ويسرع من تطوير الذكاء الاصطناعي." - فيليب كولانجيلو وآخرون، إميرالد إيه آي
يمثل هذا النهج، بالإضافة إلى التنبؤ بأحمال العمل والتبريد الديناميكي، استراتيجية رئيسية في تحسين استخدام الطاقة داخل مراكز البيانات.
إمكانية خفض التكلفة
إضافةً إلى توفير الطاقة، يُحقق التخطيط المُراعي لانبعاثات الكربون فوائد واضحة من حيث التكلفة. وقد ساهمت وحدات التحكم في التعلم المعزز متعددة العوامل في خفض تكاليف الطاقة التشغيلية من خلال 13.7% مع خفض انبعاثات الكربون بمقدار 14.51 تريليون طن. على عكس ترقيات الأجهزة أو تركيب البطاريات، يتجنب التنسيق البرمجي النفقات الرأسمالية الكبيرة، مما يجعله حلاً عمليًا لمراكز البيانات بجميع أحجامها. يُعد نظام إدارة الحوسبة الذكي للكربون من جوجل مثالًا بارزًا، حيث يستخدم منحنيات السعة الافتراضية لتقييد الموارد للمهام المرنة بناءً على توقعات انبعاثات الكربون لليوم التالي. ينجح هذا النظام في تأجيل أحمال العمل إلى فترات ذات كثافة كربونية أقل مع ضمان إنجاز المهام في غضون 24 ساعة.
تتميز هذه الطريقة بقابليتها للتوسع والتكيف، مما يجعلها أداة عملية للعمليات واسعة النطاق وتكامل الشبكة.
قابلية التوسع لمراكز البيانات الكبيرة
يمكن للأنظمة المُراعية لانبعاثات الكربون التوسع عبر المرافق الموزعة باستخدام أُطر تحكم هرمية. تتولى وحدات التحكم المركزية إدارة توزيع أعباء العمل عبر مواقع متعددة، موجهةً المهام إلى المناطق ذات الكثافة الكربونية المنخفضة في الشبكة. في الوقت نفسه، تتولى وحدات التحكم المحلية تخصيص الموارد والتعديلات الزمنية داخل المراكز الفردية. يعمل هذا الإعداد بكفاءة عالية مع أحمال الخوادم المتفاوتة، مما يضمن أداءً موثوقًا به مع تمكين المرافق من المشاركة في الأنشطة المُستجيبة لانبعاثات الشبكة.
الحد من الأثر البيئي
إلى جانب الكفاءة وقابلية التوسع، يقلل الجدولة الواعية بالكربون من الأثر البيئي من خلال مراقبة مؤشرات "حالة الأجهزة". يساعد هذا في إدارة تدهور الأجهزة، الذي قد يزيد من استهلاك الطاقة بمرور الوقت. ومن خلال تحسين توزيع أحمال العمل لإطالة عمر الأجهزة - بنسبة تقريبية 1.6 سنة – تعمل هذه الأنظمة على تقليل انبعاثات الكربون المتضمنة في عمليات التصنيع والاستبدال. وقد أظهرت مناهج ذكاء الكربون الموحدة انخفاضات تراكمية في انبعاثات ثاني أكسيد الكربون تصل إلى 45% على مدى ثلاث سنوات من خلال موازنة الانبعاثات التشغيلية والمتضمنة. بالإضافة إلى ذلك، فإن مرونة الأحمال التي تقلل استهلاك الطاقة بمقدار 25% لأقل من 1% من السنة يمكن أن تتيح ما يصل إلى 100 جيجاواط من سعة مراكز البيانات الجديدة في الولايات المتحدة، كل ذلك دون الحاجة إلى بنية تحتية جديدة لتوليد الطاقة أو نقلها.
5. إدارة الطاقة المُحسّنة بالذكاء الاصطناعي
ترتقي إدارة الطاقة المُحسّنة بالذكاء الاصطناعي بكفاءة الطاقة إلى مستوى جديد من خلال مواءمة استهلاك الطاقة مع الاحتياجات الآنية. وباستخدام تقنيات التعلّم الآلي، تراقب هذه الأنظمة سلوك كل خادم على حدة وتُعدّل استهلاك الطاقة ديناميكيًا، ما يضمن عدم تأثر الأداء. ومن خلال استهداف أوجه القصور مباشرةً على مستوى الخادم، يُعالج هذا النهج هدر الطاقة بطرقٍ غالبًا ما تغفلها الطرق الأخرى.
تحسينات كفاءة الطاقة
أظهرت التطبيقات العملية لإدارة الطاقة المدعومة بالذكاء الاصطناعي نتائج مبهرة. فعلى سبيل المثال، في أوائل عام 2023، اختبرت شركة وورلد وايد تكنولوجي (WWT) تقنية QiO Technologies.’ فورسايت أوبتيما دي سي+ برنامج ذكاء اصطناعي على خوادم Dell R650 وR750. قام البرنامج بتحليل أنماط استهلاك الطاقة في الخادم وحقق تخفيضات في استهلاك الطاقة بنسبة 19–23% للأحمال الثابتة و 27–29% لأحمال العمل المتغيرة. كما ساهم ذلك في خفض درجة حرارة العادم، مما قلل من متطلبات التبريد. وقد أثبت المشروع، بقيادة مهندسي الحلول التقنية كريس براون وجيف جارجاك، هذه المكاسب دون أي تغييرات في الأجهزة.
""نظرًا لأن استخدام الخوادم كان يُدار تاريخيًا بشكل متحفظ لضمان استمرارية التشغيل واتفاقيات مستوى الخدمة (SLAs)، لم تُستغل حالات السكون بكفاءة. ويتيح استغلال هذه الحقيقة من خلال نهج تحسين قائم على البيانات تحقيق وفورات كبيرة في استهلاك الطاقة دون التأثير على جودة الخدمة." - غاري تشاندلر، المدير التقني، شركة QiO Technologies
من خلال تصميم تعديلات الطاقة وفقًا لاحتياجات عبء العمل الحقيقية بدلاً من أسوأ السيناريوهات، فإن إدارة الطاقة بالذكاء الاصطناعي تكمل استراتيجيات أخرى مثل التبريد والجدولة، مما يخلق نظامًا أكثر كفاءة بشكل عام.
إمكانية خفض التكلفة
تتضح الفوائد المالية لإدارة الطاقة باستخدام الذكاء الاصطناعي. فمن خلال خفض استهلاك الكهرباء، تستطيع المنشآت تقليل كل من تكاليف التشغيل ونفقات البنية التحتية. على سبيل المثال، خفضت مايكروسوفت أزور إجمالي استهلاكها للطاقة بنسبة 10% باستخدام التعلم الآلي للتنبؤ بالأحمال وموازنتها. وبالمثل، وفرت إدارة البطاريات والشبكات المدعومة بالذكاء الاصطناعي من Alibaba Cloud 8% في تكاليف الطاقة وانخفاض انبعاثات الكربون بواسطة 5%. غالباً ما تكون هذه الحلول القائمة على البرمجيات أكثر فعالية من حيث التكلفة من ترقيات الأجهزة أو أنظمة تخزين الطاقة، مما يجعلها في متناول مجموعة واسعة من المرافق.
يُتيح الذكاء الاصطناعي أيضًا إمكانية تطبيق برامج الاستجابة للطلب، والتي يمكن أن توفر أرصدة لشركات المرافق العامة وتخفيضات في التعرفة. في تجربة أجريت في فينيكس عام 2025، خفضت منصة Emerald Conductor استهلاك الطاقة في المجموعة بنسبة 25% على مدار أكثر من ثلاث ساعات خلال ذروة الطلب على الشبكة، مع الحفاظ على جودة الخدمة. وقد تحقق ذلك من خلال الاستجابة لإشارات المرافق من مشروع سولت ريفر وشركة أريزونا للخدمات العامة، مما يُظهر إمكانات الذكاء الاصطناعي في جعل مراكز البيانات أكثر توافقًا مع الشبكة.
قابلية التوسع لمراكز البيانات الكبيرة
صُممت إدارة الطاقة بالذكاء الاصطناعي لتتوسع بسلاسة عبر المرافق الموزعة. تستخدم منصات مثل Emerald Conductor أطر تحكم هرمية لتنسيق أحمال العمل عبر مواقع متعددة دون الحاجة إلى تغييرات في البنية التحتية المادية. تُعد هذه المرونة بالغة الأهمية، إذ من المتوقع أن يصل استهلاك الطاقة في مراكز البيانات العالمية إلى 321 تيراواط/ساعة بحلول عام 2030، أي ما يقارب 1.91 تيراواط/ساعة من إجمالي استهلاك الكهرباء العالمي.
يعمل النظام من خلال تصنيف أحمال العمل بناءً على مدى تحملها للأداء. فعلى سبيل المثال، تعمل مهام الاستدلال في الوقت الفعلي بكامل طاقتها (Flex 0)، بينما يمكن لتدريب النماذج واسعة النطاق التعامل مع انخفاض في الإنتاجية يصل إلى 50% (Flex 3). يتيح هذا النظام متعدد المستويات للمنشآت تعديل استهلاك الطاقة أثناء فترات الضغط على الشبكة دون المساس بمستويات الخدمة. وبالتكامل مع أدوات مثل التحليلات التنبؤية والتبريد الديناميكي والجدولة الواعية بانبعاثات الكربون، تُشكل إدارة الطاقة المُحسّنة بالذكاء الاصطناعي إطارًا شاملًا لتوفير الطاقة. كما تُعزز عوامل التعلم المعزز الكفاءة من خلال إيجاد تحسينات دقيقة مُصممة خصيصًا لأنماط الأحمال الفريدة لكل منشأة.
الحد من الأثر البيئي
لا يقتصر دور إدارة الطاقة بالذكاء الاصطناعي على خفض استهلاك الطاقة فحسب، بل يحوّل مراكز البيانات أيضاً إلى مشاركين فاعلين في دمج الطاقة المتجددة. فمن خلال خفض استهلاك الطاقة خلال فترات ارتفاع كثافة الكربون في الشبكة، تُقلل هذه الأنظمة الانبعاثات وتُخفف الضغط على البنية التحتية الكهربائية. كما أن انخفاض الحاجة إلى التبريد يُعزز هذه المكاسب البيئية في جميع أنحاء المنشأة.
""يمثل هذا العرض التوضيحي تحولاً جذرياً في دور مراكز بيانات الذكاء الاصطناعي، من كونها مستهلكين ثابتين ذوي أحمال عالية إلى مشاركين فاعلين وقابلين للتحكم في الشبكة." - فريق أبحاث الذكاء الاصطناعي في إميرالد
بفضل مرونة الأحمال التي يوفرها الذكاء الاصطناعي، يمكن لمراكز البيانات في الولايات المتحدة الاستفادة من سعة إضافية تصل إلى 100 جيجاواط عن طريق خفض استهلاك الطاقة بمقدار 251 تريليون طن في أقل من 11 تريليون طن من السنة، وذلك دون الحاجة إلى محطات توليد طاقة أو خطوط نقل جديدة. لا يدعم هذا التحول أهداف الاستدامة فحسب، بل يضمن أيضًا استمرار مرونة الشبكة مع استمرار نمو الطلب.
خلاصة كل شيء
استراتيجيات الذكاء الاصطناعي الخمس – التحليلات التنبؤية, المراقبة في الوقت الحقيقي, التبريد الديناميكي, جدولة تراعي انبعاثات الكربون، و إدارة الطاقة المحسّنة بالذكاء الاصطناعي – يقومون بإعادة تشكيل مراكز البيانات لتصبح مرافق عالية الكفاءة وسريعة الاستجابة للشبكة.
من خلال معالجة أحمال الطاقة المتعلقة بتقنية المعلومات وغير المتعلقة بها، والتي قد تشكل مجتمعةً ما يقارب 401 تيراغرام من استهلاك الطاقة في مراكز البيانات، تُثبت هذه الأساليب جدواها. تُظهر أمثلة من القطاع أن الأساليب المدعومة بالذكاء الاصطناعي قادرة على خفض استهلاك الطاقة للتبريد والاستهلاك الإجمالي بشكل ملحوظ. والنتيجة؟ انخفاض التكاليف، وتقليل البصمة الكربونية، وإطالة عمر الأجهزة.
لقد ولّى زمن إدارة الطاقة التفاعلية. فالحلول الاستباقية المدعومة بالذكاء الاصطناعي توفر طريقة قابلة للتطوير للتعامل مع الطلب المتزايد على الحوسبة دون زيادة مماثلة في استهلاك الطاقة. الأدوات متوفرة بالفعل، وكل كيلوواط ساعة يتم توفيره يعني تخفيف الضغط على الميزانيات وحماية البيئة. لا يقتصر الأمر على التحكم في التكاليف فحسب، بل يتعلق باتخاذ خطوات جادة نحو الاستدامة.
""يجب التعامل مع الكفاءة كعامل تمكين استراتيجي. ينبغي لقادة تكنولوجيا المعلومات ومراكز البيانات التركيز على دمج الكفاءة في قرارات الشراء." - رؤى مراكز بيانات AMD
رغم أن التحول إلى إدارة الطاقة المُحسّنة بالذكاء الاصطناعي يتطلب التزامًا جادًا، إلا أن فوائده تتجاوز بكثير مجرد التوفير المالي. فهو يُعزز المرونة، ويرفع من مؤشرات الحوكمة البيئية والاجتماعية والمؤسسية، ويُمكّن المنشآت من المساهمة الفعّالة في استقرار الشبكة. ومع تقلب أسعار الطاقة وتشديد لوائح الاستدامة، تُقدّم استراتيجيات الذكاء الاصطناعي الخمس هذه مسارًا واضحًا لإنشاء مراكز بيانات عالية الأداء وصديقة للبيئة في آنٍ واحد.
في Serverion, نحن ملتزمون بهذه الرؤية. تم تصميم حلول الاستضافة لدينا لتضمين استراتيجيات الذكاء الاصطناعي هذه، مما يضمن ليس فقط الكفاءة التشغيلية، بل أيضاً مستقبلاً أكثر إشراقاً واستدامة.
الأسئلة الشائعة
كيف يمكن للتحليلات التنبؤية أن تساعد في جعل مراكز البيانات أكثر كفاءة في استخدام الطاقة؟
تُحسّن التحليلات التنبؤية كفاءة الطاقة في مراكز البيانات من خلال الاستفادة من خوارزميات متطورة للتنبؤ بالطلب على الطاقة وتحسين أداء الأنظمة. يُمكّن هذا النهج المشغلين من إجراء تعديلات دقيقة على أنظمة التبريد، وموازنة أحمال العمل، وتقليل هدر الطاقة، مما يؤدي غالبًا إلى خفض استهلاك الطاقة بنسبة تصل إلى 20%.
من خلال البقاء في طليعة التحديات الحرارية والتشغيلية، لا تعمل التحليلات التنبؤية على تقليل نفقات الطاقة فحسب، بل تساعد أيضًا على إطالة عمر المعدات، مما يخلق إعدادًا أكثر موثوقية وكفاءة لمركز البيانات.
كيف تساهم المراقبة في الوقت الفعلي في تحسين كفاءة الطاقة في مراكز البيانات؟
تُعدّ المراقبة الآنية نقلة نوعية في تحسين استخدام الطاقة في مراكز البيانات، إذ توفر تدفقًا مستمرًا من المعلومات حول عوامل حيوية كدرجة الحرارة والرطوبة وحمل تكنولوجيا المعلومات. وبفضل هذه البيانات، يمكن لأنظمة التبريد والطاقة التكيف ديناميكيًا لتلبية الاحتياجات الحالية، مما يقلل من هدر الطاقة ويضمن استمرار التشغيل بسلاسة.
بالإضافة إلى ذلك، تُمكّن البيانات الآنية التحليلات التنبؤية المدعومة بالذكاء الاصطناعي. هذا يعني أن مراكز البيانات قادرة على توقع تغيرات حجم العمل وتعديل الأنظمة بشكل استباقي. والنتيجة؟ كفاءة طاقة أفضل وتقليل مخاطر توقف الخدمة، حيث يمكن رصد المشكلات المحتملة أو أعطال المعدات ومعالجتها مبكراً. باختصار، تُعد المراقبة الآنية أساسية لتشغيل مراكز بيانات أكثر ذكاءً وكفاءة وفعالية من حيث التكلفة.
كيف تساعد إدارة الطاقة المدعومة بالذكاء الاصطناعي مراكز البيانات على أن تصبح أكثر استدامة؟
تُحدث إدارة الطاقة المدعومة بالذكاء الاصطناعي نقلة نوعية في كيفية تعامل مراكز البيانات مع استهلاك الطاقة، مع التركيز على الكفاءة وتقليل الهدر. وباستخدام خوارزميات متطورة، يستطيع الذكاء الاصطناعي التنبؤ بالطلب على الطاقة، وضبط أنظمة التبريد بدقة في الوقت الفعلي، وتعزيز الكفاءة التشغيلية الإجمالية. ويساهم هذا النهج في خفض استهلاك الطاقة وانبعاثات الكربون على حد سواء.
إلى جانب توفير التكاليف، تعمل هذه الاستراتيجيات على مواءمة مراكز البيانات مع التوجه نحو حلول الطاقة الأكثر مراعاة للبيئة، مما يساهم في مستقبل أكثر استدامة ويدعم الأهداف البيئية العالمية.
