صافي وفورات الكهرباء من الذكاء الاصطناعي يعتمد على كفاءة النشر في نظام الطاقة الصيني

لماذا تهم الطاقة الأذكى

غالبًا ما تُصوَّر تقنيات الذكاء الاصطناعي كـ"دماغ" غير مرئي في السحابة، لكن خلف كل روبوت محادثة ذكي أو مولد صور يوجد تيار كهربائي حقيقي. تطرح هذه الدراسة سؤالًا ذو عواقب كبيرة للتخطيط المناخي والطاقي: هل يمكن أن تفوق وفورات الطاقة التي يوفرها الذكاء الاصطناعي داخل نظام الكهرباء الكهرباء الإضافية التي يستهلكها في مراكز البيانات الضخمة؟ بالتركيز على الشبكة الصينية سريعة التطور، يتتبع المؤلفون كيف يمكن للذكاء الاصطناعي أن يتحول من عبء كهربائي متزايد إلى موفّر صافٍ — إذا نُشر بكفاءة وعلى نطاق واسع بما يكفي.

وجهان للذكاء الاصطناعي

تبدأ الورقة بسرد توتر جوهري. في جانب هناك مراكز بيانات الذكاء الاصطناعي، ذات الخوادم المتخصصة التي قد تستهلك ست إلى ثماني مرات كهرباء أكثر من الآلات التقليدية. مع نمو النماذج وزيادة وتيرتها في الاستخدام، أصبحت هذه المنشآت مصدر طلب جديد كبير على الشبكة. وفي الجانب الآخر، تُدرَج خوارزميات الذكاء الاصطناعي في جميع أنحاء نظام الطاقة نفسه — تساعد في التنبؤ بإنتاج الرياح والشمس، وضبط محطات الفحم، وإدارة تدفئة وتبريد المباني، وموازنة أحمال المصانع، وتمديد عمر البطاريات. يمكن لتلك التطبيقات تقليل الهدر وتنعيم ذروات الطلب. اللغز المركزي هو ما إذا كانت الوفورات المجمعة من الذكاء الاصطناعي في الشبكة قادرة على تعويض أو حتى تجاوز الكهرباء التي يستهلكها حوسبة الذكاء الاصطناعي نفسها.

قياس التأثير الصافي عبر الزمن

لمعالجة ذلك، يبني الباحثون نموذج تقييم ديناميكي يمتد من 2025 إلى 2060. يقدّرون استهلاك الذكاء الاصطناعي للكهرباء من "القاع إلى القمة"، بدءًا بشحنات خوادم الذكاء الاصطناعي المتوقعة، ومدة خدمتها، وكمية الطاقة التي تستهلكها أثناء التدريب والاستخدام اليومي، وكيف تتحسّن كفاءة مراكز البيانات بمرور الوقت. بالتوازي، يستعرضون عقدًا من الدراسات حول تدابير توفير الطاقة المدعومة بالذكاء الاصطناعي. عبر تحليل تلوي، يركّبون مقدار الكهرباء التي يمكن توفيرها في سبع ممارسات رئيسية، مثل تحسين كفاءة محطات الفحم، وخفض خسائر النقل، ورفع كفاءة المباني والصناعة، وتحسين تخزين البطاريات. ثم تُقاس هذه الوفورات على مستوى الصين تحت ثلاث افتراضات مختلفة حول مدى انتشار هذه الأدوات عبر النظام.

مستقبلات مختلفة للذكاء الاصطناعي والشبكة

يجمع النموذج بين ثلاث سرديات لاستهلاك الذكاء الاصطناعي للكهرباء وثلاث لسعة التوفير، ما ينتج تسعة مستقبلات ممكنة. على جانب الاستهلاك، يفترض مسار "مدفوع بالتكنولوجيا" نموًا سريعًا في حوسبة الذكاء الاصطناعي لكن مع مكاسب قوية في رقائق الخوادم وأنظمة التبريد؛ ويفترض مسار "مقيد بالسياسة" قوانين صارمة تحد من التوسع وتفرض كفاءة جيدة؛ في حين يفترض مسار "القصور الذاتي" تحسّنًا أبطأ وضوابط أرخى. وعلى جانب التوفير، يتصور مسار "كفء" انتشارًا سريعًا وواسعًا للأدوات ذات الأداء الأعلى عبر المحطات وخطوط النقل والمباني والمصانع والتخزين؛ ويعكس مسار "نموذجي" اعتمادًا معتدلًا؛ أما "غير الكفء" فيفترض نشرًا أبطأ أو متقطعًا. تكشف هذه السيناريوهات معًا كيف يشكل كل من الأجهزة الأذكى والاستخدام الأعمق للذكاء الاصطناعي التوازن بين الطلب الإضافي والهدر المتجنب.

أين تختبئ أكبر الوفورات

عبر الطرق العديدة التي يمكن أن يساعد بها الذكاء الاصطناعي، تجد الدراسة ما يشبه "القلة الحيوية": حوالي خُمس الممارسات توفر أكثر من أربعة أخماس إمكانات التوفير الكُلية. تبرز تحسين أحمال المباني، وتقليل خسائر خطوط الشبكة، وتحسين التنبؤات للطاقة المتجددة كأكبر مصادر التأثير. على مستوى الدولة، وتحت أكثر الفروض تفاؤلًا بشأن التوفير، قد يقطع الذكاء الاصطناعي نحو 15% من الاستهلاك الكهربائي المتوقع للصين بحلول 2060؛ وتحت فروض نموذجية أو غير كفء، ينخفض هذا إلى نسب أحادية الرقم. التحليل الإقليمي لخمس مقاطعات يُظهر أن المناطق الغنية بالتوليد — مثل منغوليا الداخلية بنفط الفحم ومصادرها المتجددة — تستفيد أكثر على جانب الإمداد، بينما تجني مراكز الصناعة والخدمات مثل قوانغدونغ وجيانغسو مكاسب أكبر من إدارة الطلب في المباني والمصانع.

متى يصبح الذكاء الاصطناعي موفّرًا صافياً

المقياس الرئيسي في الدراسة هو "صافي وفورات الكهرباء": نسبة الكهرباء التي يوفرها الذكاء الاصطناعي إلى الكهرباء التي يستهلكها الذكاء الاصطناعي. قيمة أعلى من 100% تعني أن الذكاء الاصطناعي، في المجمل، يقلل العبء على الشبكة. من بين كل التسعة مستقبلات، فقط مزيج نشر عالي لتطبيقات التوفير وتقدم تكنولوجي قوي في مراكز البيانات — حالة "كفء–مدفوع بالتكنولوجيا" — يحقق هذا النتيجة مبكرًا، ليصل إلى نحو 130% بحلول 2040. في هذا المسار، يسمح الانتشار السريع للذكاء الاصطناعي عبر الشبكة والمباني، مجتمَعًا مع رقائق عالية الكفاءة وتكاليف تبريد منخفضة للغاية، بأن تتجاوز الوفورات الطلب الخاص بالذكاء الاصطناعي نفسه. وحتى في هذه الحالة، يتسطح المنفعة وتنخفض قليلًا بعد 2050 مع نضوج التقنيات واستنفاد المكاسب السهلة. في مستقبلات أقل طموحًا، يتأخر الوصول إلى الوفرة الصافية أو لا يتحقق ضمن فترة الدراسة.

ماذا يعني هذا لحياة الناس اليومية

بالنسبة لغير المتخصصين، الخلاصة أن الذكاء الاصطناعي ليس تلقائيًا جيدًا أو سيئًا للمناخ. إذا تُرك لينمو داخل مراكز بيانات مسرفة وباستخدام محدود في عمليات الشبكة الفعلية، فإنه يضيف أساسًا إلى الطلب على الكهرباء. لكن إذا اقترن بمعايير كفاءة صارمة، وأجهزة أفضل، ونشر واسع في محطات الطاقة وخطوط النقل والمباني والمصانع والتخزين، يمكن للذكاء الاصطناعي أن يعوّض فاتورته الخاصة من خلال الكيلوواط‑ساعات الموفرَة. تقترح الدراسة أن الصين — وبامتدادها دولًا أخرى — ستحتاج إلى سياسات ذكية لدفع الذكاء الاصطناعي في هذا الاتجاه: حدود صارمة على مراكز البيانات غير الكفؤة، وحوافز لتبريد ورقائق متقدمة، ودعم قوي لأدوات الذكاء الاصطناعي التي تقلل الهدر عبر نظام الطاقة. عند تطبيقها بشكل صحيح، يمكن للتقنية نفسها التي تهدّد بتحميل الشبكة عبئًا أكبر أن تصبح أحد محركات جعلها أنظف وأكثر موثوقية.

الاستشهاد: Zhou, K., Yang, Z. & Hu, R. Net electricity savings from artificial intelligence depend on deployment efficiency in China’s power system. Commun. Sustain. 1, 72 (2026). https://doi.org/10.1038/s44458-026-00080-4

الكلمات المفتاحية: الذكاء الاصطناعي والطاقة, كفاءة مراكز البيانات, تحسين شبكات الكهرباء, تنبؤ الطلب على الكهرباء, تكامل الطاقة المتجددة