מרכזי נתונים בעידן ה-AI: כיצד להתמודד עם משבר האנרגיה
ביקוש האנרגיה של מרכזי הנתונים צפוי להכפיל את עצמו עד 2030, תוך צריכת משאבים עצומים של חשמל ומים. שלושה פתרונות מרכזיים עומדים על הפרק: קירור נוזלי ושימוש חוזר בחום, שילוב עם מקורות אנרגיה מתחדשת, ותוכנות אופטימיזציה חזויה. בניית תשתיות חכמות יותר היא תנאי הכרחי להמשך הצמיחה בתחום ה-AI.
כשה-AI גדל, חשבון האנרגיה מתנפח
תעשיית מרכזי הנתונים נמצאת בצמיחה חסרת תקדים. צמיחה שנתית מורכבת של 14 אחוז צפויה בין השנים 2025 ו-2030, ועלות התשתיות הנדרשת עשויה להגיע לשלושה טריליון דולר. אלא שהאחריות הסביבתית הנלווית לצמיחה הזו הולכת ונהיית כבדה יותר.
רוצה להישאר מעודכן ב-AI?
הירשם לדיוור השבועי שלנו וקבל עדכונים, המלצות על כלים, חדשות ודוחות מיוחדים
נתוני Gartner מצביעים על כך שצריכת החשמל העולמית של מרכזי נתונים צפויה להכפיל את עצמה עד 2030. במקביל, מרכזי נתונים גדולים כבר היום צורכים עד חמישה מיליון גלון מים ביום. אלה לא רק נתונים סביבתיים, אלה גם גורמי סיכון עסקיים ורגולטוריים ממשיים.
(כפי שפורסם על ידי World Economic Forum, המאמר נכתב על ידי דנג הונגהאו, מנכ"ל חברת Butlr Technologies, במסגרת הכנה ל-Summer Davos 2026.)
שלושה כיוונים לפתרון
האתגר הטכני אינו חסר מענה. שלושה גישות מוכחות מציעות מסלול ריאלי להפחתת ההשפעה הסביבתית:
הראשונה היא קירור נוזלי ושימוש חוזר בחום. בניגוד למערכות אוורור מסורתיות המפיצות חום לאוויר, קירור נוזלי מאפשר לנתב את החום שנוצר לשימושים אחרים, כגון חימום בניינים סמוכים או עסקים קרובים. זהו צעד שמפחית בו-זמנית את הביקוש לאנרגיה ואת ההשפעה על הסביבה המקומית.
השנייה היא שיתוף אתר עם מקורות אנרגיה מתחדשת. בנייה של מרכזי נתונים בסמיכות לחוות סולאריות או רוחיות מאפשרת להם להתבסס על ייצור עצמי, מבלי לגזול חשמל מהרשת הציבורית. פתרון זה רלוונטי במיוחד לישראל, שבה הפוטנציאל הסולארי גבוה ותוכניות הרחבת מרכזי נתונים ממשיכות להתקדם.
השלישית היא תוכנות אופטימיזציה חזויה. שימוש ב-AI ו-Machine Learning לניטור מניעתי של מרכזי הנתונים, כגון זיהוי נקודות חום לפני שהן הופכות לתקלות, מאפשר לחסוך אנרגיה באמצעות איזון עומסים יעיל וקיצור תהליכי תחזוקה.
הבעיה העמוקה יותר: עיצוב מיושן
פתרונות נקודתיים אינם מספיקים. מרכזי נתונים תוכננו לעידן של CPU, אבל עידן ה-AI מונע על ידי GPU, שצורך אנרגיה בצפיפות גבוהה בהרבה ויוצר עומסי חום לא יציבים ומשתנים. ההסתגלות לחומרה החדשה לוקחת חודשים וכרוכה בבדיקות ידניות שאינן מסוגלות לעמוד בקצב הדרוש.
הפתרון הוא אינטליגנציה מרחבית מבוססת חישה תרמית. חיישנים שאינם מצלמה עוקבים בזמן אמת אחר ביצועי האנרגיה, מזהים נקודות חמות ומספקים לאופרטורים תמונה מדויקת של מה שקורה בפועל בתוך המרכז. מחקרים עמיתים מצביעים על כך שבקרה מבוססת שימוש בפועל יכולה להפחית את צריכת האנרגיה ב-20 עד 30 אחוז.
הרלוונטיות לשוק המקומי
עבור חברות ישראליות הפועלות בתחום תשתיות הענן, בנייה, או ניהול מרכזי נתונים, הנתונים הללו מהווים קריאה לפעולה. הרגולציה האירופית בנושא קיימות דיגיטלית מחמירה, ולקוחות ארגוניים גלובליים מתחילים לכלול דרישות סביבתיות כחלק מהסכמי השירות שלהם. חברות שישכילו להטמיע כלים לניטור תרמי, אופטימיזציה חזויה ואנרגיה מתחדשת כבר בשלב התכנון, ייהנו מיתרון תחרותי ממשי.
האתגר אינו רק טכנולוגי. הוא גם עניין של אחריות תאגידית וניהול סיכונים לטווח ארוך. מי שיבנה את מרכזי הנתונים של הדור הבא בצורה חכמה יותר, יוכל לשרת ביקוש גדל ולעמוד ברגולציה מחמירה בו-זמנית.