با گسترش سریع هوش مصنوعی و هوش مصنوعی مولد (GenAI)، ممکن است تا سال ۲۰۲۷، تقریباً نیمی از دیتاسنتر‌های هوش مصنوعی با کمبود جدی برق مواجه شوند. به‌‌گزارش گارتنر (Gartner)، پیش‌بینی می‌شود که دیتاسنتر‌های مبتنی‌بر هوش مصنوعی تا آن زمان به ۵۰۰ تراوات‌ساعت برق در سال نیاز داشته باشند؛ این مقدار تقریباً با نیاز ۴۶ میلیون خانه برابری می‌کند. نیاز دیتاسنترهای هوش مصنوعی احتمالا از ظرفیت زیرساخت‌های فعلی برق فراتر خواهد رفت و محدودیت‌هایی در عملکرد و گسترش این مراکز ایجاد خواهد کرد.

افزایش نیاز به دیتاسنترهای بهینه‌شده برای هوش مصنوعی که برای آموزش مدل‌های زبانی بزرگ (LLM-ها) حیاتی هستند، می‌تواند هزینه‌های برق را افزایش داده و در نهایت قیمت خدمات و محصولات مبتنی‌بر هوش مصنوعی را بالا ببرد.

باب جانسون، تحلیل‌گر گارتنر، می‌گوید: «رشد انفجاری دیتاسنتر‌های هایپراسکیل (بزرگ‌مقیاس) برای پیاده‌سازی GenAI، تقاضای سیری‌ناپذیری برای برق ایجاد کرده است که از توان تأمین‌کنندگان برق برای گسترش سریع زیرساخت‌ها فراتر می‌رود.» ممکن است برای تضمین انرژی پایدار، شرکت‌های اداره‌کننده‌ی دیتاسنترهای بزرگ مجبور به انعقاد قراردادهای طولانی‌مدت و پرهزینه شوند؛ این هزینه‌ها احتمالاً به کاربران نهایی خدمات آن‌ها منتقل خواهد شد.

پیش‌بینی می‌شود که تأمین نیازهای انرژی هوش مصنوعی اهداف محیط‌زیستی شرکت‌های ارائه‌دهنده‌ی چنین خدماتی را تحت تأثیر قرار دهد. راه‌حل‌های موقت برای تأمین انرژی، می‌تواند موجب ادامه‌ی فعالیت نیروگاه‌های فسیلی برای مدت طولانی‌تری شود و گذار به سمت انرژی‌های پاک را به تأخیر بیندازد. این تغییر می‌تواند به افزایش موقت انتشار دی‌اکسید کربن منجر شود.

در مواجهه با چالش‌ها در تأمین انرژی، گارتنر به سازمان‌ها توصیه می‌کند افزایش هزینه‌های انرژی را در بودجه‌های خود لحاظ کنند، منابع پایداری از انرژی را تامین کنند و به دنبال گزینه‌های جایگزین مانند رایانش لبه‌ای (Edge Computing) و مدل‌های هوش مصنوعی کوچک‌تر برای کاهش تقاضا باشند.

در بلندمدت، راه‌حل‌هایی نظیر سیستم‌های ذخیره‌سازی پیشرفته‌ی مبتنی‌بر باتری و استفاده از راکتورهای هسته‌ای کوچک می‌تواند به تأمین نیازهای انرژی هوش مصنوعی و دستیابی به اهداف محیط‌زیستی کمک کند.