اروپا نیروگاه‌های قدیمی‌ را با تحول دیجیتال AI به دیتاسنتر تبدیل می‌کند

شرکت‌های انرژی مانند Engie (فرانسه)، RWE (آلمان) و Enel (ایتالیا) در حال تبدیل نیروگاه‌های زغال‌سوز و گازی قدیمی به دیتاسنترهای هوش مصنوعی هستند. با ساخت دیتاسنتر در کنار منابع برق و آب، فناوری‌های ابری می‌توانند بدون مشکل انرژی رشد کنند و زیر ساخت‌های قبلی به‌کارگرفته شود. این مدل باعث صرفه‌جویی در هزینه خاموش‌کردن نیروگاه، استفاده مجدد از زیرساخت و قراردادهای پایدار انرژی می‌شود.

تحلیل:

• کاهش هزینه‌های انتقال انرژی و زمان‌بندی سریع‌تر مجوزها
• نمونه مناسب برای مدل همگرایی صنعتی و فناوری
• فرصت انتقال این تجربه به ایران با تبدیل امکانات غیرمستقیم مانند مراکز صنعتی یا پالایشگاهی به دیتاسنتر

ارتباط نیروگاه‌های قدیمی با تحول دیجیتال AI

۱. چرا نیروگاه‌های قدیمی مهم هستند؟

نیروگاه‌های زغال‌سنگ و گاز قدیمی، با زیرساخت‌های برق، آب (برای خنک‌سازی) و شبکه محکم، به‌عنوان گزینه‌ای سریع برای تبدیل به دیتاسنتر مطرح شده‌اند. شرکت‌هایی مانند Microsoft، Amazon و Google این سایت‌ها را به عنوان محل مناسب برای مراکز داده یاد می‌کنند. تبدیل این نیروگاه‌ها نه تنها سرمایه‌گذاری در ظرفیت ذخیره‌سازی و خنک‌سازی را کاهش می‌دهد، بلکه زمان راه‌اندازی مراکز داده را نیز به‌طور چشمگیری کاهش می‌دهد.

۲. مزایای اقتصادی اپراتورها و شرکت‌های بزرگ

• دسترسی سریع به انرژی و آب: شرکت‌هایی مثل Microsoft و Amazon برای مرکزهای داده خود به کلی زیرساخت برق و آب نیاز دارند؛ سایت‌های قدیمی این موارد را دارند.
• قراردادهای بلندمدت و درآمد پایدار: اپراتورهای نیروگاه با عقد قرارداد تأمین انرژی با tech firms درآمد مداوم و قابل پیش‌بینی ایجاد می‌کنند.

۳. اهمیت AI برای عملیات و نگهداری در نیروگاه‌ها

• استفاده از تحلیل پیش‌بینی‌کننده (Predictive Maintenance) برای جلوگیری از خرابی و کاهش هزینه‌های نگهداری، باعث افزایش بهره‌وری شده است. به عنوان مثال، Plant Martin Lake با استفاده از مدل هوش‌مصنوعی توانست بهره‌وری را ۲٪ افزایش دهد و صرفه‌جویی ۴.۵ میلیون دلاری داشته باشد.
• همچنین استفاده از مدل‌های تحلیلی مانند PEMS برای پایش انتشار کربن و کنترل آلودگی گزینه‌ای حیاتی در آینده پایدار محسوب می‌شود.

۴. افزایش تقاضای برق به‌خاطر مراکز داده AI در آمریکا

• مصرف برق مراکز داده در سال ۲۰۲۳ معادل ۴.۴٪ کل مصرف برق آمریکا بود و انتظار می‌رود تا ۲۰۲۸ این عدد سه برابر شود.
• فرمانداران ایالتی در مناطق مانند پنسیلوانیا، هشدار داده‌اند که اگر خط توسعه نیروگاه جدید تسریع نشود، احتمال جدا شدن ایالت از شبکه برق وجود دارد.

۵. اقدامات اضطراری بزرگ مانند پروژه تیمار ناحیه “Hypergrid”

• پروژه Hypergrid در تگزاس اهداف ایجاد یک زیرساخت بزرگ انرژی ترکیبی شامل انرژی هسته‌ای، گاز، باد، خورشیدی و باتری را دنبال می‌کند تا نیاز AI تا حدود سال ۲۰۳۰، حدود ۸۰ گیگاوات برق را تأمین کند.
• همچنین پروژه Three Mile Island که مجدداً راه‌اندازی می‌شود تحت قراردادی ۲۰ ساله با Microsoft، نمادی از تلفیق انرژی هسته‌ای و AI است.

تاثیر کلی: جدول جمع‌آوری داده‌ها

نتیجه‌گیری و پیشنهاد برای ایران

استفاده از نیروگاه‌های قدیمی، چه سوختی یا هسته‌ای، برای تبدیل به مراکز داده AI می‌تواند در کشورهای در حال توسعه مانند ایران نیز راه‌گشا باشد، به شرطی که:

1. سرمایه‌گذاری در AI Data Center بر روی مکان‌هایی با زیرساخت برق و خنک‌سازی مناسب صورت بگیرد.
2. قرارداده‌های بلندمدت با شرکت‌های فناور برای تأمین پایدار انرژی تنظیم شود.
3. AI به منظور بهینه‌سازی عملکرد نیروگاه‌ها و کاهش آلایندگی به‌کار گرفته شود.
4. سیاست انرژی جدید همراه با تعرفه‌های خاص برای مراکز داده طراحی شود.

مقاله نیروگاه‌های قدیمی اروپا با رونق هوش مصنوعی، دیجیتالی می‌شوند

تاریخ انتشار: ۵ اوت ۲۰۲۵ (۱۴ مرداد ۱۴۰۴)
نویسنده: فورست کرلین
منبع: TimesLIVE

خلاصه و ترجمه دقیق مقاله:

این مقاله به چگونگی تبدیل نیروگاه‌های قدیمی زغال‌سنگ و گازسوز اروپا به مراکز داده (دیتاسنتر) برای پاسخگویی به تقاضای روبه‌رشد انرژی ناشی از توسعه هوش مصنوعی (AI) می‌پردازد. در ادامه، جزئیات کلیدی مقاله به فارسی ترجمه و توضیح داده شده است:

نکات اصلی:

1. تعطیلی نیروگاه‌های زغال‌سنگ:

• اکثر ۱۵۳ نیروگاه فعال زغال‌سنگ سخت و لیگنیت در اروپا تا سال ۲۰۳۸ (۱۴۱۷ شمسی) برای دستیابی به اهداف اقلیمی تعطیل خواهند شد.
• از سال ۲۰۰۵ تاکنون، ۱۹۰ نیروگاه زغال‌سنگ بسته شده‌اند، بر اساس داده‌های سازمان غیردولتی Beyond Fossil Fuels که برای تسریع در تعطیلی نیروگاه‌های زغال‌سنگی فعالیت می‌کند.

1. تبدیل نیروگاه‌های قدیمی به مراکز داده:

• شرکت‌های انرژی مانند انژی (فرانسه)، آر‌دبلیو‌ای (آلمان)، انل (ایتالیا)، ای‌دی‌پی (پرتغال) و ای‌دی‌اف (فرانسه) در حال تبدیل نیروگاه‌های قدیمی زغال‌سنگ و گاز به مراکز داده هستند.
• این سایت‌ها برای شرکت‌های فناوری بزرگ مانند مایکروسافت و آمازون جذاب هستند، زیرا زیرساخت‌های موجود مانند اتصال به شبکه برق و سیستم‌های خنک‌کننده آبی را فراهم می‌کنند که در صنعت هوش مصنوعی با محدودیت‌های زیادی مواجه است.
• استفاده از این سایت‌ها امکان صدور مجوز سریع‌تر و راه‌اندازی آسان‌تر را نسبت به ساخت مراکز جدید فراهم می‌کند، زیرا تأخیر در اتصال به شبکه برق در اروپا ممکن است بیش از یک دهه طول بکشد.

1. مزایا برای شرکت‌های انرژی:

• تبدیل نیروگاه‌های قدیمی به مراکز داده به شرکت‌های انرژی کمک می‌کند تا هزینه‌های بالای تعطیلی نیروگاه‌های فرسوده را جبران کنند.
• این شرکت‌ها می‌توانند زمین را اجاره دهند، مراکز داده را خودشان بسازند و اداره کنند یا قراردادهای بلندمدت تأمین برق با شرکت‌های فناوری امضا کنند که درآمد پایدار و با حاشیه سود بالا ایجاد می‌کند.
• این قراردادها به شرکت‌ها امکان می‌دهد تا سرمایه‌گذاری در پروژه‌های انرژی تجدیدپذیر آینده را تأمین کنند. برای مثال، انژی قصد دارد ظرفیت انرژی تجدیدپذیر خود را تا سال ۲۰۳۰ (۱۴۰۹ شمسی) از ۴۶ گیگاوات دو برابر کند و ۴۰ سایت جهانی، از جمله نیروگاه زغال‌سنگ هیزلوود در استرالیا که در سال ۲۰۱۷ تعطیل شد، را برای توسعه مراکز داده معرفی کرده است.

1. دیدگاه شرکت‌های فناوری:

• شرکت‌های فناوری مانند مایکروسافت و آمازون از دسترسی سریع‌تر به زیرساخت‌های برق و آب بهره‌مند می‌شوند که موانع اصلی در صنعت هوش مصنوعی هستند.
• تقاضای انرژی مراکز داده از چند صد مگاوات تا بیش از یک گیگاوات متغیر است.
• این شرکت‌ها حاضرند تا ۲۰ یورو (تقریباً ۴۱۶ راند آفریقای جنوبی) به ازای هر مگاوات‌ساعت برای برق کم‌کربن (معروف به “حق بیمه سبز”) پرداخت کنند که می‌تواند به قراردادهایی به ارزش صدها میلیون یا حتی میلیاردها یورو در بلندمدت منجر شود.

1. مدل‌های کسب‌وکار نوآورانه:

• شرکت‌های انرژی در حال بررسی ایده “پارک‌های انرژی” هستند که در آن مراکز داده به پروژه‌های جدید انرژی تجدیدپذیر متصل می‌شوند و شبکه برق به‌عنوان پشتیبان عمل می‌کند.
• قراردادهای “پشت کنتور” (behind-the-meter)، مانند پیشنهادی که دراکس در بریتانیا برای سایتی در یورکشایر (که بخشی از آن به زیست‌توده تبدیل شده) ارائه داده، امکان تأمین مستقیم برق به مراکز داده را فراهم می‌کند و وابستگی به شبکه را کاهش می‌دهد.
• شرکت املاک JLL در حال کار بر روی پروژه‌هایی مانند یک مرکز داده ۲.۵ گیگاواتی در محل یک نیروگاه زغال‌سنگ سابق در آلمان و چهار سایت در بریتانیا برای یک مشتری بزرگ فناوری است.

1. چالش‌ها و فرصت‌ها:

• ظرفیت مراکز داده در اروپا به دلیل تأخیر در اتصال به شبکه و صدور مجوز، در مقایسه با آمریکا و آسیا کمتر است، بنابراین استفاده از نیروگاه‌های قدیمی یک راه‌حل استراتژیک است.
• رشد سریع صنعت هوش مصنوعی باعث افزایش رقابت شده و شرکت‌های فناوری پروژه‌هایی را که زودتر به بهره‌برداری برسند، در اولویت قرار می‌دهند.
• به دلایل امنیتی، توسعه‌دهندگان معمولاً جزئیات کمی درباره پروژه‌های مراکز داده، از جمله هویت مشتریان، منتشر می‌کنند.

نقل‌قول‌های کلیدی:

• بابی هالیس (معاون انرژی، مایکروسافت): «همه قطعات لازم مانند زیرساخت آب و بازیافت گرما در این سایت‌ها موجود است.»
• لیندزی مک‌کوئید (مدیر انرژی منطقه EMEA، آمازون): «انتظار داریم صدور مجوز برای مراکز داده در سایت‌های قدیمی که بخش زیادی از زیرساخت‌ها آماده است، سریع‌تر انجام شود.»
• سیمون استنتون (رئیس مشارکت‌ها و معاملات جهانی، آر‌دبلیو‌ای): «این بیشتر درباره روابط بلندمدت و کسب‌وکار پایداری است که به شما امکان می‌دهد سرمایه‌گذاری‌های زیرساختی خود را بدون ریسک تأمین کنید.»
• گرگوری لوبورگ (مدیر برنامه زیست‌محیطی، OVH): «شرکت‌های فناوری برای برق کم‌کربن حق بیمه پرداخت می‌کنند که اقتصاد این معاملات را جذاب‌تر می‌کند.»
• سباستین آرbola (مدیر بخش مراکز داده انژی): درباره استراتژی این شرکت برای بازاریابی ۴۰ سایت جهانی برای توسعه مراکز داده صحبت کرد.
• مایکل کروز (مدیر ارشد Arthur D. Little): «این تنوع در مدل کسب‌وکار است که جریان‌های درآمدی جدیدی برای شرکت‌های انرژی ایجاد می‌کند.»
• سم هانتینگتون (مدیر تحقیقات S&P Global Commodity Insights): «سرعت در تأمین برق عبارتی است که بارها و بارها می‌شنویم.»

نمونه پروژه‌ها:

• انژی: در حال بازاریابی نیروگاه زغال‌سنگ سابق هیزلوود در استرالیا و سایر سایت‌های عمدتاً اروپایی برای تبدیل به مراکز داده.
• ای‌دی‌اف: توسعه‌دهندگانی را برای دو سایت نیروگاه گازی در مرکز و شرق فرانسه انتخاب کرده است.
• دراکس: به دنبال شریکی برای توسعه بخش‌های استفاده‌نشده از یک سایت زغال‌سنگی در یورکشایر است که بخشی از آن به زیست‌توده تبدیل شده و دارای تجهیزات خنک‌کننده آبی است.
• JLL: در حال کار بر روی یک مرکز داده ۲.۵ گیگاواتی در یک نیروگاه زغال‌سنگ سابق در آلمان و چهار سایت در بریتانیا.

تأثیر اقتصادی و زیست‌محیطی:

• تبدیل نیروگاه‌های قدیمی با اهداف اقلیمی اروپا هم‌راستا است، زیرا زیرساخت‌های سوخت فسیلی را برای کاربردهای کم‌کربن بازآفرینی می‌کند.
• قراردادهای بلندمدت تأمین برق با شرکت‌های فناوری، پایداری مالی را برای سرمایه‌گذاری در انرژی‌های تجدیدپذیر فراهم می‌کند و به گذار به ترکیب انرژی سبزتر کمک می‌کند.

تحلیل تطبیقی: چرا ایران مکان مناسبی برای مراکز داده AI است؟

نقشه راه تبدیل نیروگاه به مرکز داده AI در ایران (Roadmap پیشنهادی)

مرحله ۱: ارزیابی فنی و اقتصادی

• شناسایی نیروگاه‌های غیرفعال یا کم‌بازده (مثل نیروگاه‌های بخار قدیمی)
• بررسی موقعیت جغرافیایی: نزدیکی به فیبر نوری و ایستگاه برق
• محاسبه پتانسیل برق مصرفی برای GPU Farms
• مطالعات محیط‌زیستی و ریسک گرمایی

مرحله ۲: طراحی مرکز داده AI بومی

• انتخاب معماری مبتنی بر GPU/TPU با خنک‌سازی مایع (Liquid Cooling)
• انتخاب تجهیزات (سرورها، باتری‌ها، سیستم خنک‌کننده)
• طراحی ماژولار برای ارتقا آتی (مثل Open Compute)

مرحله ۳: جذب سرمایه‌گذار و شرکا

• سرمایه‌گذاری مشترک دولتی-خصوصی
• استفاده از صندوق نوآوری، شرکت‌های نفتی برای توزیع بار
• مذاکره با شرکت‌های خارجی منطقه‌ای (مثلاً ترکیه، عمان) برای اجاره ظرفیت

مرحله ۴: راه‌اندازی پایلوت عملیاتی

• فاز آزمایشی با ظرفیت ۱-۵ مگاوات
• تمرکز بر پشتیبانی پروژه‌های AI ایرانی (مثل مدل‌های فارسی، آموزش LLM، تحلیل ویدئویی)

مرحله ۵: بهره‌برداری تجاری و صادرات قدرت پردازشی

• ارائه خدمات Cloud GPU به استارتاپ‌ها و دانشگاه‌ها
• اتصال به اکوسیستم AI کشورهای منطقه (عراق، قطر، آسیای میانه)
• ساخت برند ایرانی در حوزه “AI Infrastructure”

پیشنهاد مکان‌های بالقوه

طرح توسعه زیرساخت هوش مصنوعی در استان قزوین

۱. مدل مالی

۱.۱. هزینه‌های سرمایه‌ای (CAPEX)

هزینه‌های سرمایه‌ای شامل هزینه‌های اولیه برای راه‌اندازی زیرساخت هوش مصنوعی (مرکز داده) است. فرض می‌کنیم پروژه شامل یک مرکز داده با ظرفیت ۱۰۰ مگاوات باشد که برای پردازش‌های هوش مصنوعی (مانند GPU/TPU) بهینه شده است.

توضیحات:

• هزینه‌ها بر اساس استانداردهای جهانی و نرخ تبدیل تقریبی (۱ دلار ≈ ۵۰,۰۰۰ تومان در سال ۱۴۰۴) محاسبه شده‌اند.
• زمین در قزوین به دلیل موقعیت صنعتی و دسترسی به زیرساخت‌های برق و آب مقرون‌به‌صرفه‌تر از کلان‌شهرها فرض شده است.
• تجهیزات GPU/TPU بخش عمده هزینه را تشکیل می‌دهند، زیرا هوش مصنوعی به توان پردازشی بالا نیاز دارد.

۱.۲. هزینه‌های عملیاتی (OPEX) – سالانه

هزینه‌های عملیاتی شامل هزینه‌های جاری برای نگهداری و بهره‌برداری از مرکز داده است.

توضیحات:

• هزینه برق بر اساس نرخ‌های صنعتی ایران و مصرف بالای مراکز داده محاسبه شده است.
• نیروی انسانی شامل متخصصان محلی و احتمالاً مشاوران خارجی برای راه‌اندازی اولیه است.
• هزینه‌های OPEX سالانه ممکن است با افزایش مقیاس یا بهینه‌سازی کاهش یابد.

۱.۳. بازگشت سرمایه (ROI)

• مدل درآمدی: اجاره ظرفیت پردازشی به شرکت‌های فناوری، قراردادهای بلندمدت با کسب‌وکارها برای خدمات AI، و ارائه APIهای هوش مصنوعی.
• درآمد تخمینی سالانه: ۴۰۰ میلیارد تومان (بر اساس اجاره ۵۰% ظرفیت پردازشی به شرکت‌های داخلی و خارجی).
• دوره بازگشت سرمایه: حدود ۵-۶ سال (با فرض درآمد ثابت و بدون احتساب تورم).

۲. پلن فنی

۲.۱. زیرساخت فیزیکی

• موقعیت: منطقه صنعتی قزوین (دسترسی به شبکه برق، آب و ارتباطات).
• ساختمان: مرکز داده ماژولار با ظرفیت ۱۰۰ مگاوات، شامل ۱۰ سالن سرور (هر کدام ۱۰ مگاوات).
• سیستم خنک‌کننده: خنک‌کننده مایع برای سرورهای GPU/TPU و تهویه پیشرفته برای کاهش مصرف انرژی.
• منبع انرژی: اتصال به شبکه برق ملی با ژنراتورهای پشتیبان و برنامه برای افزودن پنل‌های خورشیدی (۱۰ مگاوات) در فاز دوم.

۲.۲. زیرساخت پردازشی

• سخت‌افزار:
  • سرورهای مجهز به NVIDIA A100 GPUs یا TPUهای گوگل (حدود ۵۰۰۰ واحد پردازشی).
  • ذخیره‌سازی داده: ۱ پتابایت ذخیره‌سازی SSD برای داده‌های آموزشی AI.
• نرم‌افزار:
  • پلتفرم‌های متن‌باز مانند TensorFlow و PyTorch برای توسعه مدل‌های AI.
  • سیستم مدیریت مرکز داده (DCIM) برای نظارت بر مصرف انرژی و عملکرد.
• شبکه:
  • اتصال فیبر نوری با پهنای باند ۱۰۰ گیگابیت بر ثانیه.
  • سیستم‌های امنیتی شامل فایروال و تشخیص نفوذ (IDS/IPS).

۲.۳. امنیت و پایداری

• امنیت سایبری: استفاده از پروتکل‌های رمزنگاری پیشرفته و فایروال‌های چندلایه.
• پایداری: طراحی مرکز داده با استاندارد Tier III (99.98% آپتایم).
• پشتیبانی از انرژی سبز: برنامه‌ریزی برای استفاده از انرژی خورشیدی و بادی در فازهای بعدی.

۲.۴. نیروی انسانی

• استخدام ۵۰ نفر شامل مهندسان AI، تکنسین‌های مرکز داده، متخصصان امنیت سایبری و مدیران پروژه.
• آموزش نیروی کار محلی از طریق همکاری با پارک علم و فناوری قزوین و دانشگاه‌های محلی.

۳. جدول زمانی

توضیحات:

• فاز برنامه‌ریزی شامل همکاری با پارک علم و فناوری قزوین و شرکت‌های محلی مانند کاسپین سیستم آسیا است.
• فاز بهره‌برداری می‌تواند با قراردادهای اولیه با شرکت‌های فناوری داخلی و خارجی آغاز شود.

۴. ریسک‌ها و ملاحظات

• ریسک‌های مالی: نوسانات ارزی ممکن است هزینه‌های CAPEX را افزایش دهد. پیشنهاد: قراردادهای بلندمدت با تأمین‌کنندگان.
• ریسک‌های فنی: کمبود متخصصان AI در قزوین. پیشنهاد: برنامه‌های آموزشی با دانشگاه‌های محلی.
• ریسک‌های عملیاتی: مصرف بالای برق. پیشنهاد: استفاده از انرژی‌های تجدیدپذیر و بهینه‌سازی مصرف.

۵. توصیه‌ها

• همکاری با پارک علم و فناوری قزوین برای جذب استارتاپ‌های AI و ایجاد اکوسیستم فناوری.
• مذاکره با شرکت‌های بین‌المللی مانند مایکروسافت یا گوگل برای قراردادهای اجاره ظرفیت.
• سرمایه‌گذاری در آموزش نیروی انسانی محلی برای کاهش وابستگی به متخصصان خارجی.