Artificial Intelligence•٠٤ مارس ٢٠٢٥•4 min read•790 words

How Much Energy Do Artificial Intelligence Models Consume? What Is the Jevons Paradox?

Ece Kaya

Content Strategist

Cloud infrastructure & B2B marketing

كم تستهلك نماذج الذكاء الاصطناعي من الطاقة؟

ما هو ادعاء DeepSeek؟

ما هو مفارقة جيفونز؟

الخاتمة

لطالما كانت تقنيات الذكاء الاصطناعي موضوعًا للنقاش فيما يتعلق بتأثيراتها البيئية بسبب زيادة استهلاكها للطاقة. على وجه الخصوص، يمكن أن تضع النماذج اللغوية الكبيرة عبئًا كبيرًا على استهلاك الطاقة العالمي حيث تتطلب موارد حوسبة ضخمة. تدعي شركة DeepSeek، التي تتخذ من الصين مقرًا لها، أنها طورت نموذج ذكاء اصطناعي يستهلك طاقة أقل. ومع ذلك، فإن مفارقة جيفونز، التي اقترحت في القرن التاسع عشر، تشير إلى أن الزيادات في الكفاءة لا تقلل دائمًا من استهلاك الطاقة؛ بل قد تزيد من الطلب على الطاقة على المدى الطويل. يستكشف هذا المقال ادعاء DeepSeek ومفارقة جيفونز.

كم تستهلك نماذج الذكاء الاصطناعي من الطاقة؟

اليوم، تستجيب النماذج اللغوية الكبيرة لاستفسارات المستخدمين بطريقة مشابهة لمحركات البحث. ومع ذلك، على عكس محركات البحث التقليدية، تقوم نماذج الذكاء الاصطناعي بإنشاء إجاباتها من الصفر. تعتبر هذه العملية مستهلكة للطاقة بشكل كبير لأنها تتطلب كمية كبيرة من القدرة الحاسوبية.

وفقًا للأبحاث، من المتوقع أن يستهلك قطاع الذكاء الاصطناعي بين 85 و134 تيراواط ساعة (TWh) من الكهرباء بحلول عام 2027. تعادل هذه الكمية إجمالي استهلاك الطاقة في هولندا لمدة عام. يتوقع الخبراء أنه بحلول عام 2030، سيتم توجيه أكثر من 20% من الكهرباء المولدة في الولايات المتحدة إلى مراكز بيانات الذكاء الاصطناعي.

على الرغم من أن عمالقة التكنولوجيا يدعون أنهم يقومون باستثمارات كبيرة في مصادر الطاقة المتجددة، إلا أنهم يجعلون حلول الطاقة الأكثر استقرارًا، مثل الطاقة النووية، ضرورية لتوفير طاقة غير منقطعة لأنظمة الذكاء الاصطناعي. على سبيل المثال، تخطط مايكروسوفت لإعادة تشغيل محطة جزيرة ثري مايل، المعروفة بأنها واحدة من أكبر الحوادث النووية في تاريخ الولايات المتحدة. في الوقت نفسه، على الرغم من أن جوجل تهدف إلى أن تكون محايدة للكربون بحلول عام 2030، إلا أن انبعاثات الكربون في قطاع الذكاء الاصطناعي قد زادت بنسبة 48% في السنوات الأخيرة.

ما هو ادعاء DeepSeek؟

تدعي DeepSeek أنها وجدت حلاً لهذه المشكلة. تم تدريب نموذج R1 الذي طورته الشركة بتكلفة أقل بكثير مقارنة بمنافسيه الرئيسيين. بينما أنفقت Meta أكثر من 60 مليون دولار على نموذج Llama الخاص بها، فإن DeepSeek حققت أداءً مشابهًا بميزانية تبلغ 6 ملايين دولار فقط. تشير DeepSeek إلى أن نموذجها يستخدم بنية تعلم الآلة تسمى Mixture of Experts، مما يسمح بتشغيل أكثر كفاءة.

وقد أثرت هذه التطورات أيضًا على الاقتصاد العالمي. في الولايات المتحدة، شهدت أسهم مصنعي الرقائق وشركات الطاقة انخفاضات كبيرة. واجهت Nvidia، منتجة معالجات الذكاء الاصطناعي، أكبر انخفاض في تاريخ وول ستريت، حيث خسرت 589 مليار دولار في يوم واحد. ومن المثير للاهتمام، أن تحسين كفاءة الطاقة في الذكاء الاصطناعي قد يؤدي إلى زيادة في إجمالي استهلاك الطاقة في القطاع بدلاً من انخفاضه. وذلك لأن مفارقة جيفونز تجادل بأن الاستخدام الأكثر كفاءة للطاقة يمكن أن يؤدي إلى زيادة الطلب على الطاقة.

ما هو مفارقة جيفونز؟

تم اقتراح مفارقة جيفونز لأول مرة من قبل ويليام ستانلي جيفونز في عام 1865. جادل جيفونز بأن زيادة كفاءة استخدام الفحم لم تقلل من الاستهلاك، بل زادته. وفقًا لجيفونز، أدت الأنظمة الأكثر كفاءة إلى خفض تكاليف الإنتاج، مما أدى إلى زيادة الاستثمارات وبالتالي رفع الاستهلاك الكلي. ينطبق نفس الوضع اليوم. قد توفر التطورات التكنولوجية وفورات في الطاقة، لكنها لا تقلل من الطلب الكلي على الطاقة.

الخاتمة

يستمر زيادة استهلاك الطاقة في صناعة الذكاء الاصطناعي في أن يكون قضية كبيرة فيما يتعلق بالتأثيرات البيئية. على الرغم من أن نماذج الذكاء الاصطناعي الأكثر كفاءة التي تطورها شركات مثل DeepSeek قد تبدو أنها تقلل من استهلاك الطاقة على المدى القصير، إلا أن مفارقة جيفونز تشير إلى أن هذه الزيادة في الكفاءة قد تؤدي إلى زيادة إجمالية في الاستهلاك على المدى الطويل. قد تؤدي التكاليف المنخفضة وتقليل استهلاك الطاقة إلى زيادة في الطلب مع انتشار الذكاء الاصطناعي وجعله أكثر وصولاً.

في هذه المرحلة، من الضروري للشركات ليس فقط زيادة كفاءة الطاقة ولكن أيضًا دمج مصادر الطاقة المستدامة والمتجددة. ومع ذلك، بالنظر إلى وتيرة التقدم التكنولوجي وارتفاع الطلب، لا يبدو من المحتمل أن يتمكن الذكاء الاصطناعي من تقليل استهلاكه للطاقة بشكل دائم. ونتيجة لذلك، سيستمر الطلب على الطاقة في الارتفاع، مما يستلزم تطوير حلول أكثر شمولاً للتخفيف من التأثيرات البيئية.

إذا كنت تبحث عن نظام يستهلك أقل قدر ممكن من الموارد بينما يقوم بالأتمتة بكفاءة، دعنا نفحص نظامك معًا. مع حلول الأتمتة المستندة إلى الذكاء الاصطناعي من PlusClouds، مثل Eaglet وLeo، يمكنك تحسين عمليات عملك مع توفير الوقت والجهد. يمكن لهذه الأنظمة الذكية زيادة الكفاءة التشغيلية بما يصل إلى 5 مرات، مما يقلل من استهلاك الموارد غير الضروري.

يقوم Eaglet بتحديد العملاء المحتملين في غضون ثوانٍ باستخدام تقنية مسح البيانات المتقدمة، وتحليل معلومات الاتصال وجدولة اجتماعاتك. يمكن استخدامه أيضًا لتحليل SWOT وتحديد المنافسة. من ناحية أخرى، يقوم Leo بأتمتة إدارة مركز البيانات الخاص بك بالكامل، مما يوفر تحكمًا شاملاً من لوحة واحدة. بهذه الطريقة، لا تقلل فقط من التكاليف ولكن أيضًا تقلل من تأثيرك البيئي. للحصول على بنية تحتية أكثر كفاءة واستدامة وذكاء، تواصل معنا ودعنا نحدد حلول الأتمتة الأنسب لك!

#There is no text provided for translation. Please provide the text you would like to be translated into English.

الأسئلة الشائعة

What is the Jevons Paradox and how does it relate to AI energy use?

The Jevons Paradox was first proposed by William Stanley Jevons in 1865. It argued that increased efficiency in energy use does not necessarily reduce total consumption; lower costs can drive more investment and higher overall demand, a pattern the article says may apply to AI today.

What are the projected energy consumption figures for AI by 2027 and 2030?

Research projects AI electricity use to be between 85 and 134 terawatt-hours by 2027, roughly the annual energy consumption of the Netherlands. By 2030, more than 20% of U.S. electricity is expected to power AI data centers.

What does DeepSeek claim about their R1 model's efficiency and cost compared to major competitors?

DeepSeek claims the R1 model was trained at a significantly lower cost than major competitors, with a budget of about $6 million versus Meta’s reported $60 million on Llama. It also uses a Mixture of Experts architecture to enable more efficient operation.

Which energy sources or strategies are mentioned as supporting AI infrastructure in the article?

The article mentions more stable energy solutions such as nuclear power being essential to powering AI systems. It also notes initiatives like Microsoft planning to reactivate the Three Mile Island plant and Google's goal to be carbon neutral by 2030, while acknowledging that sector emissions have risen.

Does the article argue that improving AI efficiency will definitely lower energy use?

No. It states that increasing efficiency may lead to higher total energy demand due to lower costs and wider adoption, reflecting the Jevons Paradox. This means efficiency gains do not necessarily translate into reduced energy consumption.

What action does the article recommend besides increasing efficiency to address AI energy concerns?

It advocates integrating sustainable and renewable energy sources. This combination is suggested to mitigate environmental impacts as AI deployment grows.

What benefits do PlusClouds' Eaglet and Leo claim to offer?

The article describes Eaglet as identifying potential customers quickly using advanced data scanning, and Leo as fully automating data center management from a single panel. Together they are presented as helping reduce costs and minimize environmental impact.

How does AI model computation differ from traditional search engines, and what does that mean for energy use?

Large language models respond to queries by generating answers from scratch, unlike traditional search engines that fetch results. This process is described as energy-consuming due to the large amount of computational power required.