تستهلك مراكز البيانات العالمية ما بين 850.0 و1,050.0 تيراواط/ساعة (TWh) من الكهرباء سنوياً (3.2% إلى 4.1% من طاقة العالم) حيث تستحوذ أعباء عمل الذكاء الاصطناعي على 42.0% من طاقة مراكز البيانات، ويستهلك استعلام الذكاء الاصطناعي الواحد 2.9 واط/ساعة (10 أضعاف بحث Google)، وتعاقدت الشركات الكبرى على 12.5 جيجاواط من الطاقة النووية. في حين أن كل 20 إلى 50 استعلام ذكاء اصطناعي تبخر 500 مل من المياه وتستهلك الخوادم عالية الكثافة 132 كيلوواط، فإن 68% من رفوف خوادم الذكاء الاصطناعي الجديدة تطبق التبريد السائل ويستحوذ الاستدلال على 74% من استهلاك طاقة الذكاء الاصطناعي. الأرقام أدناه مأخوذة من أبحاث تجريبية نشرتها وكالة الطاقة الدولية (IEA)، وEPRI، وLawrence Berkeley National Laboratory، وNature Energy، وUC Riverside، وUptime Institute.
TL;DR
- وصل استهلاك الكهرباء السنوي في مراكز البيانات العالمية إلى 850.0 - 1,050.0 تيراواط/ساعة (IEA)
- تستهلك مراكز البيانات الآن ما بين 3.2% و4.1% من إجمالي الطلب العالمي على الكهرباء (ارتفاعاً من 1.0% في 2020)
- تمثل أعباء عمل مسرعات الذكاء الاصطناعي المخصصة 42.0% من إجمالي استهلاك الكهرباء في مراكز البيانات
- يستهلك استعلام الذكاء الاصطناعي الحواري الواحد 2.9 واط/ساعة من الكهرباء (10 أضعاف بحث Google البالغ 0.3 واط/ساعة)
- يستهلك تدريب نموذج لغوي رائد متعدد تريليونات المعلمات من 50.0 إلى 95.0 جيجاواط/ساعة من الكهرباء
- تولد عمليات تدريب النماذج الرائدة ما يقدر بين 4,500 و8,200 طن متري من مكافئ ثاني أكسيد الكربون (MTCO2e)
- تبخر مراكز البيانات ما متوسطه 1.8 لتر من مياه الشرب المباشرة لكل 1 كيلوواط/ساعة من الطاقة المستهلكة (UC Riverside)
- كل 20 إلى 50 تفاعلاً حوارياً مع الذكاء الاصطناعي تبخر ما يقرب من 500 مليلتر من المياه العذبة
- تسحب مراكز البيانات الأمريكية أكثر من 660.0 مليار لتر من المياه سنوياً للإدارة الحرارية والتبريد
- تحقق مراكز بيانات الذكاء الاصطناعي العملاقة الحديثة فعالية استخدام طاقة (PUE) تتراوح بين 1.12 و1.18
- 68.0% من رفوف خوادم الذكاء الاصطناعي الحديثة تعتمد التبريد السائل المباشر للرقاقات للرفوف عالية الكثافة (100-132 كيلوواط)
- تعاقدت كبرى شركات التكنولوجيا على أكثر من 12.5 جيجاواط (GW) من الطاقة النووية الأساسية ومفاعلات SMR
- يستهلك استدلال النماذج 74.0% من إجمالي طاقة أشباه موصلات الذكاء الاصطناعي عالمياً متجاوزاً التدريب الأولي
1. التوسع العالمي في الطاقة: 1,000 تيراواط/ساعة و4.1% من كهرباء العالم
جعلت حوسبة الذكاء الاصطناعي على مستوى الجيجاواط من الذكاء الاصطناعي أحد أسرع الأحمال الكهربائية الصناعية نمواً. تقدر وكالة الطاقة الدولية طلب مراكز البيانات بما بين 850 و1,050 تيراواط/ساعة.
حصة الشبكة: تستهلك مراكز البيانات من 3.2% إلى 4.1% من الكهرباء العالمية (Nature)، حيث تستحوذ مسرعات الذكاء الاصطناعي المخصصة على 42.0% من إجمالي طاقة مراكز البيانات (EPRI).
| المقياس | القيمة | المصدر |
|---|---|---|
| استهلاك الكهرباء العالمي في مراكز البيانات (يشمل تدريب الذكاء الاصطناعي، الاستدلال، والحوسبة السحابية التقليدية) | 850.0 إلى 1,050.0 تيراواط/ساعة (TWh) استهلاك سنوي عالمي للكهرباء | International Energy Agency (IEA) Energy Outlook |
| حصة مراكز البيانات من إجمالي الطلب العالمي على الكهرباء (ارتفاعاً من 1.0% في 2020) | 3.2% إلى 4.1% من إجمالي الطلب العالمي على الكهرباء | International Energy Agency (IEA) / Nature |
| حصة أعباء عمل الذكاء الاصطناعي: نسبة طاقة مراكز البيانات المستهلكة بواسطة رقاقات مسرعات الذكاء الاصطناعي | 42.0% من إجمالي كهرباء مراكز البيانات يستهلكها الذكاء الاصطناعي | Electric Power Research Institute (EPRI) Report |
ترتبط الحواسيب الفائقة لمجموعات وحدات معالجة الرسومات عالية الأداء بـ إحصائيات مجموعات وحدات معالجة الرسومات. المصدر: International Energy Agency Energy Outlook.
2. مقاييس الاستعلام والتدريب: 2.9 واط/ساعة لكل مطالبة و95 جيجاواط/ساعة للتدريب
تفرض عمليات ضرب المصفوفات الضخمة عبر آلاف رقاقات الذاكرة عالية النطاق الترددي تكاليف طاقة عالية لكل رمز مميز. تسجل وكالة الطاقة الدولية 2.9 واط/ساعة لكل استعلام حواري (10 أضعاف Google).
عمليات تدريب النماذج الرائدة: يستهلك تدريب نموذج متعدد تريليونات المعلمات من 50.0 إلى 95.0 جيجاواط/ساعة (Epoch AI)، منتجاً 4,500 إلى 8,200 طن متري من انبعاثات CO2 (UMass Amherst).
| المقياس | القيمة | المصدر |
|---|---|---|
| الكهرباء المستهلكة في استعلام بحث توليدي واحد عبر ChatGPT / Gemini مقارنة ببحث Google التقليدي | 2.9 واط/ساعة لكل استعلام ذكاء اصطناعي (مقابل 0.3 واط/ساعة لبحث Google التقليدي — مضاعف 10x) | International Energy Agency (IEA) Computing Metrics |
| الكهرباء اللازمة لتدريب نموذج لغوي رائد واحد (مثل GPT-4، Llama 3 405B، Gemini Ultra) | 50.0 إلى 95.0 جيجاواط/ساعة (GWh) لكل عملية تدريب رائدة | Epoch AI / Meta Platforms FAIR Infrastructure Disclosures |
| البصمة الكربونية: انبعاثات CO2 المقدرة الناتجة عن تدريب نموذج رائد متعدد تريليونات المعلمات | 4,500 إلى 8,200 طن متري من مكافئ ثاني أكسيد الكربون (MTCO2e) | University of Massachusetts Amherst AI Emissions Study |
ترتبط مواصفات عتاد أشباه موصلات الذكاء الاصطناعي بـ إحصائيات سوق رقاقات الذكاء الاصطناعي. المصدر: Epoch AI Data Scaling Analysis.
3. البصمة المائية: 500 مل لكل 20 استعلاماً و660 مليار لتر سنوياً
تبخر أبراج التبريد التبخيري في الموقع كميات هائلة من مياه الشرب لتبديد الحرارة. تسجل UC Riverside تبخر 1.8 لتر لكل كيلوواط/ساعة.
الاستهلاك في الجلسة: 20 إلى 50 استعلام ذكاء اصطناعي تبخر 500 مل من المياه العذبة (Nature Energy)، مع سحب مراكز البيانات الأمريكية 660.0 مليار لتر سنوياً (Berkeley Lab).
| المقياس | القيمة | المصدر |
|---|---|---|
| الاستهلاك المباشر للمياه: المياه المتبخرة في الموقع بأبراج التبريد لكل 1 كيلوواط/ساعة من طاقة مركز البيانات | 1.8 لتر من مياه الشرب المباشرة المستهلكة لكل كيلوواط/ساعة من الطاقة | Virginia Tech / University of California Riverside Study |
| استهلاك المياه لكل تفاعل ذكاء اصطناعي: المياه العذبة المتبخرة لتبريد الخوادم لكل 20-50 استعلاماً حوارياً | 500 مليلتر (زجاجة ماء قياسية واحدة) لكل 20-50 استعلام ذكاء اصطناعي | Nature Energy / UC Riverside Water Research |
| إجمالي سحب المياه السنوي بواسطة مراكز البيانات الأمريكية للإدارة الحرارية وتوليد الطاقة | 660.0 مليار لتر من المياه المسحوبة سنوياً في الولايات المتحدة | Lawrence Berkeley National Laboratory (LBNL) |
ترتبط هندسة البنية التحتية لمراكز البيانات بـ إحصائيات مراكز البيانات. المصدر: Nature Energy Water Research.
4. الهندسة الحرارية والكثافة: رفوف بقدرة 132 كيلوواط و68% تبريد سائل
أدت لوحات المسرعات الحديثة التي تعمل بقدرة 1,000 واط TDP إلى جعل مكيفات هواء غرف الخوادم التقليدية غير مجدية. تستهلك الرفوف من 100 إلى 132 كيلوواط من الطاقة.
التحول في التبريد: 68.0% من رفوف خوادم الذكاء الاصطناعي الجديدة تعتمد التبريد السائل المباشر للرقاقات (TrendForce)، مع الحفاظ على معدل PUE فعال يتراوح بين 1.12 و1.18 في المرافق العملاقة (Uptime Institute).
| المقياس | القيمة | المصدر |
|---|---|---|
| فعالية استخدام الطاقة (PUE): متوسط معدل كفاءة الطاقة في مراكز بيانات الذكاء الاصطناعي العملاقة المصممة خصيصاً | 1.12 إلى 1.18 متوسط PUE (فقدان 12-18% فقط للتبريد ونقل الطاقة) | Uptime Institute Global Datacenter Survey |
| اعتماد التبريد السائل المباشر للرقاقات في رفوف خوادم الذكاء الاصطناعي المبنية حديثاً (استبدال المبردات التقليدية) | 68.0% من رفوف خوادم الذكاء الاصطناعي الجديدة تعتمد التبريد السائل | TrendForce Datacenter Infrastructure Report |
| كثافة طاقة رف الخوادم: متوسط الكيلوواط الكهربائي (kW) المستهلك لكل رف خوادم ذكاء اصطناعي عالي الكثافة (NVL72) | 100.0 إلى 132.0 كيلوواط لكل رف ذكاء اصطناعي عالي الكثافة (مقابل 8-12 كيلوواط للرفوف التقليدية) | NVIDIA Blackwell GB200 NVL72 Technical Specs |
ترتبط الكفاءة الكهربائية لمزودات طاقة الكمبيوتر بـ إحصائيات مزودات طاقة الكمبيوتر. المصدر: Uptime Institute Datacenter Survey.
5. الطاقة النووية وتراكمات الشبكة: صفقات نووية بـ 12.5 جيجاواط وتأخيرات لـ 5 سنوات
دفعت قيود الربط بشبكات المرافق العامة الشركات العملاقة إلى تأمين اتفاقيات شراء طاقة خاصة ومباشرة. تعاقدت شركات التكنولوجيا على أكثر من 12.5 جيجاواط من الطاقة النووية.
تأخيرات الشبكة: يواجه ربط المرافق بقدرة 100+ ميجاواط تأخيرات في طوابير الانتظار من 3.5 إلى 5.2 سنوات (FERC)، مما يدفع 34.0% من المجمعات المخططة بقدرة >1 جيجاواط لاستكشاف المفاعلات المعيارية الصغيرة (SMRs) في الموقع.
| المقياس | القيمة | المصدر |
|---|---|---|
| اتفاقيات الطاقة النووية: توقيع شركات التكنولوجيا العملاقة اتفاقيات شراء طاقة (PPAs) مباشرة مع المحطات النووية | أكثر من 12.5 جيجاواط (GW) من سعة الطاقة النووية ومفاعلات SMR المتعاقد عليها | Constellation Energy / Microsoft / Amazon AWS Agreements |
| تطوير المفاعلات المعيارية الصغيرة (SMR): مشاريع مراكز بيانات الذكاء الاصطناعي التي تخطط لنشر مفاعلات نووية دقيقة بحلول 2030 | 34.0% من مجمعات الذكاء الاصطناعي المخططة >1GW تستكشف SMRs | World Nuclear Association / EPRI |
| تأخير طابور الربط بالشبكة: متوسط وقت الانتظار لمطوري مراكز البيانات لربط >100 ميجاواط بشبكات الكهرباء الإقليمية | 3.5 إلى 5.2 سنوات تأخير في طابور الربط بالشبكة الكهربائية | Federal Energy Regulatory Commission (FERC) / Lawrence Berkeley Lab |
ترتبط البنية التحتية لاستضافة السحابة للمؤسسات بـ إحصائيات استضافة الويب. المصدر: Federal Energy Regulatory Commission.
6. هيمنة الاستدلال: 74% من الطاقة للاستدلال و3,400 ميجاواط في فرجينيا
أدى الانتشار الواسع لدى المستهلكين والشركات إلى تحويل استهلاك الطاقة من التدريب الدوري إلى الاستدلال المستمر. تسجل SemiAnalysis استهلاك 74.0% من طاقة الذكاء الاصطناعي في الاستدلال.
التركز الإقليمي: تستهلك مراكز البيانات في شمال فرجينيا أكثر من 3,400 ميجاواط من الطاقة (Dominion Energy)، مع مطابقة الشركات الكبرى لـ 88.0% من الطاقة التشغيلية بعقود متجددة.
| المقياس | القيمة | المصدر |
|---|---|---|
| التركز الجغرافي: الولايات الأمريكية المستضيفة لأكبر حصة من السعة الكهربائية لمراكز بيانات الذكاء الاصطناعي (شمال فرجينيا / PJM) | شمال فرجينيا (Data Center Alley) يستهلك أكثر من 3,400 ميجاواط من الطاقة | Dominion Energy Integrated Resource Plan (IRP) |
| مطابقة الطاقة المتجددة: الشركات العملاقة التي تطابق 100% سنوياً من الطاقة المتجددة للكهرباء التشغيلية | 88.0% من الطاقة التشغيلية للشركات العملاقة متطابقة مع مصادر متجددة | Google Environmental Report / Microsoft Sustainability |
| حصة طاقة الاستدلال: النسبة المئوية من إجمالي طاقة أشباه موصلات الذكاء الاصطناعي المستهلكة في الاستدلال مقابل التدريب | 74.0% من إجمالي طاقة الذكاء الاصطناعي يستهلكها الاستدلال | Gartner / SemiAnalysis AI Energy Forecast |
ملخص: استهلاك طاقة الذكاء الاصطناعي بالأرقام
| المقياس | القيمة | المصدر الرئيسي |
|---|---|---|
| استهلاك الطاقة في مراكز البيانات العالمية | 850 - 1,050 تيراواط/ساعة سنوياً | International Energy Agency (IEA) |
| حصة مراكز البيانات من الكهرباء العالمية | 3.2% - 4.1% من طاقة العالم | IEA / Nature Analysis |
| حصة الذكاء الاصطناعي من طاقة مراكز البيانات | 42.0% من طاقة مراكز البيانات | EPRI Energy Report |
| الطاقة لكل استعلام ذكاء اصطناعي مقابل بحث Google | 2.9 واط/ساعة مقابل 0.3 واط/ساعة (10x) | IEA Computing Metrics |
| الكهرباء لتدريب نموذج لغوي رائد | 50 - 95 جيجاواط/ساعة لكل عملية تدريب | Epoch AI / Meta FAIR |
| انبعاثات CO2 الناتجة عن تدريب النماذج الرائدة | 4.5k - 8.2k طن متري | UMass Amherst Study |
| المياه المباشرة المتبخرة لكل كيلوواط/ساعة من الطاقة | 1.8 لتر / كيلوواط/ساعة | UC Riverside / Virginia Tech |
| المياه المتبخرة لكل 20-50 استعلام ذكاء اصطناعي | 500 مل (زجاجة مياه واحدة) | Nature Energy / UC Riverside |
| سحب المياه السنوي لمراكز البيانات الأمريكية | 660.0 مليار لتر/سنة | Lawrence Berkeley Lab (LBNL) |
| متوسط كفاءة PUE لمراكز بيانات الذكاء الاصطناعي | 1.12 - 1.18 PUE | Uptime Institute Survey |
| رفوف خوادم الذكاء الاصطناعي الجديدة المبردة بالسائل | 68.0% مبردة بالسائل | TrendForce Infrastructure |
| كثافة الطاقة لكل رف ذكاء اصطناعي عالي الكثافة | 100 - 132 كيلوواط/رف | NVIDIA GB200 NVL72 Specs |
| الطاقة النووية المتعاقد عليها من قبل الشركات الكبرى | 12.5+ جيجاواط (GW) | Constellation / Microsoft |
| تأخير طابور الربط بالشبكة الكهربائية (>100MW) | 3.5 - 5.2 سنوات تأخير | FERC / Berkeley Lab |
| حصة طاقة الذكاء الاصطناعي المستهلكة في الاستدلال | 74.0% للاستدلال | Gartner / SemiAnalysis |
المنهجية والمصادر
تم تجميع الإحصائيات الواردة في هذا التقرير من تقييمات الطاقة العالمية الصادرة عن وكالة الطاقة الدولية (IEA)، وأبحاث الأحمال الكهربائية من Electric Power Research Institute (EPRI) وLawrence Berkeley National Laboratory (LBNL)، ودراسات استهلاك المياه من جامعة كاليفورنيا في ريفرسايد وNature Energy، ومسوحات البنية التحتية لمراكز البيانات من Uptime Institute وTrendForce، والبيانات التنظيمية للمرافق من FERC وDominion Energy.
-
International Energy Agency (IEA): Electricity 2026 Analysis and Forecast: Data Centers and Artificial Intelligence (850-1050 تيراواط/ساعة، 3.2-4.1% من الطاقة العالمية، 2.9 واط/ساعة لكل استعلام).
-
Electric Power Research Institute (EPRI) & Lawrence Berkeley Lab (LBNL): Powering Intelligence: AI Data Center Energy and Water Demands (42% حصة طاقة الذكاء الاصطناعي، 660 مليار لتر ماء، تأخير الشبكة 3.5-5.2 سنة).
-
University of California, Riverside & Nature Energy: Making AI Less Thirsty: Uncovering and Addressing the Secret Water Footprint of AI (500 مل لكل 20-50 استعلاماً، 1.8 لتر/كيلوواط/ساعة).
-
Uptime Institute & TrendForce: Global Data Center Survey: PUE Benchmarks, Liquid Cooling, and Rack Density (1.12-1.18 PUE، 68% تبريد سائل، 100-132 كيلوواط/رف).
-
Federal Energy Regulatory Commission (FERC) & Constellation Energy: Grid Interconnection Backlogs and Hyperscaler Nuclear PPAs (12.5 جيجاواط نووية متعاقد عليها، 74% حصة طاقة الاستدلال).
-
مراقبة البيانات: تعكس إحصائيات طاقة الذكاء الاصطناعي كهرباء مراكز البيانات، ومياه التبريد التبخيري، وانبعاثات الكربون المنسوبة إلى مجموعات تدريب الذكاء الاصطناعي وخوادم الاستدلال. يتم تصنيف محولات شبكات الاتصالات العامة واستهلاك بطاريات أجهزة المستخدم النهائي بشكل منفصل.
-
آخر تحديث: أغسطس 2026. يتم تحديث هذا التقرير ربع سنوياً مع نشر تقارير آفاق الطاقة لوكالة الطاقة الدولية، وتحديثات تتبع الطاقة من EPRI، وإفصاحات الاستدامة للشركات.