צריכת מים במרכזי נתונים של AI: האם פתרונות הקירור החדשים באמת פותרים את הבעיה?
ההכרזה האחרונה של ענקית השבבים Nvidia (חברת השבבים האמריקאית אנבידיה) על מערכת קירור מים חמים חוגגת את פתרון בעיית המים בתוך מרכזי הנתונים, אך ניתוח נתונים מקיף חושף כי פתרונות קירור אלו מתמודדים רק עם כשליש מכלל טביעת הרגל המימית של בינה מלאכותית. רוב צריכת המים מתרחשת מחוץ לכותלי המרכז, בעיקר בייצור החשמל הדרוש להפעלת שרתים ומפעלי השבבים.
מה זה טביעת הרגל המימית של בינה מלאכותית?
טביעת הרגל המימית של בינה מלאכותית (AI Water Footprint) היא סך המים המתוקים הנצרכים ישירות ועקיפות לצורך פיתוח, אימון והרצה של מודלי בינה מלאכותית. בהקשר עסקי, מדובר במשאבים הנדרשים הן לקירור הפיזי של השרתים במרכזי המידע והן להפקת החשמל שמזין אותם. לדוגמה, הפעלת שאילתות בינה מלאכותית מתקדמות דורשת כוח מחשוב עצום המייצר חום רב, המחייב מערכות קירור אינטנסיביות. לפי מחקרים בתחום, תחנות כוח המבוססות על דלקים מאובנים בארצות הברית לבדן צורכות כ-2.7 מיליארד גלונים של מים מדי יום, חלק משמעותי מכך עבור קירור באידוי, מה שמשפיע ישירות על משאבי הטבע הגלובליים.
המגבלות של טכנולוגיית קירור מים של אנבידיה
לפי הדיווח שפורסם במגזין הטכנולוגיה TechCrunch (מגזין הטכנולוגיה הבינלאומי טק-קראנץ'), חברת Nvidia הכריזה על מערכת קירור מים חמים במעגל סגור, המבטיחה לצמצם כמעט לחלוטין את צריכת המים בתוך מתקני המחשוב. לפי דבריו של ג'וש פארקר, מנהל קיימות ראשי ב-Nvidia, לאתר החדשות Axios (אתר החדשות האמריקאי אקסיאוס), אתגר צריכת המים במרכזי נתונים נפתר ברובו. המערכת החדשה מזרימה נוזל קירור לתוך ארונות השרתים בטמפרטורה של 45 מעלות צלזיוס, ופולטת אותו ב-55 מעלות. הפרש טמפרטורות זה מאפשר להסתמך על רדיאטורים פסיביים ללא צורך במערכות אידוי מים אקטיביות, ובכך היא אכן מספקת חיסכון ישיר של עד 100% בצריכת המים הפנימית באתרים הממוקמים באקלים מתאים.
הבעיה המרכזית, כפי שעולה מהניתוח, היא שחברת Nvidia מגדירה את גבולות המדידה שלה באופן מצומצם המקיף רק את כותלי מרכז הנתונים עצמו, תוך התעלמות מוחלטת מטביעת הרגל המימית החיצונית. ייצור חשמל להפעלת השרתים וכן תהליכי ייצור השבבים עצמם דורשים כמויות מים עצומות, המכפילות או משלשות את סך המים הדרוש לפעילות המתקן. סוכנות האנרגיה הבינלאומית, IEA (סוכנות האנרגיה הבינלאומית), מדווחת כי תחנות כוח פחמיות וגז טבעי מספקות כיום כמחצית מתצרוכת החשמל של מרכזי נתונים גלובליים. בהקשר זה, חברות המעוניינות לבחון שילוב פתרונות אוטומציה מתקדמים המבוססים על ענן, צריכות לקחת בחשבון את ההשלכות הסביבתיות העקיפות של ספקי הענן שלהן כחלק מהערכת האחריות התאגידית שלהן.
צריכת מים במרכזי נתונים: ההקשר הגיאוגרפי והפקת החשמל
ניתוח הנתונים חושף תמונה מורכבת של עלויות המים הכרוכות במקורות האנרגיה השונים המזינים את מהפכת ה-AI. על פי דוחות רשמיים, תחנות כוח הפועלות על גז טבעי צורכות 1.17 ליטר מים לכל קילוואט-שעה (kWh) של חשמל מיוצר, בעוד שתחנות פחמיות מגיעות לצריכה גבוהה אף יותר של 2.2 ליטר לקוט"ש. סכרים הידרואלקטריים, המייצרים כ-10% מהחשמל למרכזי הנתונים, אינם צורכים מים באופן ישיר אך גורמים לאובדן של 6.8 ליטר מים לכל קילוואט-שעה עקב התאדות ממאגרי המים הענקיים שלהם.
לעומת זאת, אנרגיית רוח ושמש מתאפיינות בטביעת רגל מזערית של 0.01 ו-0.03 ליטר לקוט"ש בהתאמה, נתונים הכוללים גם את המים הנדרשים לייצור הפאנלים וניקוים. למרות הגידול בשימוש באנרגיות מתחדשות, דוח ה-IEA צופה כי גז טבעי ופחם יספקו מעל 40% מהביקוש החדש לחשמל עבור מרכזי נתונים עד שנת 2030. כלומר, ללא שינוי עמוק במקורות ייצור האנרגיה, הפעילות של השרתים תמשיך להפעיל לחץ כבד על משאבי המים בעולם.
ההשלכות של צריכת מים במרכזי נתונים של AI על השוק הישראלי
עבור עסקים בישראל, ההשלכות של טביעת הרגל המשאבית של ענקיות הטכנולוגיה הופכות למשמעותיות יותר ויותר. מדינת ישראל, בהיותה מדינה הממוקמת באזור חצי-צחיח, פיתחה תשתית מים מתקדמת המבוססת על התפלה, אך עלות האנרגיה הנדרשת להתפלה זו גבוהה ביותר. כאשר חברות מקומיות מטמיעות פתרונות מחשוב ענן ובינה מלאכותית, הן מסתמכות בעיקר על מרכזי נתונים מקומיים שהוקמו על ידי ענקיות כמו גוגל, אמזון או מיקרוסופט במסגרת פרויקט "נימבוס" הממשלתי.
אף על פי שבישראל אין רגולציה סביבתית ספציפית המגבילה צריכת מים של מרכזי מחשוב, תיקוני חוק הגנת הפרטיות ודרישות גילוי סביבתיות חדשות של האיחוד האירופי משפיעים בעקיפין על חברות ישראליות המייצאות לחו"ל. עסקים המעוניינים לבצע קפיצת מדרגה טכנולוגית צריכים לשקול שירותי ייעוץ טכנולוגי כדי לבחור בארכיטקטורות ענן יעילות אנרגטית הממזערות את ההשפעה הסביבתית והעלויות המצטברות של ריצות חישוב מיותרות.
כיצד עסקים יכולים לצמצם את טביעת הרגל הסביבתית של מערכות ה-AI שלהם?
- מיטוב ארכיטקטורת המודלים: הימנעו משימוש במודלי שפה ענקיים (LLMs) עבור משימות פשוטות שניתן לפתור באמצעות מודלים קטנים וממוקדים (SLMs). בחירה במודל מדויק מפחיתה דרמטית את כוח המחשוב הנדרש בענן ואת צריכת האנרגיה הנלווית.
- בחירת ספקי ענן ירוקים: בעת הקמת פתרונות אוטומציה או אינטגרציה, העדיפו ספקי ענן ומרכזי נתונים שהתחייבו לשימוש ב-100% אנרגיה מתחדשת וטכנולוגיות קירור במעגל סגור. בדקו את מדד ה-PUE (יעילות שימוש באנרגיה) של המתקנים המקומיים.
- ייעול תהליכי הרצה בעזרת אוטומציות חכמות: השתמשו בפלטפורמות כגון N8N (פלטפורמת אוטומציה קוד-פתוח) כדי לתזמן ריצות חישוב ואימון מודלים לשעות השפל של צריכת החשמל ברשת, בהן חלקם של מקורות האנרגיה המתחדשים ברשת החשמל גבוה יותר.
- ניטור מדדי קיימות בארגון: שלבו מדדי יעילות משאבית (כמו מים ופחמן) במסגרת הערכות תקופתיות של מחלקות ה-IT והטכנולוגיה, תוך פנייה לגורמי ייעוץ המלווים את החברה בהטמעת טכנולוגיות בנות-קיימא.
מבט קדימה: עתיד המחשוב הירוק בתעשיית ה-AI
ההצהרות של ענקיות החומרה כדוגמת Nvidia הן צעד מבורך בכיוון הנכון, אך הן אינן פוטרות את שוק ה-AI מאחריות כוללת לטביעת הרגל הסביבתית שלו. פתרונות קירור מים חמים במעגל סגור ישפרו את היעילות המקומית, אך שינוי אמיתי יתרחש רק כאשר רשתות החשמל המזינות את מרכזי הנתונים יעברו לחלוטין למקורות אנרגיה מתחדשים נטולי פליטות וצריכת מים. עבור עסקים המביטים אל העתיד, שילוב של קדמה טכנולוגית יחד עם תכנון תשתיתי אחראי באמצעות ייעוץ טכנולוגי מקצועי הוא המפתח להשגת יתרון תחרותי יציב, חסכוני ובר-קיימא בעולם העסקי החדש.