تحلیل استراتژیک مصرف انرژی دیتاسنترها در ایالات متحده

مالیات حفظ سلطه دیجیتال

ایالات متحده در سال‌های اخیر شاهد افزایش بی‌سابقۀ مصرف برق دیتاسنترها بوده است، به‌گونه‌ای که هم‌اکنون 5 درصد از کل شبکه برق این کشور را به خود اختصاص داده‌اند. رقمی که طبق پیش‌بینی آژانس بین‌المللی انرژی تا سال 2026 می‌تواند از مرز تعهدات شبکه فراتر رود. برخلاف انگاره‌های سنتی که توسعه زیرساخت انرژی را با شاخص‌های رفاه عمومی (HDI) مرتبط می‌دانند، این نوشتار استدلال می‌کند که جهش مصرف انرژی مذکور در آمریکا نتیجه یک الزام ساختاری-استراتژیک خود خواسته و برنامه‌ریزی شده برای حفظ هژمونی جهانی است و نیازهای مصرفی شهروندان در این بین مورد نظر حکمرانان آن کشور نبوده است. ما در این مطالعه با بهره‌گیری از نظریات امپریالیسم داده، حاکمیت محاسباتی و پارادوکس جاونز، نشان می‌دهیم که این مصرف انرژی به مثابه مالیات حفظ سلطه عمل کرده و به عنوان یک متغیر کلیدی در تداوم مدل اقتصادی متمرکز بر سرمایه‌داری نظارتی قابل تحلیل است.

 

مقدمه

مدل‌های سنتی توسعه صنعتی، همبستگی مستقیمی بین مصرف انرژی سرانه و شاخص‌های توسعه انسانی (HDI) قائل بودند. اما داده‌های 2025 نشان می‌دهد که ایالات متحده با وجود مصرف سرانه برق بسیار بالا یعنی حدود 13,060 کیلووات ساعت و قرارگیری در رتبه هفتم بین تمامی کشورهای جهان، در شاخص تعدیل‌شده با نابرابری (IHDI: Inequality-adjusted HDI) دچار افت رتبه شده است. بر اساس گزارش صندوق بین‌المللی پول (IMF World Economic Outlook, 2026)، تولید ناخالص داخلی بر مبنای برابری قدرت خرید (GDP PPP) سرانه در آمریکا نزدیک به 90،000 دلار (رتبه 12 جهان) برآورد شده و بر اساس گزارش UNDP (2025)، شاخص توسعه انسانی (HDI) آن با امتیاز 0/938 در جایگاه 17 دنیا قرار دارد. این تضاد مشخص پرسشی بنیادین را ایجاد می‌کند که آیا قرار است این انرژی صرف بهبود استانداردهای زیستی شود یا در حوزه‌ای دیگر مستهلک گردد؟ شواهد نشان می‌دهد که بخش عمده‌ای از ظرفیت تولید برق ایالات متحده به سمت مراکز داده (Hyperscalers) هدایت شده است که در خدمت اقتصاد توجه و حاکمیت الگوریتمیک قرار دارند.

 

مهندسی معکوس مصرف برق دیتاسنترهای آمریکا

بر اساس داده‌های مصرف برق و ساختار دیتاسنترهای آمریکا، مجموعا رقمی بین 2/5 تا 3/5 میلیون رک در دیتاسنترهای ایالات متحده فعال است.

اگر بخواهیم این عدد را موشکافی و از منظر مهندسی مدلسازی کنیم، فرمول و مفروضات به شرح زیر است:

• کل مصرف برق ایالات متحده: حدود 4100 تا 4200 تراوات‌ساعت (TWh) در سال.
• سهم دیتاسنترها (حدود 5%):حدود 200 تا 215 تراوات‌ساعت (TWh) در سال.
• متوسط توان الکتریکی پیوسته دیتاسنترها: [ 8760/(210*1000GVh) ] 24 GV
• راندمان انرژی زیرساخت (PUE):
  ○ ضریب میانگین اثربخشی مصرف برق (PUE) در آمریکا حدود 1/3 تا 1/4 است (هایپراسکيلرهای نوین حدود 1/15 و مراکز قدیمی سازمانی تا 1/8).
  ○ توان خالص مصرفی توسط خود سرورها و رک‌ها (IT Load):[ 24 ÷ 1/35 ] 17/5-18 GV

 

طیف چگالی توان

در صنعت دیتاسنتر پارادایم اساسی از تعداد رک به چگالی توان به ازای هر رک (Rack Power Density – kW/Rack) تغییر کرده است:

رک‌های هوش مصنوعی (AI Compute) تنها حدود 2 تا 3 درصد تعداد فیزیکی رک‌ها را تشکیل می‌دهند، اما به دلیل توان بسیار بالا (یک رک مایع‌خنک انویدیا NVL72 حدود 120 کیلووات برق می‌کشد)، بیش از 15 تا 20 درصد توان خالص IT را به خود اختصاص می‌دهند.

 

گسست بنیادین

بنابر گزارشات استخراج شده گسست بنیادین در نقطه دیگری که در ادامه به آن‌ها پرداخه خواهد شد، آشکار می‌گردد:

• افت در شاخص تعدیل‌شده با نابرابری (IHDI): طبق همان گزارش 2025 برنامه توسعه سازمان ملل (UNDP)، رتبه ایالات متحده با اعمال شاخص نابرابری (IHDI) از رتبه 17 به رتبه 29 جهانی با امتیاز 0/832 سقوط می‌کند که این شکاف 12 پله‌ای ژرف‌ترین شکاف نابرابری در میان اقتصادهای صنعتی توسعه‌یافته است.
• پیچیدگی اقتصادی (ECI): بر اساس اطلس پیچیدگی اقتصادی دانشگاه هاروارد (Harvard Growth Lab Atlas, 2024)، رتبه پیچیدگی اقتصادی آمریکا در جایگاه 20 قرار دارد که نشان‌دهنده تک‌افتادگی برخی بخش‌های زیرساختی و زنجیره‌های تامین سنتی در برابر جهش یک‌سویه حوزه فناوری است.
• شکاف با نوآوری محض: بر پایه شاخص جهانی نوآوری وایپو (WIPO Global Innovation Index, 2025)، آمریکا با کسب امتیاز 61/7 رتبه 3 جهان را در اختیار دارد و طبق رصد مؤسسه پژوهشی Epoch AI (2025) بیش از 75% از توان پردازشی هوش مصنوعی جهان را در خاک خود متمرکز کرده است.

این ماتریس ناتراز آماری نشان می‌دهد در حالیکه توان پردازش و نوآوری دیجیتال آمریکا در بالاترین تراز جهانی است، مزایای آن در قالب ارتقای زیست اجتماعی، کاهش نابرابری و توزیع رفاه پایدار جذب بدنه عمومی جامعه نشده است. در این مرحله از مطالعه پرسش ما این است که چرا کشوری با چنین افت کیفیتی در شاخص‌های برابری، 5 درصد از کل سبد برق ملی خود را می‌سوزاند تا مزارع سرور را خنک نگه دارد؟

 

سه‌گانه فشار استراتژیک

بهرحال ما این مصرف انرژی در امریکا را در قالب سه نیروی محرکه استراتژیک تحلیل می‌کنیم:

• حاکمیت محاسباتی (Compute Sovereignty): در عصر حاضر توان پردازشی به مثابه ترازاول قدرت ملی است. ایالات متحده به خوبی دریافته است که حفظ برتری در هوش مصنوعی (AGI)، شبیه‌سازی‌های استراتژیک نظامی و امنیت سایبری، مستلزم تداوم ساخت زیرساخت‌های محاسباتی در مقیاس‌های اگزافلاپس است. مصرف 5 درصد برق، هزینه‌ای است که برای جلوگیری از شکاف دیجیتال معکوس پرداخت می‌شود. وضعیتی که در آن رقبایی مانند چین با بهره‌گیری از زیرساخت‌های متمرکز، برتری تکنولوژیک را به دست می‌گیرند.
• امپریالیسم داده و کنترل جریان ارزش: برخلاف باور عموم که دیتاسنترها را صرفا محل ذخیره‌سازی می‌دانند، این پایگاه‌ها پالایشگاه‌های داده هستند. بخش بزرگی از جریان اطلاعات جهانی از جمله اطلاعات مالی، رفتاری و نظامی، از طریق زیرساخت‌های ابری تحت مالکیت آمریکا مانند AWS، Azure و GCP عبور می‌کند. این زیرساخت‌ها نوعی مستعمره‌سازی دیجیتال ایجاد کرده‌اند که در آن، داده‌های حیاتی سایر ملت‌ها به صورت لحظه‌ای استخراج و برای آموزش مدل‌های پیش‌بینی‌کننده استفاده می‌شوند. لذا این مصرف برق هزینه نگهداری از شبکه کنترل جهانی است.
• قفل‌شدگی مالی و دام سرمایه‌گذاری (Capex Trap): بزرگترین شرکت‌های جهان بیش از 30 درصد ارزش شاخص S&P 500 را تشکیل می‌دهند. مدل کسب‌وکار این شرکت‌ها بر پایه رشد تصاعدی تقاضا برای پردازش بنا شده است. هرگونه کاهش در سرعت ساخت دیتاسنترها، منجر به کاهش قیمت سهام و بروز بحران در وال‌استریت می‌شود. این شرکت‌ها در یک تله بازگشت سرمایه گرفتار شده‌اند که مستلزم مصرف مداوم انرژی برای حفظ ارزش بازار است.

 

تضاد جاونز و بیماری هزینه بومول

از دیدگاه متدولوژی‌های ناب (Lean) این شیوه مصرف مصداق یک اتلاف ساختاری در ابعاد کلان است:

پارادوکس جاونز و ناکارآمدی سیستماتیک

ویلیام استنلی جاونز در سده نوزدهم نشان داد که افزایش بهره‌وری موتور بخار به کاهش مصرف زغال‌سنگ منجر نشد، چراکه با کاهش هزینه تقاضای کل زغال‌سنگ دچار رشد چشمگیری شد. با اشاره به این مطلب باید به این موضوع اشاره نمود که در دیتاسنترها نیز دقیقا همین اتفاق افتاده است. با اینکه بهره‌وری انرژی پردازنده‌ها (معیار PUE) به 1/1 تا 1/2 رسیده و شتاب‌دهنده‌ها به ازای هر وات محاسبات بیشتری انجام می‌دهند، اما کاهش هزینه نهایی استنتاج، حجم تقاضا را میلیاردها برابر کرده و در نتیجه مصرف برق کل کشور را به سوی 5 درصد جهش داده است.

یعنی از دیدگاه تحلیل بهره‌وری ما با یک نمود کلاسیک از پارادوکس جاونز (Jevons Paradox) روبرو هستیم. با پیشرفت تکنولوژی و افزایش کارایی هر پردازنده (تعداد محاسبات به ازای هر وات انرژی)، در حالیکه انتظار می‌رفت مصرف انرژی کل کاهش یابد، اما آنچه در واقعیت رخ داده افزایش تقاضا برای کاربردهای سنگین‌تر مانند تولید محتوای هوش مصنوعی، آموزش مدل‌های زبانی و رمزنگاری است که دستاوردهای کارایی (Efficiency Gains) را کاملا خنثی کرده است.

این پدیده نشان می‌دهد که بهره‌وری حداکثری اولویت سیستم نبوده و در حال مصرف حداکثری است. از طرفی این فرآیند دارای اتلاف بالایی است که اگرچه از منظر استراتژیک ملی الزام تلقی می‌شود، اما از منظر اقتصادی-رفاهی، یک ناکارآمدی نهادینه محسوب می‌گردد.

اثر بیماری هزینه‌ای بومول (Baumol’s Cost Disease)

در حالیکه بهره‌وری در بخش دیجیتال به صورت تصاعدی بالا می‌رود، بخش‌های سنتی اقتصاد (آموزش، درمان، زیرساخت فیزیکی توزیع برق) رشد بهره‌وری پایینی دارند. هدایت جریان سرمایه و برق کشور به سمت دیتاسنترها، هزینه فرصت نوسازی شبکه و بخش عمومی را به شدت بالا برده و به تشدید نابرابری (علت تنزل رتبه IHDI آمریکا به 29) دامن زده است.

 

تحلیل ژئوپلیتیک و سیاست‌گذاری برای توسعه

برای کشوری در حال توسعه مانند ایران و یا هر کشوری که به دنبال ترسیم مسیر توسعه است، این تحلیل چند پیام کلیدی دارد:

• تمایز بین توسعه رفاه‌محور و توسعه هژمون‌محور: مصرف برق دیتاسنتر در آمریکا رفاه‌محور نیست. بنابراین برنامه‌ریزان توسعه نباید لزوما برای رسیدن به سطوح بالای مصرف انرژی بدون زیرساخت تولیدی تلاش کنند. مصرف بالای انرژی الزاما نشانه توسعه‌یافتگی نبوده و توسعه زیرساخت زمانی به بار می‌نشیند که خروجی آن در قالب ارتقای شاخص پیچیدگی اقتصادی (ECI) و عدالت توزیعی (IHDI) متبلور شود، نه صرفا در آمارهای خام سرانه برق.
• پایداری شبکه برق و مدیریت ریسک تقاضا: گزارش‌های اخیر آژانس‌های ایالتی آمریکا نشان می‌دهد که حضور دیتاسنترها در ایالت‌هایی مانند ویرجینیا و تگزاس موجب تحمیل خاموشی و جهش نرخ برق مصرف‌کنندگان خرد و صنایع بومی شده است. برنامه‌ریزی برای توسعه اقتصاد دیجیتال باید مبتنی بر مدلسازی تعادل عمومی انرژی (Energy-Economy Computable General Equilibrium) باشد تا توسعه یک بخش منجر به ازکارافتادگی سایر بخش‌های حیاتی نگردد.
• صیانت از حاکمیت داده (Data Sovereignty): اتکا به ابرهای خارجی، واگذاری داده‌های حیاتی کشور به پالایشگاه‌های داده‌ای است که هزینه‌اش را شهروندان با هویت خود و منافعش را شرکت‌های چندملیتی با هژمونی پردازشی برداشت می‌کنند. وابستگی به ابرهای خارجی از منظر استقلال زیرساختی، به معنای تسلیم حاکمیت داده است. استراتژی ملی توسعه باید بر ساخت دیتاسنترهای سبز، چابک، بومی با اولویت کارایی انرژی با توجیه دقیق بهره‌وری (DMAIC) و متمرکز بر حفاظت از داده‌های سرزمینی استوار باشد.
• پایداری: ایالات متحده با چالش‌های اجتماعی ناشی از این مصرف مانند تورم قیمت برق برای شهروندان روبروست. این تجربه‌ای است که باید در مدلسازی‌های انرژی ملی برای جلوگیری از تنش‌های اجتماعی-زیرساختی مد نظر قرار گیرد.

به‌طور کلی مصرف برق 5 درصدی دیتاسنترهای آمریکا، نه تصمیمی برای بالا بردن استانداردهای زیستی شهروندان و شاخص‌های کلاسیک رفاه، بلکه یک الزام ژئواستراتژیک و مالی برای استمرار سلطه بر عصر هوش مصنوعی و اقتصاد کلود جهان است. این مصرف انرژی بهایی است که ایالات متحده برای حفظ موقعیت مونوپولی در زنجیره جهانی ارزش، حفظ ارزش تصنعی شرکت‌های بورسی وال‌استریت و تثبیت حاکمیت محاسباتی خود می‌پردازد. نگاه تکنوکراتیک و دقیق به این موازنه آشکار می‌سازد که الگوبرداری از سطوح بالای مصرف بدون توجه به پیامدهای نابرابری و فشار بر زیرساخت‌های پایه، انحراف از منطق بهره‌وری و توسعه پایدار است.

همچنین از مطالب پیش گفته می‌توان درس‌ سیاست‌گذاری برای توسعه زیرساخت در ایران آموخت. در کشور ما سنجش زیرساخت فاوا با متراژ سالن یا تعداد اتاق سرور صورت می‌پذیرد که به عقیدۀ ما این امر یک اشتباه رایج است. اگر ایران بخواهد قطب محاسباتی با 10،000 رک پیشرفته هوش مصنوعی احداث کند، با در نظر گرفتن میزان مصرف برق 40KW برای هر رک نیازمند 400MW IT Load است. با لحاظ PUE معادل 1/25، این پروژه 500MW توان الکتریکی اختصاصی طلب می‌کند که معادل خروجی یک نیروگاه بزرگ سیکل ترکیبی است. به همین دلیل است که کشوری مثل ایران با وجود ناترازی برق، به جای مدل توسعه حجمی رک‌ها، باید روی الگوریتم‌های با سربار محاسباتی کم، فشرده‌سازی مدل‌ها و بهینه‌سازی بار (Load Optimization) تمرکز کند.

از طرفی وقتی دیدیم هایپراسکيلرهای غربی با مصرف برق در خاک خود، داده‌های منطقه را پالایش و به اهرم فشار ژئوپلیتیک تبدیل می‌کنند، وابستگی کامل به زیرساخت‌های ابری خارجی (Cloud Dependency) یعنی واگذاری حاکمیت ملی.
راهکار سیاستی برای مقابله با این خطر در مجلس و شورای عالی فضای مجازی است که لازم است سیاست ذخیره‌سازی و پردازش لایه‌بندی‌شده (Tiered Data Sovereignty) را تعریف یا بازتعریف کنند. داده‌های حیاتی از جمله داده‌های بانکی، ژنتیکی، آماری و صنعتی به هیچ وجه نباید بدون پردازش اولیه از کشور خارج شود. این امر یک الزام قانونی است برای ایجاد دیتاسنترهای امن داخلی با استانداردهای پایداری بالا.

 

مدیریت ناترازی برق با رویکرد “آمایش سرزمین دیتاسنترها”

ایران با بیش از 15،000MW کسری تراز اوج بار در حال حاضر با ناترازی شدید برق در فصول گرم و گاز در فصول سرد روبروست. اگر بدون برنامه‌ریزی به سمت ساخت دیتاسنترهای پرمصرف هوش مصنوعی برویم، صنایع مادر و شبکه خانگی مانند بحرانی که ویرجینیا و تگزاس با آن درگیر شدند آسیب مضاعف خواهند دید. راهکارهای سیاستی و بودجه‌ای پیشنهادی ما این است:

• هم‌مکانی با تجدیدپذیرها (Off-grid Colocation): مجلس باید احداث دیتاسنترهای متمرکز پردازشی (AI Compute Farms) را مشروط به تامین 100 درصدی برق از منابع تجدیدپذیر بومی که عمدتا خورشیدی در مناطق کویری یا بادی در شرق کشور هستند، و با سامانه‌های ذخیره‌ساز (BESS) خارج از شبکه سراسری کند.
• آمایش بر مبنای اقلیم خنک: دیتاسنترها نباید در کلان‌شهرهای پرمصرف و گرم مثل تهران، اصفهان یا اهواز متمرکز شوند. شمال غرب، غرب کشور و مناطق کوهستانی مرتفع به دلیل میانگین دمای پایین‌تر نیازمند انرژی خنک‌کاری (Cooling Power) بسیار کمتری هستند که شاخص PUE را از 1/6 به نزدیکی 1/1 کاهش می‌دهد.

 

بهره‌وری الگوریتمی

طبق مطالعات انجام شده بودجه کل Capex غول‌های آمریکایی در سال به 200 میلیارد دلار می‌رسد. ایران نه منابع مالی بی‌پایان برای خرید مزارع H100 انویدیا را دارد و نه به دلیل تحریم‌ها دسترسی آزاد به تراشه‌های زیر 3 نانومتر ممکن است. تلاش برای رقابت مقیاس‌محور (Brute Force Scaling) خطای استراتژیک است. راهکارهای بهره‌وری به موارد ذیل منتهی می‌گردد:

• سیاست‌گذاری توسعه، به جای تعداد GPU بر روی بهره‌وری الگوریتمی (Algorithmic Efficiency) متمرکز شود. یعنی حرکت به سوی مدل‌های زبان کوچک و کارآمد (SLMs)، فشرده‌سازی مدل‌ها (Quantization)، و هوش مصنوعی لبه (Edge AI) که توان پردازشی کمتری می‌خواهند اما مسائل بومی را حل می‌کنند.
• تعریف فرآیندهای DMAIC برای حذف اتلاف محاسباتی در سازمان‌های دولتی. ده‌ها سرور موازی و راکدهای سازمانی در ارگان‌ها وجود دارد که ضریب بار (Load Factor) آن‌ها زیر 10 درصد است و برق مصرف می‌کنند بدون اینکه ارزش‌افزوده تولید کنند (اشاره به مفهوم Virtualization و ابر متمرکز دولتی).

 

تعریف نقش در زنجیره تامین اوراسیا و طرح بریکس (BRICS Data Route)

بررسی‌ها نشان می‌دهد که آمریکا تلاش می‌کند دروازه‌بان ابری جهان باقی بماند، اما کشورهای نوظهور مانند چین، روسیه، هند و برزیل نیز در حال توسعه معماری بریکس برای کاهش اتکا به زیرساخت‌های غرب هستند. راهکار ژئوپلیتیک پیشنهادی این است که ایران با موقعیت جغرافیایی کم‌نظیر خود در هاب ترانزیت داده (مسیر فیبر نوری اروپا-آسیا از خلیج فارس به دریای خزر)، می‌تواند به جای اینکه تنها یک مصرف‌کننده برق باشد، به هاب تبادل و پردازش امن ترانزیتی منطقه تبدیل شود. این یک پروژه پیشران زیرساختی است که اشتغال نخبگانی در مهندسی کامپیوتر و صنایع ایجاد کرده و درآمد ارزی پایدار بدون آلایندگی نفت و فولاد تولید می‌کند.

برق دیتاسنتر در آمریکا نشان داد که تکنولوژی بدون برنامه آمایشی، شبکه برق را دچار آسیب جدی می‌نماید و نابرابری را زیاد می‌کند، اما تسلیم شدن در برابر زیرساخت خارجی هم استقلال را از بین می‌برد. راه ایران در برنامه توسعه هفتم و لوایح بودجه، نه تقلید از ولخرجی برقی وال‌استریت است و نه انفعال فناوری! راهکار ما احداث قطب‌های محاسباتی سبز و اقلیم‌محور در مناطق خنک، توسعه الگوریتم‌های فوق‌کم‌مصرف و ارتقای بهره‌وری داده در زنجیره حکمرانی است.