خانهای که با یک دیتاسنتر گرم میشود؛ چگونه یک زوج انگلیسی قبض انرژی را از ۳۷۵ پوند به ۴۰ پوند رساندند؟
استفاده از حرارت تولیدی دیتاسنترهای کوچک برای گرمایش منازل حالا از یک ایده آزمایشگاهی فراتر رفته و وارد خانههای مردم شده است. زوجی در اسکس انگلستان گزارش دادهاند که با جایگزینی بویلر گاز با یک HeatHub — یک دیتاسنتر کوچک شامل بیش از ۵۰۰ رایانه — هزینه انرژیشان از ۳۷۵ پوند در ماه به ۴۰ پوند کاهش یافته است. این فناوری که توسط شرکت Thermify توسعه یافته، نمونهای از روشهای خلاقانه برای مدیریت مصرف انرژی در عصر رشد انفجاری هوش مصنوعی است؛ صنعتی که دیتاسنترهای آن انرژی هنگفتی جذب میکنند.
پاسخ فوری: چگونه این فناوری کار میکند؟
HeatHub یک دیتاسنتر کوچک حاوی صدها مینیکامپیوتر است. هنگام پردازش داده — از جمله پردازشهایی که میتوانند در سرویسهای مبتنی بر هوش مصنوعی استفاده شوند — حرارت تولید میشود. این حرارت از طریق روغن جمعآوری و وارد سیستم آب گرم و گرمایش خانه میشود. نکته مهم اینجاست که هزینه برق این دستگاه را مشتریانی که پردازش داده سفارش میدهند پرداخت میکنند؛ بنابراین مصرفکننده خانگی تقریباً گرمایش رایگان دریافت میکند.
گزارش کامل و تحلیل تخصصی
گامی جدید در بازیافت انرژی دیجیتال
دیتاسنترها حدود ۲.۵٪ از برق بریتانیا را مصرف میکنند و با گسترش خدمات دیجیتال و مدلهای مبتنی بر هوش مصنوعی این عدد رو به افزایش است. Thermify مدعی است که HeatHub میتواند این مصرف را به یک مزیت خانگی تبدیل کند: گرمای رایگان، بدون گاز و با ردپای کربن ناچیز.
این رویکرد بخشی از پروژه SHIELD است؛ ابتکاری که توسط UK Power Networks برای کمک به خانوارهای کمدرآمد جهت گذار به انرژی پاک طراحی شده است.
تجربه واقعی: ۱۰۰٪ بهتر از قبل
Terrence Bridges، یکی از نخستین کاربران این فناوری، میگوید:
«نمیتوانم هیچ ایرادی از سیستم بگیرم. واقعاً عالی است… ۱۰۰٪ بهتر از سیستم قبلی ماست.»
به گفته او، همزمان با HeatHub، روی خانهشان پنل خورشیدی و باتری نیز نصب شده که به کاهش هزینههای انرژی کمک کرده است.
هر واحد HeatHub چه توان محاسباتی دارد؟
هر ماژول HeatHub شامل ۵۶ رایانه Raspberry Pi است؛ دستگاههایی کوچک اما کارآمد که میتوانند پردازشهای سبکتری مانند:
- اجرای اپلیکیشنها
- تحلیل دادههای کوچک تا متوسط
- سرویسهای ابری سبک
را انجام دهند. Thermify تأکید میکند که این سیستم برای پردازشهای سنگین AI طراحی نشده، اما در آینده میتواند شبکهای توزیعشده تشکیل دهد که پردازش مشتریان را با گرمایش خانهها ترکیب کند.
آیا مقیاسپذیر است؟
شرکت Eastlight، ارائهدهنده اجتماعی مسکن، قصد دارد این طرح را در ۵۰ خانه دیگر نیز اجرا کند. از سوی دیگر، نمونههای مشابه نیز در سراسر بریتانیا در حال گسترش است:
- استفاده از «دیجیتال بویلر» برای گرمکردن یک استخر عمومی در Devon
- طرح ساخت Melbourn Energy Superloop شامل دیتاسنتر خورشیدی و شبکه حرارتی
- پروژههای بیمارستانی مانند طرح ۹۵ میلیون پوندی Milton Keynes Hospital
همه این موارد نشان میدهد گرمایش مبتنی بر دیتاسنتر در حال تبدیل شدن به یک مدل انرژی نوظهور است.
طبیعت به کمک دیتاسنترها میآید
در بخش دوم گزارش، BBC نمونهای دیگر را معرفی میکند: دیتاسنتری کوچک در پیتربورو که با یک دریاچه مصنوعی خنک میشود. این سامانه:
- از خورشید انرژی میگیرد،
- از آب طبیعی برای خنکسازی استفاده میکند،
- و حتی از ماهیها برای پاکسازی لولهها بهره میبرد.
این نمونهها نشان میدهد که مدیریت حرارت — یکی از چالشهای اصلی دیتاسنترها — میتواند هم هزینه و هم مصرف انرژی را بهطور چشمگیری کاهش دهد.
چرا این خبر برای دنیای فناوری مهم است؟
سه دلیل اهمیت این خبر را میتوان برجسته کرد:
۱. رشد انفجاری هوش مصنوعی نیازمند دیتاسنترهای کممصرف است
با گسترش مدلهای زبانی، سیستمهای مولد و ابزارهای هوش مصنوعی فارسی، مصرف دیتاسنترها رو به افزایش است. بازیافت حرارت میتواند این روند را پایدارتر کند.
۲. ترکیب فناوریهای دیجیتال با زیرساختهای خانگی یک تحول اکوسیستمی است
جایی که:
- پردازش ابری
- انرژی خورشیدی
- گرمایش خانگی
همه در یک چرخه بهصرفه و کمکربن گرد هم میآیند.
۳. این مدل میتواند یک راهکار عملی برای کاهش فقر انرژی باشد
ویژهسازی برای خانوارهای کمدرآمد، همان چیزی است که پروژه SHIELD هدف گرفته است.
ریحانه غیرتمند
رضا حاتمی
نگین فاتحی
نگین فاتحی
نگین فاتحی
آموزش ۰ تا ۱۰۰ استفاده از سرویسهای تحت وب هوش مصنوعی ویرا
۹ ایده بازی خانگی برای کودکان + آموزش جامع ایدهپردازی و طراحی با هوش مصنوعی فارسی
