الرقم من Stanford الذي يُعيد صياغة النقاش حول الذكاء الاصطناعي
أصدر معهد Human-Centered AI (HAI) التابع لـ Stanford تقرير AI Index لعام 2026 في أبريل، ومن بين عناوين التقدم يبرز رقم يُعيد صياغة كيف ينبغي لمجالس الإدارة والمنظمين ومخططي الطاقة التفكير في هذه التكنولوجيا. ارتفعت القدرة الكهربائية لمراكز البيانات المخصصة للذكاء الاصطناعي إلى 29.6 جيجاواط — نفس الحمل اللازم لتشغيل ولاية نيويورك في ذروة الطلب. على الصعيد العالمي، أصبح الاستهلاك الكهربائي التراكمي لأنظمة الذكاء الاصطناعي “الشاملة” مماثلاً للاستهلاك الوطني السنوي لسويسرا أو النمسا.
هذا الرقم ليس توقعاً. إنه القاعدة المُنشأة التي قاسها باحثو Stanford عند دخول 2026، وهو ينمو أسرع من أي مصدر طاقة جديد يمكن إضافته بشكل معقول إلى الشبكة. لهذا السبب أيضاً، فإن التقرير، الذي يُقرأ عادةً كبطاقة أداء تقنية، ضاعف هذا العام المساحة المخصصة للمؤشرات البيئية والإنصاف والثقة.
تدريب نموذج حدودي يُكلف الآن انبعاثات مدينة كاملة
العنوان حول 29.6 جيجاواط يتحدث عن الحمل التشغيلي. صورة الانبعاثات الناتجة عن تدريب نماذج جديدة صارخة بنفس القدر. يُسلط Stanford الضوء على Grok 4، النموذج الحدودي من xAI الذي دُرّب في الحاسوب الخارق Colossus في Memphis، كدراسة حالة لما يبدو عليه السيناريو الأسوأ للتدريب في 2026.
الانبعاثات المُقدّرة للتدريب: 72,816 طناً من مكافئ CO2، وهو ما يوازي الناتج السنوي لنحو 17,000 سيارة. التحليل المستقل من Epoch AI يضع إجمالي الموارد أعلى من ذلك — 310 جيجاواط/ساعة من الكهرباء، حوالي 750 مليون لتر من الماء للتبريد، وبصمة كربونية إجمالية أقرب إلى 154,000 طن من CO2 عند الأخذ في الاعتبار أن Colossus كان يعمل إلى حد كبير على توربينات الغاز الطبيعي الموجودة في الموقع والتي تُطلق حوالي 0.49 كجم CO2 لكل كيلوواط/ساعة، أي ما يقارب 1.3 ضعف متوسط الشبكة الأمريكية.
للسياق، يُقدّر Epoch أن متطلبات التبريد لتشغيل Grok 4 وحده تعادل حوالي 300 بركة سباحة أولمبية من الماء. هذا ليس فضولاً. إنه الواقع التشغيلي لأي منظمة تسعى إلى تدريب نموذج جديد من فئة حدودية في 2026.
الاستدلال هو المشكلة الأكبر على المدى البعيد
التدريب يحصل على العناوين، لكن الاستدلال — الكهرباء والماء المُنفقان في كل مرة يُرسل فيها المستخدم طلباً — هو المكان الذي تنكسر فيه الرياضيات البيئية على المدى البعيد. يُقدّر تقرير Stanford أن الاستهلاك السنوي للمياه لاستدلال GPT-4o وحده قد يتجاوز احتياجات مياه الشرب لحوالي 12 مليون شخص. اضرب ذلك في أكثر من عشرة نماذج حدودية تخدم الآن مئات الملايين من المستخدمين يومياً، ويصبح الاستدلال البند المهيمن بهدوء.
هذا مهم للمشتريات. عندما يبقى النموذج في الإنتاج لمدة عامين أو ثلاثة، تُترجم كل نقطة مئوية من كفاءة الاستدلال مباشرة إلى ميجاواط من السحب المُتجنب من الشبكة. لهذا السبب لم تعد تحسينات الضغط في Gemini 3.1 Pro وبنى Mixture-of-Experts قصص أداء فقط — بل أصبحت قصص استدامة ذات تداعيات على النفقات الرأسمالية والعلاقات العامة.
إعلان
ماذا تعني 29.6 جيجاواط للمؤسسات
- الطاقة هي عنق الزجاجة الجديد، وليس وحدات GPU. يقوم الـ hyperscalers الآن بتحديد مواقع مراكز البيانات بناءً على توفر الربط بالشبكة وحقوق المياه بدلاً من الألياف أو العقارات. التزام Microsoft الرأسمالي لعام FY26 بنحو 140 مليار دولار و200 مليار دولار من Amazon يتضمنان اتفاقيات شراء طاقة متعددة السنوات مع مزودي الطاقة النووية والمتجددة لأن التوصيلات المباشرة بالشبكة لم تعد متاحة في العديد من المناطق ذات الأولوية.
- إفصاحات الاستدامة ستصبح جدية. قانون الذكاء الاصطناعي في الاتحاد الأوروبي وSB 253 في كاليفورنيا وSustainability Disclosure Standards في المملكة المتحدة تتطلب جميعها من مشتري الذكاء الاصطناعي في المؤسسات تتبع انبعاثات النطاق 3 من موفري السحابة والنماذج. ستصبح أرقام Stanford نقاط البيانات المرجعية التي يستشهد بها المدققون.
- اختيار النماذج سيأخذ في الاعتبار الكربون لكل استعلام. توقعوا أن تتضمن دعوات العطاءات من القطاعات المنظمة — المالية والرعاية الصحية والحكومة — مقاييس الانبعاثات والمياه لكل استدلال إلى جانب الدقة والكمون خلال الـ 12 شهراً القادمة. ستفوز النماذج المتخصصة الأصغر والبنى الفعالة بصفقات ستخسرها النماذج الحدودية.
- الإدراك العام يتغير. بيانات المسح الخاصة بـ Stanford تُظهر فجوة تتسع بين المطّلعين على الذكاء الاصطناعي، الذين يظلون متفائلين، والجمهور العام، الذي ارتفع قلقه بشأن التكاليف البيئية للذكاء الاصطناعي بشكل حاد في 2026. تلك الفجوة تصبح مخاطرة سمعة لأي مؤسسة تُسوّق نفسها على أنها متوافقة مع المناخ بينما تنشر أعباء عمل توليدية ثقيلة.
سباق الكفاءة أصبح الآن وجودياً
الخبر الجيد المدفون في التقرير: الكفاءة تتحسن أسرع مما توقع معظم المراقبين. النماذج تصبح أرخص للتشغيل لكل توكن، وكفاءة التدريب تضاعفت تقريباً سنة بعد سنة للأنظمة من الفئة الحدودية، وبنى جديدة مثل ضغط السياق الطويل وتوجيه mixture-of-experts تُقلّص تكلفة الاستدلال لكل استعلام. يلاحظ Stanford أن تكلفة الاستدلال على مستوى GPT-3.5 انخفضت بأكثر من 280 ضعفاً منذ أواخر 2022.
لكن مكاسب الكفاءة يتم تجاوزها بالتوسع. في كل مرة يصبح فيها النموذج أرخص 10 أضعاف للتشغيل، ينمو الاستخدام 50 ضعفاً. مفارقة Jevons في العمل. لهذا السبب يهم رقم 29.6 جيجاواط حتى مع تحسّن الكفاءة — الطلب المطلق يستمر في الارتفاع، وانتقل عنق الزجاجة من السيليكون إلى سعة الشبكة وحقوق المياه.
ما يجب مراقبته في الـ 12 شهراً القادمة
- الشراكات النووية — وقّعت كل من Microsoft وAmazon وGoogle وMeta اتفاقيات مع مشغلين نوويين قائمين أو جدد. توقعوا تحديثات تشغيلية عبر 2026-2027.
- تعهدات “water-positive” — التزم عدة hyperscalers بعمليات “water-positive” بحلول 2030. سيكون Index التالي لـ Stanford أول فحص محايد لما إذا كانوا على المسار الصحيح.
- الإيداعات التنظيمية — تتطلب مدوّنة ممارسة الاتحاد الأوروبي للذكاء الاصطناعي للأغراض العامة إفصاحات الانبعاثات من موفري النماذج بدءاً من منتصف 2026. سيكون هذا أول إصدار بيانات واسع النطاق ومدعوم قانونياً مقارناً بما يجمعه Stanford.
- شفافية بطاقات النماذج — يتزايد الضغط على المختبرات لنشر CO2 واستهلاك المياه لتشغيلات التدريب في بطاقات النماذج. التزمت Anthropic وGoogle. لم تلتزم xAI وOpenAI وMeta.
رقم 29.6 جيجاواط من Stanford هو نوع الرقم الذي يُغيّر كيف يتحدث المديرون الماليون ومديرو المعلومات ومسؤولو الاستدامة مع بعضهم البعض. بالنسبة لعام 2026، لم يعد السؤال هو ما إذا كان الذكاء الاصطناعي قوياً — بل هو ما إذا كانت الشبكة قادرة على المواكبة.
الأسئلة الشائعة
كيف تُقارن 29.6 جيجاواط من طاقة مراكز بيانات الذكاء الاصطناعي بالشبكات الوطنية القائمة؟
29.6 جيجاواط مماثلة لذروة الطلب الكهربائي في ولاية نيويورك وتقترب من الاستهلاك الكهربائي السنوي لسويسرا أو النمسا. إنها القدرة المُنشأة الخاصة بالذكاء الاصطناعي اعتباراً من مطلع 2026، وليست توقعاً، وتنمو أسرع مما يمكن لمعظم الشبكات الإقليمية إضافة توليد جديد.
لماذا يُعتبر الاستدلال، وليس التدريب، المشكلة البيئية الأكبر على المدى البعيد؟
تدريب نموذج حدودي تكلفة لمرة واحدة — حدثت 72,816 طناً من CO2 لـ Grok 4 مرة واحدة. الاستدلال مستمر: كل استعلام من مئات الملايين من المستخدمين يومياً يستهلك كهرباء وماء. يُقدّر Stanford أن استدلال GPT-4o وحده قد يتجاوز احتياجات مياه الشرب لـ 12 مليون شخص سنوياً. على مدى عمر إنتاج نموذج لمدة سنتين إلى ثلاث سنوات، يهيمن الاستدلال عادةً على إجمالي الانبعاثات.
ماذا ينبغي للمؤسسات أن تفعل بشأن انبعاثات النطاق 3 من بائعي الذكاء الاصطناعي؟
ابدأ في تتبع بيانات الانبعاثات التي يوفرها البائع الآن. سيتطلب قانون الذكاء الاصطناعي في الاتحاد الأوروبي وSB 253 في كاليفورنيا وSustainability Disclosure Standards في المملكة المتحدة تقارير النطاق 3 من موفري السحابة والنماذج. أعطِ الأولوية للبائعين الذين ينشرون أرقام CO2 لتشغيلات التدريب (Anthropic وGoogle) وفكّر في نماذج متخصصة أصغر حيث لا يُشترط أداء حدودي. أدرج مقاييس الكربون لكل استعلام إلى جانب الدقة والكمون في دعوات العطاءات لمشتريات الذكاء الاصطناعي.
المصادر والقراءات الإضافية
- Inside the AI Index: 12 Takeaways from the 2026 Report — Stanford HAI
- The 2026 AI Index Report — Stanford HAI
- What did it take to train Grok 4? — Epoch AI
- Stanford’s 2026 AI Index: progress on capabilities but flags environmental costs — Complete AI Training
- Stanford’s AI Index for 2026 Shows the State of AI — IEEE Spectrum
