دیتاسنترهای هوش مصنوعی در اروپا به سمت برق حرکت می‌کنند، نه فقط کاربران

چه چیزی تغییر کرده است

خط لوله دیتاسنترهای hyperscale اروپا با رشد بارهای کاری هوش مصنوعی از هاب‌های شهری تثبیت‌شده فاصله می‌گیرد، زیرا برق، زمین و زیرساخت در مقیاس بزرگ اهمیت بیشتری پیدا کرده‌اند. این به معنی حذف مناطق اصلی ابری نیست؛ بلکه سهم بیشتری از ظرفیت جدید در مکان‌هایی برنامه‌ریزی می‌شود که تأمین برق سریع‌تر و در مقیاس بزرگ‌تر ممکن است.

در گزارش میان‌سال ۲۰۲۶ دیتاسنتر EMEA از JLL، پروژه‌های hyperscale برنامه‌ریزی‌شده برای ۲۰۲۶ تا ۲۰۲۸ به‌طور متوسط حدود ۱۷۵ کیلومتر از هاب‌های اصلی فاصله دارند؛ این رقم برای پروژه‌های تحویل‌شده در ۲۰۲۲ تا ۲۰۲۵ حدود ۴۶ کیلومتر بوده است. JLL همچنین می‌گوید سهم پروژه‌های greenfield در خط لوله جدید حدود ۳۹ درصد است، در برابر حدود ۸ درصد در دوره قبلی.

این ارقام از مجموعه‌داده اختصاصی JLL می‌آیند و JLL خود در بازار املاک دیتاسنتر فعال است. بنابراین باید آن‌ها را داده‌های بازار JLL دانست، نه آمار عمومی مستقل. گزارش Reuters به‌طور مستقل روند کلی را تأیید می‌کند: توسعه‌دهندگان بیش از گذشته به دنبال مکان‌هایی با دسترسی ارزان‌تر یا سریع‌تر به برق و زمین هستند.

چرا برق به قید معماری تبدیل می‌شود

زیرساخت هوش مصنوعی اقتصاد مکان را تغییر می‌دهد، زیرا کلاسترهای بزرگ آموزش و ناوگان استنتاج در مقیاس بالا به برق قابل‌توجه و قابل‌پیش‌بینی نیاز دارند. در بازارهای شهری محدود، صف اتصال به شبکه و ظرفیت پست‌های برق می‌تواند به اندازه سرور، شتاب‌دهنده یا شبکه بر زمان‌بندی پروژه اثر بگذارد.

در نتیجه جغرافیا به بخشی از معماری سیستم تبدیل می‌شود. دیگر نمی‌توان فرض کرد همه محاسبات باید نزدیک بزرگ‌ترین جمعیت کاربران یا در هاب‌های سنتی ابر قرار گیرند. تیم‌ها باید میان latency، دسترسی به برق، هزینه شبکه، اقامت داده، رزرو ظرفیت و قابلیت جابه‌جایی workload تعادل ایجاد کنند.

احتمال شکل‌گیری جغرافیای دولایه

یک فرضیه معماری مفید، مدل دولایه است: آموزش سنگین و workloadهای کم‌حساس به latency می‌توانند به مناطق غنی از برق منتقل شوند، در حالی که استنتاج حساس به latency نزدیک کاربران و سامانه‌های سازمانی باقی بماند. این تحلیل Aipolix است و نتیجه مستقیم مجموعه‌داده JLL نیست.

اگر این الگو تقویت شود، تیم‌های معماری به جابه‌جایی بهتر workload میان مناطق نیاز خواهند داشت. artifactهای مدل، checkpointها، pipelineهای داده، observability و لایه‌های سرو باید در گستره فیزیکی بزرگ‌تری کار کنند، بدون اینکه هزینه شبکه یا ریسک حکمرانی داده نامطلوب ایجاد شود.

پیامد برای راهبرد ابر و سازمان

برای خریداران خدمات ابری، ظرفیت منطقه‌ای می‌تواند از یک فرض پس‌زمینه به متغیر تدارکاتی تبدیل شود. منطقه ترجیحی ممکن است موجودی شتاب‌دهنده یا ظرفیت برق لازم برای توسعه بزرگ را نداشته باشد. بنابراین طراحی چندمنطقه‌ای می‌تواند علاوه بر تاب‌آوری، راهبرد تأمین ظرفیت نیز باشد.

برای سازمان‌هایی که زیرساخت خصوصی یا hybrid AI می‌سازند، انتخاب سایت بیش از گذشته به راهبرد مدل متصل می‌شود. قرارداد برق، زمان اتصال به شبکه، طراحی خنک‌سازی و اتصال شبکه تعیین می‌کند کدام workloadها در محل، colocation یا public cloud اقتصادی‌تر هستند.

پرتغال و ایبریا

پرتغال و بازار گسترده‌تر ایبریا ممکن است از این بازتوزیع سود ببرند، زیرا توسعه‌دهندگان فراتر از هاب‌های سنتی اروپا را بررسی می‌کنند. گزارش‌های محلی به دسترسی به انرژی، اتصال و زمین به‌عنوان مزیت اشاره کرده‌اند. با این حال، این نتیجه نباید بیش از حد تعمیم داده شود؛ اقتصاد هر سایت به قطعیت اتصال شبکه، مسیرهای فیبر، مجوزها، آب و خنک‌سازی و تقاضای واقعی مشتری وابسته است.

یک گزارش اخیر درباره بازار پرتغال علاقه سرمایه‌گذاری را نشان می‌دهد، اما به‌تنهایی ثابت نمی‌کند پرتغال سهم نامتناسبی از زیرساخت جدید هوش مصنوعی اروپا جذب خواهد کرد.

ریسک‌ها و عدم قطعیت

فاصله از هاب اصلی تنها یکی از متغیرهاست و ثابت نمی‌کند همه تأسیسات جدید AI به بازارهای ثانویه منتقل می‌شوند. هاب‌های اصلی همچنان مزایایی مانند تراکم فیبر، interconnection، نیروی متخصص، نزدیکی به مشتری و اکوسیستم ابری تثبیت‌شده دارند. ظرفیت شبکه برق نیز می‌تواند با تغییر صف اتصال و پروژه‌های جدید تولید و انتقال دگرگون شود.

ارقام ۱۷۵ کیلومتر و ۳۹ درصد به مجموعه‌داده و روش JLL وابسته‌اند. این اعداد شاخص جهت‌دار مفیدی هستند، اما نباید به یک قانون عمومی برای همه توسعه دیتاسنترهای اروپا تبدیل شوند.

تحلیل Aipolix

پیامد معماری این است که برق به یکی از قیود درجه اول placement برای AI تبدیل می‌شود. برای بسیاری از workloadهای بزرگ، پرسش از «کدام region نزدیک‌تر است؟» به «کدام region می‌تواند برق، شتاب‌دهنده و ظرفیت شبکه لازم را در زمان مورد نیاز فراهم کند؟» تغییر می‌کند.

این روند به نفع معماری‌هایی است که workloadها را بر اساس حساسیت به latency جدا می‌کنند و placement را قابل‌انتقال‌تر می‌سازند. سازمان‌هایی آمادگی بیشتری خواهند داشت که محدودیت‌های زیرساخت فیزیکی را بخشی از معماری نرم‌افزار و مدل بدانند، نه مسئله‌ای که پس از طراحی نرم‌افزار به تیم تأسیسات سپرده شود.

منابع

داده اصلی: گزارش میان‌سال ۲۰۲۶ دیتاسنتر EMEA از JLL و اعلامیه مرتبط JLL.

زمینه مستقل: Reuters، ۱۹ اوت ۲۰۲۶.

زمینه جهانی: JLL Global Data Center Outlook 2026.