سوق الطاقة للذكاء الاصطناعي ينمو تسعة أضعاف خلال عقد من الزمن: بنية الكهرباء في مراكز البيانات تدخل مرحلة إعادة الهيكلة

تشهد المنافسة العالمية على البنية التحتية للذكاء الاصطناعي تحوّلًا مهمًا: من «الاستحواذ على القدرة الحاسوبية» إلى «التنافس على الكهرباء». وحدات إمداد الطاقة التي تدعم تشغيل مجموعات معالجات GPU تتحول من مكوّنات قد تُغفَل داخل الخوادم إلى حلقة حاسمة تحدد ما إذا كانت مشاريع الذكاء الاصطناعي ستُطلق في الموعد المحدد. يُظهر تقرير Fact.MR الأخير بعنوان «AI Power Supply Units (AI PSU) Market» أن حجم سوق وحدات إمداد الطاقة للذكاء الاصطناعي عالميًا سينمو من 698 مليون دولار أمريكي في عام 2026 إلى 6.298 مليار دولار أمريكي بحلول عام 2036، بمعدل نمو سنوي مركب يبلغ 24.6%. أي أن هذا الحجم سيتوسع نحو 9 أضعاف خلال العقد المقبل، مما يضيف فرصة سوقية مطلقة تبلغ نحو 5.6 مليار دولار أمريكي لسلسلة الصناعة ذات الصلة.

ويشمل التقرير شركات إمداد الطاقة مثل Delta Electronics وLite-On Technology وFlex وMurata Manufacturing وAdvanced Energy Industries. وتتحول منتجاتها من إمدادات الطاقة القياسية للخوادم إلى حلول الجيل الجديد من إمداد الطاقة المصممة لمجموعات GPU عالية الكثافة ومراكز البيانات فائقة الضخامة.

خلفية الأحداث: ضغوط إمداد الطاقة في مراكز بيانات الذكاء الاصطناعي تطفو على السطح

إن التأثيرات المتسلسلة للطلب المتصاعد على القدرة الحاسوبية للذكاء الاصطناعي تنتقل من رقائق GPU إلى نظام إمداد الطاقة وتوزيعها في مركز البيانات بأكمله. كانت مراكز البيانات السحابية التقليدية تعتمد غالبًا على أعباء عمل CPU، حيث تتراوح قدرة الخزانة الواحدة عادةً من بضعة كيلوواطات إلى بضع عشرة كيلوواطًا، بينما تتطلب خزائن GPU عالية الكثافة في مجموعات تدريب الذكاء الاصطناعي قدرة تفوق الخزائن التقليدية بعدة أضعاف. ويعني هذا التحول أن أنظمة إمداد الطاقة والتوزيع والتبريد القائمة تحتاج إلى ترقية شاملة.

وتعكس بيانات Fact.MR هذه الترقية من أبعاد متعددة. فمن حيث قدرة الخرج، تستحوذ وحدات PSU في نطاق 1000 واط إلى 3000 واط على 46% من حصة السوق، لتشكّل التكوين الرئيسي؛ كما تستحوذ وحدات PSU عالية القدرة فوق 3000 واط على 15%، وتخدم أساسًا مراكز البيانات فائقة الضخامة. بينما لا تزال منتجات المستوى المبتدئ من 500 واط إلى 1000 واط تمثل 34%، مما يدفع نحو نمو متوازٍ لمنتجات جميع المستويات.

من حيث الشكل، تهيمن وحدات PSU القابلة للتبديل السريع (Hot-swap) بحصة 43%، تليها وحدات PSU المعيارية (Modular) بنسبة 25%، بينما تحظى وحدات الطاقة القياسية المفتوحة OCP بحصة 15%. وبفضل التصميم القابل للتبديل السريع والتصميم المعياري، يمكن لفرق التشغيل استبدال وحدات الإمداد أو توسعتها دون مقاطعة المهام، وهو أمر بالغ الأهمية لأعباء عمل الذكاء الاصطناعي التي تتطلب تدريبًا مستمرًا لأسابيع أو حتى شهور. ويعكس نمو وحدات OCP رغبة المزيد من مراكز البيانات فائقة الضخامة في التحرر من الارتباط بمصنّع واحد واعتماد أنظمة إمداد طاقة وفق معايير مفتوحة.

على صعيد التبريد، ما تزال وحدات PSU المبرَّدة بالهواء تستحوذ على 58% من السوق، لكن وحدات PSU المبرَّدة بالسائل ارتفعت سريعًا إلى 42%. ومع استمرار ارتفاع استهلاك طاقة خوادم الذكاء الاصطناعي الفردية، يزداد صعوبة تلبية متطلبات التبريد بالتبريد الهوائي التقليدي في بيئات الكثافة العالية للطاقة، ويغدو دمج وحدات إمداد الطاقة في دورة التبريد السائل توجهًا تقنيًا بارزًا في مراكز بيانات الجيل التالي.## التحليل الفني: أربعة اختلافات رئيسية بين مزودات الطاقة للذكاء الاصطناعي ومزودات الطاقة التقليدية للخوادم

على عكس مصادر الطاقة التقليدية التي كانت مخصصة لتزويد معدات الاتصالات أو الخوادم العامة بالكهرباء، تواجه وحدات إمداد الطاقة للذكاء الاصطناعي أحمالًا ذات قدرة أعلى، وتقلبات أقوى، ومتطلبات توافر أكثر صرامة.

أولًا: مستويات القدرة. تستخدم الخوادم القياسية عادةً معالجًا واحدًا أو معالجين، ويكون ضغط إمداد الطاقة محدودًا؛ بينما تستضيف خوادم الذكاء الاصطناعي غالبًا عدة معالجات رسومية (GPU)، مما يجعل التيار الذروي والاستهلاك المستمر للطاقة يتزايدان بشكل هائل. لذلك، ارتفعت قدرة الوحدة الواحدة من مئات الواطات في الماضي إلى عدة كيلووات، وإن كانت القدرات بين 1000 و3000 واط المذكورة في التقرير قد أصبحت القوة الرئيسية في السوق، وهو دليل على ذلك.

ثانيًا: إدارة الأحمال. يمكن لمزودات الطاقة متعددة المسارات تقسيم الطاقة إلى خطوط مختلفة، وتجنب التحميل الزائد على نقطة واحدة، وتقليل تأثير الخلل في خط معين على المكونات الأخرى. إن استحواذ مزودات الطاقة متعددة المسارات على حصة سوقية تبلغ 62% بحلول عام 2026 يُظهر من جانب أن خوادم الذكاء الاصطناعي تتطلب استقرارًا أعلى بكثير من الخوادم العادية.

ثالثًا: تصميم التوافرية. إن شيوع خاصية التبديل الساخن والتصميمات المعيارية يدل على أن مدراء مراكز البيانات لم يعودوا يهتمون فقط بما إذا كان مصدر الطاقة "يعمل"، بل أصبحوا يهتمون بما إذا كان يمكن استبداله بسرعة بعد تعطله. إن تكلفة انقطاع مهام تدريب الذكاء الاصطناعي مرتفعة للغاية، ووقت استبدال مصدر الطاقة له ارتباط مباشر بمعدل الاستفادة الفعالة من مجموعات معالجات الرسوميات (GPU).

رابعًا: أسلوب التبريد. تولّد مزودات الطاقة عالية القدرة حرارة أثناء تحويل الطاقة. عندما يصل استهلاك الجهاز الواحد إلى عدة كيلووات، لا تستهلك مراوح التبريد الهوائي المزيد من الكهرباء فحسب، بل تؤثر أيضًا على توزيع درجات الحرارة في غرفة الخوادم. تعمل مزودات الطاقة المبردة بالسوائل على إزالة حرارة المكونات مباشرة عبر سائل التبريد، مما يشكل مع حلول التبريد السائل لوحدات GPU وCPU نظامًا متكاملًا للإدارة الحرارية. وهذا أيضًا أحد أسباب استحواذ مزودات الطاقة المبردة بالسوائل على حصة تبلغ 42% في التقرير.

بالإضافة إلى ذلك، أصبحت كفاءة التحويل العالية معيارًا صارمًا. كلما ارتفع مستوى كفاءة تحويل الطاقة، قلت الكهرباء المهدرة كحرارة، كما يمكن أن يخفف العبء على أنظمة UPS وأنظمة التبريد. إن انتشار مصادر الطاقة من الدرجة التيتانيوم والأعلى كفاءة سيؤثر مباشرة على قيمة PUE وفواتير الكهرباء الإجمالية لمراكز بيانات الذكاء الاصطناعي.

تحليل تأثير المؤسسات: ينبغي إدراج البنية التحتية للكهرباء في النموذج المالي للذكاء الاصطناعي

سوق مزودات الطاقة للذكاء الاصطناعي ليس كبيرًا نسبيًا مقارنة بالبنية التحتية الكاملة لتكنولوجيا المعلومات، لكن منحنى نموه من حوالي 560 مليون دولار أمريكي في عام 2025 إلى حوالي 6.3 مليار دولار أمريكي في عام 2036 كافٍ لدفع المؤسسات إلى التفكير في استراتيجيات نشر الذكاء الاصطناعي الخاصة بها.

بالنسبة لصناع القرار في مراكز البيانات ذاتية الإنشاء أو المخصصة، ينعكس التأثير أولاً في النفقات الرأسمالية. إذا كانت هناك خطة لبناء قدرات حاسوبية للذكاء الاصطناعي، فيجب حجز ميزانية للخزائن عالية القدرة، وأنابيب التبريد السائل، ومصادر الطاقة الاحتياطية، والتوزيع الذكي للكهرباء. وحدات إمداد الطاقة بحد ذاتها ليست أكبر بند في التكلفة، لكن التحولات المرافقة في أنظمة الإمداد بالكهرباء والتبريد تزيد بشكل كبير من الاستثمار الأولي للمشروع.

ثانيًا، يجب إعادة حساب النفقات التشغيلية. تعمل مجموعات الذكاء الاصطناعي عالية القدرة على رفع استهلاك الطاقة، كما أن الفروق في كفاءة مزودات الطاقة ستتضخم بمرور الوقت. ففي مركز بيانات على مستوى المجمع على سبيل المثال، حتى لو ارتفعت كفاءة مزود الطاقة بمقدار نقطة مئوية واحدة فقط، فقد يقابل ذلك فارق في تكلفة الكهرباء يعادل عدة ملايين من اليوانات سنويًا على نطاق عشرات الآلاف من الخوادم. لذلك، ينبغي إدراج اختيار وحدات إمداد الطاقة عالية الكفاءة وحلول إمداد الطاقة للخزانة بأكملها ضمن حسابات التكلفة الإجمالية للملكية (TCO).ثالثًا: يتمثل ذلك في المتطلبات المتعلقة بالتوافرية وتنظيم التشغيل والصيانة. فالإبدال السريع (Hot-Swap) والتكوينات الاحتياطية N+1 أو 2N لم يعودا مجرد خيارات تصميمية في سيناريوهات أعمال الذكاء الاصطناعي. فإذا أدى عطل في مصدر الطاقة إلى انقطاع مهام التدريب، فقد يترتب عليه إهدار تكاليف حاسوبية تصل إلى مئات الآلاف من الدولارات. وتحتاج إدارات تكنولوجيا المعلومات في المؤسسات إلى إعادة تصميم عمليات المراقبة والإنذار والصيانة بما يجعل أنظمة الطاقة قادرة على الصيانة التنبؤية.

أما المؤسسات التي تشتري خدمات الذكاء الاصطناعي من السحابة العامة بكميات كبيرة، فلا ينبغي لها أن تغفل هذا الاتجاه أيضًا. فمقدمو الخدمات السحابية، سعيًا منهم للتحكم في التكاليف وتحقيق أهداف الاستدامة، سيعكسون تدريجيًا المكاسب الناتجة عن رفع كفاءة إمداد الطاقة، أو الضغوط الرأسمالية الناجمة عن التعديلات ذات الصلة، على أسعار مثيلات وحدات معالجة الرسوميات (GPU) ومدى توافرها الإقليمي. وقد تحتاج المؤسسات، عند اختيار المنطقة السحابية، إلى تقييم إمدادات الكهرباء المحلية وقدرة التبريد في مراكز البيانات.

المنافسة في السوق: من سيستفيد، ومن سيواجه ضغوطًا؟

من منظور هيكل السوق، فإن نمو مصادر الطاقة للذكاء الاصطناعي (AI PSU) سيعود بالنفع أولًا على كبار الموردين القادرين على تصميم مصادر الطاقة عالية القدرة وعلى دمج أنظمة التبريد السائل. فالشركات التي لديها خبرات متراكمة في إلكترونيات الطاقة وتقنيات التصنيع، مثل Delta Electronics وLite-On وFlex وMurata وAdvanced Energy، هي الأوفر حظًا في الحصول على طلبات طويلة الأجل من عملاء الحوسبة فائقي التوسع. أما الوافدون الجدد، فيتعين عليهم إتقان تصميم الكثافة العالية للطاقة والإدارة الحرارية والتصنيع الذكي في الوقت نفسه؛ الأمر الذي يرفع الحاجز التقني أمامهم ارتفاعًا كبيرًا.

من الناحية الإقليمية، لا تزال أمريكا الشمالية وآسيا والمحيط الهادئ تشكلان السوقين الرئيسيين. وتُعد الهند والصين، بمعدلي نموهما المتوقعين البالغين 28.9% و27.6%، من بين أسرع الأسواق نموًا في العالم. وهذا يشير إلى أن مركز ثقل بناء مراكز بيانات الذكاء الاصطناعي على المستوى العالمي ينتقل تدريجيًا من الأسواق التقليدية الناضجة نحو الأسواق الناشئة التي تشهد نموًا سريعًا في عدد السكان وفي الاقتصاد الرقمي. فالاستثمارات الصينية المستمرة في البنية التحتية للقدرة الحاسوبية للذكاء الاصطناعي، وتوسع الشركات متعددة الجنسيات الهندية ومراكز البيانات الممولة من الاستثمار الأجنبي، كلها عوامل ستولّد طلبًا كثيفًا على المعدات الكهربائية خلال العقد المقبل.

أما الضغوط داخل القطاع فتقع بصورة رئيسية على مشغلي مراكز البيانات التقليديين من الفئتين الصغيرة والمتوسطة. فهذه المؤسسات تفتقر عادةً إلى رأس المال والقدرات التقنية الكافية لتحديث أنظمة إمداد الطاقة عالية الكثافة والتبريد السائل، وإذا لم تستطع تلبية الطلب الجديد على استئجار القدرات للذكاء الاصطناعي، فقد تفقد قدرتها على المساومة في منافسة القدرة الحاسوبية. وفي الوقت نفسه، فإن تزايد الإقبال على مصادر الطاقة القياسية المعتمدة من OCP، والتي تتسم بدرجة أقل من الارتباط بمورد بعينه، سيشكل أيضًا صدمة لسلسلة توريد مصادر الطاقة المغلقة التقليدية للخوادم.

رصد اتجاهات الصناعة: المنافسة على البنية التحتية للذكاء الاصطناعي تنتقل من الرقائق إلى الطاقة

يوجّه النمو السريع لسوق مصادر الطاقة للذكاء الاصطناعي إشارة واضحة إلى السوق: إن محور المنافسة على البنية التحتية للذكاء الاصطناعي يتحول من "من يملك وحدات معالجة رسومية (GPU) أقوى" إلى "من يستطيع تزويد وحدات المعالجة الرسومية بالطاقة وتبريدها بتكلفة أقل".

ففي السنوات الماضية، كانت الشركات عند اختيارها للتقنيات تركّز غالبًا على رقائق الذكاء الاصطناعي وعرض النطاق الترددي للترابط وأطر التدريب. غير أنه مع استمرار ارتفاع كثافة الطاقة في مجموعات وحدات GPU، أصبحت بنية تزويد الطاقة على مستوى الخزانة الكاملة، وأساليب التبريد، واستراتيجيات شراء الطاقة متغيرات جديدة تحدد الجدوى الاقتصادية للقدرة الحاسوبية. ويمكن توقع أن يصبح تخطيط مراكز بيانات الذكاء الاصطناعي أقرب إلى منطق "مشاريع البنية التحتية للطاقة"، أي تقييم قدرة شبكة الكهرباء المحلية، وإمدادات الطاقة المتجددة، وموارد التبريد، والمساحات المادية.هذا التحول يعني أيضًا أن مفهوم “السحابة الأصلية بالذكاء الاصطناعي” (AI-Native Cloud) سوف يتمدد. فالبنية التحتية السحابية المستقبلية لن تكون معرّفة بالبرمجيات فقط، بل بالطاقة أيضًا. من يستطيع خفض استهلاك الطاقة لكل وحدة حوسبة من خلال تحسين تزويد الطاقة على مستوى الرفوف الكاملة (Rack)، والتبريد السائل، والمعايير المفتوحة، سيمتلك نفوذًا أكبر في التسعير ضمن المنافسة على خدمات السحابة للذكاء الاصطناعي في المستقبل.

بالنسبة لمعماريي المؤسسات، تمثل الفترة الحالية نافذة زمنية حرجة لتخصيص قدرات أعلى لكثافة الطاقة، ومسارات للتبريد السائل، وقدرة احتياطية للكهرباء في تصميم مراكز البيانات. وحتى لو لم تكن الأعمال الحالية قد أدخلت وحدات معالجة الرسوميات (GPU) على نطاق واسع بعد، فإن الجولة القادمة من تطبيقات الذكاء الاصطناعي قد تغيّر بنية أحمال الحوسبة في الأمد القصير. وينبغي ألا تشكل أنظمة الكهرباء والتبريد سقفًا لتطوير أعمال الذكاء الاصطناعي في المستقبل.

CloudTechDaily Insight

إن نمو سوق مزودات الطاقة لوحدات الذكاء الاصطناعي (AI PSU) بنحو تسعة أضعاف خلال عقد من الزمن لا يمكن فهمه ببساطة على أنه نقص في المعروض من مكوّنات الخوادم. بل إن الاتجاه الذي يشير إليه حقًا هو أن اختناق صناعة الذكاء الاصطناعي ينتقل من تصنيع الرقائق إلى البنية التحتية للطاقة. ومع استمرار توسع المعروض من قدرة حوسبة GPU، فإن كفاءة نظم الطاقة وتوافرها هما ما يحددان التكلفة الحقيقية للقدرة الحاسوبية وسرعة تشغيلها. إذا أراد مزودو الخدمات السحابية والمؤسسات الكبيرة بناء ميزة طويلة الأمد في سباق الذكاء الاصطناعي، فيتعين عليهم التعامل مع إمداد الطاقة والتبريد كمواطنين من الدرجة الأولى في البنية التحتية لتقنية المعلومات، لا كإجراءات تُستكمل بعد نشر الأنظمة. كما تقدم التغيرات التفصيلية في سوق إمدادات الطاقة—القدرة العالية، والتبريد السائل، والتصميم المعياري، ومعايير OCP—خارطة طريق تقنية واضحة للقطاع. وستصبح مراكز بيانات الذكاء الاصطناعي المستقبلية أقرب إلى نظام متكامل للطاقة والحوسبة، وليست مجرد تجميع للخوادم. أما بالنسبة لصانعي القرار التقني في المؤسسات، فالسؤال الذي يجب طرحه الآن ليس “هل نستخدم GPU؟” بل “ما حجم الذكاء الاصطناعي الذي يمكن أن تتحمله بنيتي الكهربائية؟”. إن إدراج ميزانية الطاقة في التخطيط الاستراتيجي في أقرب وقت ممكن سيحدد ما إذا كانت المؤسسة ستصبح رائدة في هذه الجولة من سباق الذكاء الاصطناعي، أم ستكون من المتأخرين الذين يدفعون تكاليف أعلى بشكل سلبي.