جلب التوسع السريع للذكاء الاصطناعي موضوعاً غير متوقع للنقاش السائد: الكهرباء. جعلت تقارير عن مراكز بيانات تُجهِد شبكات كهرباء إقليمية، ومرافق تؤجل تقاعد محطات طاقة أقدم، وشركات تقنية توقّع اتفاقيات طويلة الأمد لإمداد طاقة مخصص، البصمة الطاقية للحوسبة سؤال بنية تحتية وسياسات حقيقياً بدلاً من قلق تقني ضيق يهم المهندسين وحدهم.
فهم لماذا تستهلك هذه المنشآت هذا القدر من الطاقة، وأي أجزاء محددة من العملية تُمثِّل فعلياً ذلك الاستهلاك، يساعد في فصل تحديات الهندسة والبنية التحتية الحقيقية عن الادعاءات الأكثر تخميناً المتداولة في كلا الاتجاهين، سواء برفض القلق كلياً أو بإسقاط نمو مُقلِق إلى ما لا نهاية في المستقبل دون حساب تحسينات الكفاءة التي رافقت تاريخياً كل توسع حوسبي سابق.
ماذا يحتوي مركز البيانات فعلياً
مركز البيانات الحديث أساساً مستودع كبير مبني لغرض محدد مليء بصفوف من رفوف الخوادم، كل رف يحمل حواسيب فردية كثيرة مكدسة عمودياً، متصلة معاً بمعدات شبكات عالية السرعة ومدعومة بأنظمة توزيع كهربائية واسعة، ومولدات طاقة احتياطية، وبنية تحتية للتبريد بنطاق صناعي مصممة لإبقاء كل شيء ضمن درجات حرارة تشغيل آمنة.
تُبنى هذه المنشآت تحديداً للتشغيل المستمر غير المنقطع، ما يعني أنها تعمل أربعاً وعشرين ساعة يومياً كل يوم من السنة، مع إمدادات طاقة زائدة ومولدات احتياطية مصممة لإبقاء الأنظمة الحرجة تعمل حتى أثناء فشل شبكة كامل، متطلب موثوقية يُساهم بذاته بشكل ذي معنى في ملف الطاقة الإجمالي للعملية.
يمكن أن يكون نطاق منشأة كبيرة واحدة صعب التصور فعلياً من الخارج، إذ يمكن لحرم مركز بيانات حديث كبير أن يحتل مساحة قابلة للمقارنة بعشرات ملاعب كرة القدم ويسحب طاقة كهربائية بنطاق قابل للمقارنة بمدينة صغيرة، جاعلاً موقع هذه المنشآت واتصالها بالشبكة سؤال تخطيط وبنية تحتية جوهرياً بذاته.
لماذا تختلف أحمال عمل الذكاء الاصطناعي عن الحوسبة التقليدية
تتضمن أحمال عمل مراكز البيانات التقليدية، بما فيها استضافة الويب والبريد الإلكتروني وتخزين الملفات وبرمجيات الأعمال العادية، عموماً متطلبات حوسبية متواضعة نسبياً لكل طلب فردي، مع تحديد حجم سعة الخادم للتعامل مع ذرى حركة المستخدمين بدلاً من كثافة حوسبية قصوى مستمرة عبر كل آلة في آن واحد.
أحمال عمل الذكاء الاصطناعي، خصوصاً تدريب النماذج الكبيرة، مختلفة أساساً في طبيعتها، تتضمن أحجاماً هائلة من الحسابات الرياضية تعمل باستمرار عبر آلاف المعالجات المتخصصة العاملة عند أو قرب سعتها القصوى لفترات ممتدة تُقاس بأسابيع أو حتى أشهر بدلاً من ثوانٍ أو دقائق.
هذا التشغيل بكثافة قصوى مستمرة هو تحديداً سبب سحب أحمال عمل الذكاء الاصطناعي طاقة أكبر بكثير لكل وحدة من مساحة الرف الفيزيائية مما فعلته الحوسبة التقليدية، ولماذا لا يمكن ببساطة إعادة توظيف منشآت مصممة لأنماط أحمال عمل أقدم للذكاء الاصطناعي دون ترقيات كهربائية وتبريد جوهرية للتعامل مع كثافة الطاقة الأعلى بكثير المعنية.
الفرق بين التدريب والاستدلال
ينقسم استهلاك طاقة الذكاء الاصطناعي لفئتين متميزتين على نطاق واسع تتصرفان بشكل مختلف تماماً عن بعضهما: التدريب، أي العملية الأولية لبناء نموذج بمعالجة مجموعات بيانات هائلة، والاستدلال، أي العملية المستمرة لاستخدام ذلك النموذج المكتمل فعلياً للإجابة على طلبات مستخدمين فردية بمجرد نشره في الإنتاج.
تدريب نموذج كبير حدث كثيف الطاقة للغاية لكنه أساساً لمرة واحدة لأي إصدار نموذج معين، مستهلكاً كمية كبيرة جداً من الكهرباء مُركَّزة في فترة محددة، بعدها يكتمل تشغيل التدريب المعين ذاك ويمكن استخدام النموذج الناتج إلى أجل غير مسمى دون تكرار عملية التدريب من الصفر.
يستهلك الاستدلال طاقة أقل بكثير لكل طلب فردي مما يفعله التدريب إجمالاً، لكن لأن نموذجاً شعبياً قد يخدم ملايين أو حتى مليارات الطلبات الفردية كل يوم عبر قاعدة مستخدمين عالمية، يمكن للبصمة الطاقية التراكمية للاستدلال عبر عمر النموذج التشغيلي أن تتجاوز بشكل جوهري الطاقة المستهلكة أثناء تدريبه الأصلي.
لماذا تسحب شرائح الذكاء الاصطناعي المتخصصة طاقة هائلة
المعالجات المتخصصة المستخدمة لأحمال عمل الذكاء الاصطناعي، شائعاً وحدات معالجة رسوميات أو شرائح مُسرِّعات ذكاء اصطناعي مبنية لغرض محدد، مصممة لأداء عدد هائل من العمليات الرياضية بالتوازي، هيكل يُقدِّم أداءً أفضل بشكل درامي لمهام الذكاء الاصطناعي من المعالجات عامة الغرض لكنه يسحب أيضاً طاقة كهربائية أكبر بكثير لكل شريحة فردية.
يمكن لشرائح مُسرِّعات ذكاء اصطناعي فردية عالية الأداء سحب عدة مئات من الواتات لكل واحدة تحت حمل كامل مستمر، ولأن خادماً واحداً يحمل عادة شرائح متعددة كهذه ورفاً واحداً يحمل خوادم متعددة، يمكن لسحب الطاقة المُركَّز في رف واحد من عتاد ذكاء اصطناعي تجاوز ما كان سيستهلكه صف كامل من خوادم تقليدية في جيل أسبق من تصميم مراكز البيانات.
هذه الزيادة الدرامية في كثافة الطاقة لكل وحدة من مساحة الأرضية أحد التحديات الهندسية المحورية التي تواجه مُشغِّلي مراكز البيانات اليوم، إذ يجب إعادة تصميم أنظمة التوزيع الكهربائي وسعة الطاقة الاحتياطية وخصوصاً البنية التحتية للتبريد جميعها بشكل جوهري للتعامل مع تركيزات الحرارة والطاقة التي لم تُقصَد تصاميم المنشآت الأقدم ببساطة أبداً لاستيعابها.
كم من الطاقة يذهب للتبريد
تتحول أساساً كل الطاقة الكهربائية التي تدخل شريحة حاسوب في النهاية لحرارة، ما يعني أن مركز بيانات يسحب كمية كبيرة من الكهرباء للحوسبة يُولِّد في آن واحد كمية مكافئة من الحرارة المهدورة التي يجب إزالتها بفعالية من المبنى لمنع ارتفاع حرارة المعدات وفشلها.
مثّل التبريد تاريخياً حصة جوهرية جداً من إجمالي استهلاك طاقة مركز البيانات، في بعض تصاميم المنشآت الأقدم مقترباً من نسبة قابلة للمقارنة بمعدات الحوسبة نفسها، رغم انخفاض هذه الحصة بشكل كبير في المنشآت الحديثة المصممة جيداً عبر إدارة تدفق هواء محسّنة، ودرجات حرارة تشغيل مسموحة أعلى، وتقنية تبريد أكثر كفاءة.
تقيس الصناعة شائعاً هذا العبء باستخدام مقياس يُسمى فعالية استخدام الطاقة، الذي يقارن إجمالي استهلاك طاقة المنشأة بالطاقة المُسلَّمة فعلياً لمعدات الحوسبة، مع درجة نظرية مثالية واحد تمثل منشأة لا تُنفَق فيها أي طاقة على الإطلاق على التبريد أو الإضاءة أو بنية تحتية داعمة أخرى.
لماذا أصبح التبريد السائل ضرورياً بشكل متزايد
بردت مراكز البيانات التقليدية المعدات أساساً بتدوير هواء مُبرَّد عبر المنشأة، نهج يعمل بشكل كافٍ عند كثافات طاقة معتدلة لكنه يصبح تدريجياً أقل فعالية وأقل كفاءة مع استمرار ارتفاع كمية الحرارة المُولَّدة ضمن حجم معين من المساحة نحو المستويات التي يُنتجها الآن عتاد الذكاء الاصطناعي الكثيف.
تنقل نهج التبريد السائل، التي تُدوِّر مبرداً مباشرة للمكونات المُولِّدة للحرارة بدلاً من الاعتماد على الهواء المحيط، الحرارة بكفاءة أكبر بكثير مما يفعله الهواء وأصبحت بالتالي شائعة بشكل متزايد في منشآت مصممة تحديداً لأحمال عمل ذكاء اصطناعي عالية الكثافة لا يستطيع تبريد الهواء وحده التعامل معها عملياً.
يُمثِّل الانتقال نحو التبريد السائل تغييراً جوهرياً في كيفية بناء وصيانة مراكز البيانات فيزيائياً، مُطالِباً ببنية تحتية سباكة مختلفة، وإجراءات صيانة مختلفة، وتخطيطات منشآت مختلفة، وهذا جزء من سبب بناء منشآت ذكاء اصطناعي جديدة مبنية لغرض محدد بشكل متكرر من الصفر بدلاً من تعديل مبانٍ أقدم مصممة أصلاً حول تبريد الهواء.
أين يتناسب سؤال استهلاك المياه
تستخدم مراكز بيانات كبيرة كثيرة الماء كجزء من أنظمة تبريدها، شائعاً عبر عمليات تبريد تبخيري تستفيد من أثر التبريد الجوهري المُنتَج عند تبخر الماء، نهج يمكن أن يكون أكثر كفاءة طاقياً بكثير من التبريد الميكانيكي البحت لكنه يستهلك كميات ذات معنى من الماء في العملية.
أصبح استهلاك المياه هذا نقطة قلق محلي حقيقية في مناطق أُنشئت فيها مراكز بيانات في مناطق تعاني بالفعل من ندرة مياه، خالقاً توتراً حقيقياً بين الفوائد الاقتصادية التي تجلبها منشأة كبيرة لمنطقة والطلبات المتنافسة على إمداد مياه محلي محدود من الزراعة والصناعة والاستخدام السكني.
استجاب بعض المُشغِّلين بالتحول نحو أنظمة تبريد حلقة مغلقة تُعيد تدوير نفس الماء مراراً بدلاً من استهلاك إمداد جديد باستمرار، أو بإنشاء منشآت جديدة تحديداً في مناخات أبرد حيث يستطيع الهواء الخارجي المحيط توفير معظم التبريد اللازم لجزء جوهري من السنة دون استخدام مياه كثيف.
لماذا تهم خيارات الموقع بهذا القدر
تُوازن قرارات موقع مراكز البيانات توليفة معقدة فعلياً من العوامل، بما فيها توفر وتكلفة الطاقة الكهربائية، وموثوقية الشبكة الكهربائية المحلية، وظروف المناخ المحيط المؤثرة على متطلبات التبريد، والقرب من بنية تحتية شبكية كبرى، والظروف الضريبية والتنظيمية المحلية، وبشكل متزايد توفر مصادر كهرباء منخفضة الكربون.
تُقدِّم المناخات الأبرد ميزة كفاءة حقيقية لأنه يمكن استخدام الهواء الخارجي مباشرة للتبريد خلال جزء أكبر بكثير من السنة، تقنية تُعرف بالتبريد المجاني تُقلِّل بشكل جوهري الطاقة المطلوبة للتبريد الميكانيكي ودفعت تطوير مراكز بيانات كبيراً نحو مناطق شمالية بدرجات حرارة محيطة باردة باستمرار.
أصبح القرب من كهرباء وفيرة منخفضة التكلفة، خصوصاً توليد كهرومائي أو حراري أرضي أو ريحي، أيضاً اعتبار موقع رئيسي، إذ تمثل الكهرباء حصة جوهرية من تكلفة التشغيل المستمرة لدرجة أن حتى فروقاً متواضعة في سعر الطاقة لكل وحدة تُترجَم لفروق كبيرة جداً في إجمالي نفقات تشغيل المنشأة عبر عمر منشأة متعدد العقود.
كيف تحسّنت الكفاءة رغم الطلب المتنامي
جانب مُتجاهَل بشكل متكرر من قصة طاقة مراكز البيانات هو أن الكفاءة لكل وحدة حوسبة تحسّنت بشكل درامي على مدى العقدين الماضيين، ما يعني أن الصناعة تؤدي الآن عمل حوسبة أكبر بكثير لكل وحدة كهرباء مستهلكة مما فعلته في أجيال أسبق من تصميم العتاد والمنشآت.
لفترة جوهرية، كانت تحسينات الكفاءة هذه سريعة بما يكفي لتعويض النمو في إجمالي طلب الحوسبة إلى حد كبير، ما يعني أن استهلاك كهرباء مراكز البيانات الإجمالي نما أبطأ بكثير مما كان سيُلمِّح إليه بخلاف ذلك النمو الكامن في حمل عمل الحوسبة، سياق مهم فعلياً غائب غالباً من التوقعات الأكثر إثارة للقلق.
القلق الحالي بين محللي الطاقة هو تحديداً أن النمو الأخير في طلب حمل عمل الذكاء الاصطناعي تسارع أسرع مما تستطيع تحسينات الكفاءة تعويضه، كاسراً النمط السابق حيث توازن الاثنان تقريباً، وهذا تحديداً سبب أصبح فيه إجمالي استهلاك كهرباء مراكز البيانات قلق تخطيط شبكة أكثر بروزاً مما كان سابقاً.
ما الذي يقلق مُشغِّلي الشبكات فعلياً
يُخطِّط مُشغِّلو الشبكات الكهربائية للسعة سنوات مسبقاً بناءً على طلب متوقع، ويخلق وصول منشآت فردية تطلب كميات كبيرة جداً من الطاقة بجداول زمنية قصيرة نسبياً صعوبة تخطيط حقيقية، إذ يستغرق بناء سعة توليد جديدة وبنية تحتية نقل عادة وقتاً أطول بكثير مما يستغرقه بناء مركز بيانات.
يهم تركيز هذا الطلب أيضاً بشكل كبير، إذ تمثل منشأة كبيرة حملاً جوهرياً جداً يظهر عند نقطة محددة واحدة على الشبكة بدلاً من طلب موزع منتشر عبر مواقع كثيرة، ما يمكن أن يتطلب ترقيات نقل مستهدفة في تلك المنطقة المحددة بغض النظر عما إذا كانت سعة التوليد الإقليمية الإجمالية كافية.
يهتم مُشغِّلو الشبكات أيضاً باتساق ملف الحمل، إذ يمكن لأحمال عمل تدريب الذكاء الاصطناعي سحب طاقة قرب الحد الأقصى باستمرار لفترات ممتدة ثم الانخفاض بشكل جوهري عند اكتمال تشغيل تدريب، خالقة تأرجحات في الطلب أصعب بكثير لموازنتها من الأنماط اليومية الأكثر قابلية للتنبؤ للاستهلاك السكني والتجاري.
كيف تستجيب الشركات على جانب إمداد الطاقة
دخلت شركات تقنية كبرى بشكل متزايد في اتفاقيات شراء طاقة طويلة الأمد مباشرة مع مُولِّدي كهرباء، ملتزمة بشراء كمية محددة من الطاقة على مدى سنوات عديدة، ترتيب يُوفِّر للمُولِّد يقين الإيرادات اللازم لتبرير بناء سعة توليد جديدة قد لا تُموَّل بخلاف ذلك.
نما الاهتمام بالطاقة النووية بشكل ملحوظ في هذا السياق، إذ يُوفِّر التوليد النووي كميات كبيرة من كهرباء متسقة منخفضة الكربون دون التقطع الذي يؤثر على توليد الرياح والشمس، خاصية تتوافق بشكل غير معتاد جيداً مع ملف الطلب المستمر على مدار الساعة الذي تُقدِّمه مراكز البيانات.
استثمرت بعض الشركات أيضاً مباشرة في مشاريع توليد متجدد، أو أنظمة تخزين طاقة، أو سعة توليد في الموقع، نهج تتفاوت بشكل كبير في مدى تقليلها الحقيقي لأثر الشبكة الصافي مقابل تحويل محاسبة مصدر كهرباء منشأة اسمياً على الورق أساساً.
لماذا محاسبة الكربون هنا معقدة فعلياً
غالباً ما تعتمد ادعاءات أن مركز بيانات معيناً يعمل كلياً على طاقة متجددة على شراء شهادات طاقة متجددة أو ترتيبات تعاقدية بدلاً من ضمان فيزيائي بأن الإلكترونات المحددة التي تُشغِّل تلك المنشأة في أي لحظة معينة نشأت من مصدر متجدد، إذ لا يمكن فصل الكهرباء المتدفقة عبر شبكة مشتركة فيزيائياً حسب الأصل.
دفع هذا التمييز بين المصدر التعاقدي والفيزيائي تحولاً بين بعض المُشغِّلين نحو ما يُوصَف غالباً بالمطابقة الساعية، أي محاولة مواءمة الاستهلاك فعلياً مع التوليد المتجدد على أساس ساعة بساعة بدلاً من مجرد موازنة إجمالي الاستهلاك السنوي مقابل إجمالي المشتريات المتجددة السنوية.
الفرق بين نهجي المحاسبة هذين جوهري فعلياً عملياً، إذ تسحب منشأة تستهلك طاقة باستمرار بينما تشتري كمية سنوية مكافئة من توليد شمسي في الواقع بشكل كبير على أي شيء آخر تُشغِّله الشبكة ليلاً، ما لا يزال يشمل في مناطق كثيرة توليداً أحفورياً جوهرياً.
ماذا تشير التوقعات الواقعية فعلياً
يُقدِّم محللو الطاقة الذين يُنتجون توقعات لطلب كهرباء مراكز البيانات عموماً مدى واسعاً من النتائج المحتملة بدلاً من رقم واثق واحد، تحديداً لأن النتيجة تعتمد بشدة على افتراضات حول سرعة استمرار نمو تبني الذكاء الاصطناعي وسرعة استمرار تقدم تحسينات الكفاءة في كل من العتاد وتصميم النماذج.
عدم اليقين الكبير في هذه التوقعات حقيقي بدلاً من كونه مراوغاً، إذ شهد المجال مراراً مكاسب كفاءة جوهرية من تصميم شرائح محسّن، وهياكل نماذج أفضل تتطلب حوسبة أقل لقدرة مكافئة، وتحسينات برمجية تُقلِّل التكلفة الحوسبية لكل من التدريب والاستدلال.
معاملة أي توقع درامي واحد كتنبؤ مستقر تُحرِّف عموماً الحالة الفعلية للفهم التحليلي، الذي يُوصَف بشكل أفضل باعتراف حقيقي بأن الطلب ينمو بشكل ذي معنى إلى جانب عدم يقين جوهري حول المسار المحدد عبر العقد القادم.
ماذا يعني هذا لمستهلكي الكهرباء العاديين
القلق العملي لمستهلكي الكهرباء السكنيين والتجاريين العاديين هو ما إذا كانت أحمال صناعية جديدة كبيرة تتصل بشبكة مشتركة تؤثر في النهاية على أسعار كهربائهم أو موثوقية خدمتهم، سؤال معقول فعلياً بدأت جهات تنظيمية في عدة مناطق بفحصه بفعالية أكبر بكثير مما فعلت سابقاً.
تشمل النهج التنظيمية قيد النقاش النشط اشتراط تمويل أحمال جديدة كبيرة للبنية التحتية للنقل والتوليد المحددة اللازمة لخدمتها بدلاً من نشر تلك التكاليف عبر كل دافعي التعرفة، نهج يهدف لضمان ألا يدعم المستهلكون الحاليون فعلياً بنية تحتية مبنية أساساً لعميل صناعي كبير واحد.
ستتفاوت كيفية حل هذه الأسئلة التنظيمية في النهاية على الأرجح بشكل كبير بين مناطق وولايات قضائية مختلفة، وتمثل مجالاً لا تزال فيه محادثة السياسة العامة الأوسع تتطور فعلياً بدلاً من استقرارها في أي إجماع راسخ حول كيفية توزيع التكاليف والفوائد بعدل.
تعود البصمة الطاقية لمراكز بيانات الذكاء الاصطناعي لواقع فيزيائي مباشر إلى حد ما مُغلَّف بأسئلة بنية تحتية معقدة فعلياً. تسحب معالجات الذكاء الاصطناعي المتخصصة طاقة أكبر بكثير من عتاد الحوسبة التقليدي، وتعمل بكثافة عالية مستمرة لفترات ممتدة بدلاً من دفعات قصيرة، وتتحول أساساً كل الكهرباء التي تستهلكها لحرارة تتطلب بعدها طاقة إضافية لإزالتها من المبنى. اضرب ذلك عبر منشآت تحمل آلاف المعالجات كهذه ويصبح الطلب الناتج كبيراً بما يكفي ليهم فعلياً على مستوى تخطيط الشبكة الكهربائية الإقليمية. ما تُغفله التغطية الأكثر إثارة للقلق غالباً هو أن كفاءة الحوسبة تحسّنت تاريخياً بشكل درامي وتستمر بالتحسن، وأن التمييز بين طاقة التدريب والاستدلال يهم بشكل كبير لفهم البصمة الفعلية، وأن التوقعات تتفاوت على نطاق واسع تحديداً لأن المسار يبقى غير مؤكد فعلياً. ما تُغفله التغطية الأكثر رفضاً غالباً هو أن النمو الأخير كان سريعاً بما يكفي لتجاوز مكاسب الكفاءة بطريقة لم تفعلها توسعات الحوسبة السابقة، خالقاً تحديات تخطيط بنية تحتية حقيقية وفورية يعمل مُشغِّلو الشبكات والجهات التنظيمية بفعالية على معالجتها الآن.
المصادر
- ويكيبيديا — نظرة عامة على تصميم مراكز البيانات وبنيتها التحتية واستخدام الطاقة
- الوكالة الدولية للطاقة — تحليل عالمي لاتجاهات مراكز البيانات وطلب الكهرباء
- وزارة الطاقة الأمريكية — بحث عن كفاءة مراكز البيانات والبنية التحتية للشبكة
- مختبر لورانس بيركلي الوطني — بحث مستقل عن استهلاك طاقة مراكز البيانات
- مجلة نيتشر — بحث محكّم عن استخدام طاقة الحوسبة والكفاءة
الأسئلة الشائعة
هل يستخدم تدريب الذكاء الاصطناعي أم استدلاله طاقة إجمالية أكبر؟
يستخدم التدريب طاقة أكبر بكثير لكل حدث، لكن لأن النماذج الشعبية تخدم مليارات الطلبات عبر عمرها، يمكن للطاقة التراكمية للاستدلال تجاوز طاقة التدريب الأصلية بشكل جوهري.
لماذا تستخدم شرائح الذكاء الاصطناعي طاقة أكبر بكثير من المعالجات العادية؟
تؤدي أعداداً هائلة من الحسابات بالتوازي عند حمل أقصى مستمر، مع سحب شرائح فردية عالية الأداء عدة مئات من الواتات لكل واحدة وحشر شرائح كثيرة في رف واحد.
كم من طاقة مركز البيانات يذهب للتبريد بدلاً من الحوسبة؟
كان التبريد تاريخياً حصة جوهرية جداً، رغم أن المنشآت الحديثة المصممة جيداً قلّلت هذا بشكل كبير عبر تدفق هواء أفضل ودرجات حرارة تشغيل أعلى وتبريد سائل.
لماذا تستخدم مراكز البيانات الماء؟
يستخدم كثير منها تبريداً تبخيرياً، وهو أكثر كفاءة طاقياً من التبريد الميكانيكي لكنه يستهلك ماءً، خالقاً توتراً محلياً حقيقياً في المناطق شحيحة المياه.
هل يعمل مركز بيانات يدّعي طاقة متجددة 100% على متجددة فعلياً؟
غالباً يعكس هذا مشتريات طاقة متجددة تعاقدية بدلاً من مصدر فيزيائي، إذ لا يمكن فصل الكهرباء على شبكة مشتركة حسب الأصل — وهذا سبب سعي بعض المُشغِّلين الآن للمطابقة الساعية.
عن الكاتب
نعتمد على ويكيبيديا، والوكالة الدولية للطاقة، ووزارة الطاقة الأمريكية، ومختبر لورانس بيركلي الوطني، ومجلة نيتشر لشرح خلفية وفهم هذا الموضوع.
هل أعجبك المقال؟
شارك عبر واتساب ← شارك عبر واتساب
احصل على المزيد من الأدلة في بريدك — اشترك في نشرتنا البريدية للحصول على قصص أسبوعية مثيرة للاهتمام من مصر والسعودية ودبي وأكثر.