جدول المحتويات
يُقاس استهلاك الطاقة للذكاء الاصطناعي داخل المنشأة على ثلاثة مستويات: وحدات GPU من خلال عدّادات القدرة والطاقة التي توفرها NVIDIA؛ والخادم كاملًا من خلال وحدة التحكم في إدارته أو موزّع طاقة (PDU) مزوّد بالقياس؛ والمنشأة بضرب النتيجة في معامل PUE للموقع. ثم تُقسم الطاقة على العمل المفيد، كعدد الأسئلة المُجاب عنها، على مدى يوم كامل يشمل ساعات الخمول.
أهم النقاط
- القدرة الاسمية لوحدة GPU حدّ أقصى وليست استهلاكها الفعلي. فقد وجد معيار ML.ENERGY أن التقديرات المبنية على القدرة الاسمية «تكاد تكون دائمًا مبالغة»، تصل إلى 4.1 مرة في أسوأ الحالات (Chung et al., 2025).
- في قراءات قدرة GPU فجوات: فعلى بطاقات A100 وH100 لا تأخذ nvidia-smi عينات إلا من نحو 25% من زمن التشغيل (Yang et al., 2023). تحققوا من قراءاتكم مرة واحدة بجهاز قياس خارجي.
- وحدة GPU ليست الفاتورة كلها. أضيفوا المعالجات والذاكرة والمراوح على مستوى الخادم، ثم التبريد وخسائر الكهرباء عبر معامل PUE الذي بلغ متوسطه 1.54 في مسح Uptime Institute لعام 2025 (Uptime Institute).
- انسبوا الطاقة إلى وحدة عمل مفيد، كالواط ساعي لكل سؤال، مقاسة على يوم كامل. فقد تمثل ساعات الخمول حصة كبيرة من المجموع.
- يغيّر حجم الدفعة واختيار النموذج وإعدادات التردد الطاقة لكل إجابة. قيسوا قبل كل تغيير وبعده.
لماذا نقيس طاقة نظام ذكاء اصطناعي داخل المنشأة؟
عندما يعمل الذكاء الاصطناعي على خوادمكم، تقع الكهرباء والتبريد والتغذية الاحتياطية على عاتقكم. وهناك ثلاثة أسباب عملية للقياس:
- القدرة المتاحة. لقاعات الخوادم ووحدات UPS، وللمولّدات في المواقع النائية، حدود ثابتة. وتحتاجون إلى أرقام حقيقية للذروة والمتوسط قبل إضافة خادم GPU ثانٍ.
- التكلفة. في مقارنتنا للتكاليف على ثلاث سنوات، مثّلت الكهرباء نحو 2% من المجموع لخادم بوحدتي GPU، بافتراض حذر قدره 1.5 كيلوواط بشكل متواصل. والرقم المقاس يحل محل هذا الافتراض.
- التقارير. تطلب فرق الطاقة والاستدامة من إدارة المعلوماتية بشكل متزايد الاستهلاك حسب كل نظام. والرقم المقاس بالكيلوواط ساعي أسهل في الدفاع عنه من تقدير مأخوذ من لوحة البيانات الاسمية.
وللصورة الشاملة للنشر، راجعوا دليلنا للذكاء الاصطناعي السيادي داخل المنشأة.
لماذا تُعدّ القدرة الاسمية لوحدة GPU الرقم الخطأ؟
القدرة القصوى المذكورة في ورقة بيانات GPU (وتسمى غالبًا TDP) هي أقصى ما قد تستهلكه البطاقة. وهي الرقم الصحيح لتحديد حجم الدارات ومزودات الطاقة ووحدات UPS التي يجب أن تتحمل الذروة، لكنها الرقم الخطأ لمحاسبة الطاقة.
قاس مؤلفو معيار ML.ENERGY طاقة الاستدلال لأربعين بنية نموذج، ووجدوا أن التقديرات المبنية على TDP «تكاد تكون دائمًا مبالغة»، لأن وحدة GPU نادرًا ما تستهلك قدرتها القصوى بشكل متواصل، وبلغت أسوأ حالة 4.1 مرة على وحدات H100 (Chung et al., 2025).
وتزيد النماذج اللغوية هذه الفجوة. فتوليد النص token بعد آخر محدود أساسًا بعرض نطاق الذاكرة، كما يشرح دليلنا لتحديد حجم وحدات GPU. وعلى وحدة NVIDIA H200، وجدت دراسة نُشرت عام 2026 أن وحدة GPU تستهلك خلال مرحلة التوليد هذه أقل بكثير من سقف القدرة المحدد لها، فلا يُفعَّل السقف أبدًا (Ma et al., 2026).
أين يمكن قياس القدرة على خادم GPU؟
كل مستوى يغطي جزءًا أكبر من النظام ويخبركم أقل عن حمل عمل بعينه.
| المستوى | مكان القراءة | ما يغطيه | ما يجب الانتباه إليه |
|---|---|---|---|
| GPU | nvidia-smi، أو NVIDIA DCGM مع dcgm-exporter لـ Prometheus | بطاقة الرسوميات وحدها | فجوات في أخذ العينات؛ لا يشمل المعالجات والذاكرة والمراوح |
| المعالج | عدّادات الطاقة في Linux powercap (Intel RAPL) | حزم المعالج، مقسّمة إلى core وuncore | للعدّاد مدى أقصى ثم يعود إلى الصفر؛ خاص بالمصنّع |
| الخادم | وحدة التحكم في الإدارة (BMC) عبر IPMI أو Redfish | الخادم كاملًا عند مزودات الطاقة | تختلف الدقة والاستبانة حسب المصنّع |
| الخزانة (rack) | موزّع طاقة PDU مزوّد بالقياس أو ملقط أمبيرمتر على خط التغذية | كل ما هو موصول | لا يفصل بين أحمال العمل |
| المنشأة | طاقة المعلوماتية مضروبة في PUE | يضيف التبريد وخسائر توزيع الكهرباء | يتغير PUE حسب الفصل والقاعة |
وحدة GPU. توفر nvidia-smi القيمة power.draw.average، أي متوسط قدرة البطاقة كاملة خلال الثانية الأخيرة، على وحدات Ampere (باستثناء GA100) وما بعدها، والقيمة power.draw.instant لآخر قراءة (NVIDIA). ويسجّلها أمر مثل nvidia-smi --query-gpu=index,power.draw.average --format=csv,noheader -l 1 كل ثانية. كما توفر DCGM عدّادًا لإجمالي استهلاك الطاقة لوحدة GPU بالميلي جول منذ آخر إعادة تحميل للمشغّل (NVIDIA DCGM). والفرق بين قراءتين لهذا العدّاد يعطي الطاقة المستهلكة خلال الاختبار.
المعالج. في Linux، يوفر إطار powercap القيمة energy_uj، وهي عدّاد للطاقة بالميكروجول، لكل حزمة معالج Intel ولجزأيها core وuncore (نواة Linux).
الخادم. تُبلغ معظم الخوادم المركّبة في الخزانات عن قدرتها الكلية عبر وحدة التحكم في الإدارة. فباستخدام ipmitool، يجلب الأمر dcmi power reading القراءات المتعلقة بقدرة النظام (دليل ipmitool). ويمكن لوحدات التحكم التي تدعم Redfish نشر القدرة بالواط والطاقة بالكيلوواط ساعي في المورد القياسي EnvironmentMetrics (DMTF Redfish).
المنشأة. يعرّف Uptime Institute معامل PUE بأنه القدرة الكلية للمنشأة مقسومة على القدرة التي تستهلكها معدات المعلوماتية (Uptime Institute).
ما مدى دقة قراءات قدرة GPU؟
أقل مما تفترضه معظم الفرق. فقد اختبر Yang وAdamek وArmour أكثر من 70 وحدة GPU من جميع بنيات NVIDIA منذ Fermi. ووجدوا أن nvidia-smi على بطاقات A100 وH100 لا تأخذ عينات القدرة إلا من 25% من زمن التشغيل، فقد تستهلك وحدة GPU قدرة مختلفة تمامًا خلال الـ 75% المتبقية دون أن يُرى ذلك. وقد يؤدي هذا إلى تقدير الطاقة بأكثر أو أقل من حقيقتها بفارق كبير. وأدى تطبيق الممارسات التي اقترحوها إلى خفض الخطأ مقارنة بجهاز قياس خارجي بنسبة 35% في المتوسط، وحتى 65% في بعض الاختبارات (Yang et al., 2023).
النتائج العملية:
- اجعلوا كل اختبار يدوم عدة دقائق لا بضع ثوانٍ.
- سجّلوا القراءات المتوسطة أو عدّاد الطاقة التراكمي بدل قراءات لحظية متفرقة.
- قارنوا مرة واحدة لكل طراز خادم قراءات GPU وBMC بملقط أمبيرمتر أو بموزّع PDU مزوّد بالقياس على الحمل نفسه.
كيف يُجرى اختبار للطاقة خطوة بخطوة؟
- تحديد النطاق. قرّروا هل تُبلغون عن طاقة GPU أو الخادم أو المنشأة، واذكروا ذلك في كل تقرير.
- تسجيل خط الأساس في الخمول. الخادم يعمل والنموذج محمّل دون أي طلبات، لمدة 30 دقيقة على الأقل. هذا ما يكلّفه الخادم وهو ينتظر.
- إعادة تشغيل حمل واقعي. استخدموا أسئلة حقيقية من مجموعة الاختبار لديكم، بعدد الطلبات المتزامنة المتوقع في الذروة. ويشرح دليلنا لتقييم LLM على وثائقكم كيفية بناء هذه المجموعة.
- تسجيل القدرة والعمل على الساعة نفسها. اجمعوا قراءات GPU والمعالج وBMC بالتوازي مع عدّادات محرك التشغيل. يوفر vLLM العدّادين
vllm:prompt_tokensوvllm:generation_tokensوالقيمةvllm:num_requests_runningعلى نقطة الوصول/metrics(vLLM). كما تتيح مكتبة Zeus مفتوحة المصدر، التي يستخدمها معيار ML.ENERGY، قياس الطاقة من شيفرة Python. - حساب الطاقة. استخدموا الفرق بين قراءات العدّادات، أو متوسط القدرة مضروبًا في المدة، لفترات الخمول وفترات الحمل كلٌّ على حدة.
- التطبيع. اقسموا على عدد الأسئلة المُجاب عنها وعلى كل ألف token مولَّد.
- التوسيع إلى مستوى المنشأة. اضربوا في معامل PUE لقاعتكم.
- الإعادة بعد كل تغيير في النموذج أو الدقة العددية أو إعدادات الدفعات أو إصدار البرمجيات، والاحتفاظ بالنتائج مع اختبارات جودة الإجابات.
كيف تُحوَّل الواطات إلى طاقة لكل سؤال وإلى دنانير؟
مثال محسوب لمساعد الوثائق الذي يخدم 300 مستخدم في مقارنتنا للتكاليف، بمعدل 20 سؤالًا لكل مستخدم في كل يوم عمل. قيم القدرة افتراضات للتوضيح وليست قياسات.
| البند | القيمة | الأساس |
|---|---|---|
| القدرة في الخمول، 14 ساعة يوميًا | 0.5 كيلوواط | افتراض؛ يُقاس عبر BMC |
| متوسط القدرة في ساعات العمل، 10 ساعات يوميًا | 1.3 كيلوواط | افتراض؛ يُقاس عبر BMC |
| طاقة المعلوماتية يوميًا | 7.0 + 13.0 = 20.0 كيلوواط ساعي | محسوب |
| طاقة المنشأة يوميًا بمعامل PUE قدره 1.54 | 30.8 كيلوواط ساعي | محسوب |
| الأسئلة يوميًا | 6,000 | 300 مستخدم × 20 سؤالًا |
| طاقة المعلوماتية لكل سؤال | نحو 3.3 واط ساعي | 20,000 واط ساعي ÷ 6,000 |
| طاقة المنشأة لكل سؤال | نحو 5.1 واط ساعي | 30,800 واط ساعي ÷ 6,000 |
| حصة الخمول من طاقة المعلوماتية | 35% | 7.0 ÷ 20.0 |
وللتحويل إلى تكلفة، يحدد جدول تعريفة CREG للجهد العالي من النوع A سعر التعريفة الأحادية (التعريفة 44) بـ 375.62 سنتيم للكيلوواط ساعي دون احتساب الرسوم. وبهذا السعر، تكلّف 30.8 كيلوواط ساعي نحو 116 دج يوميًا، أي نحو 42,200 دج سنويًا مقابل 11,242 كيلوواط ساعي. ويحيل الجدول إلى قرار للجنة مؤرخ في 29 ديسمبر 2015، فتحققوا من السعر على فاتورة Sonelgaz الحالية.
ويُستخلص من ذلك درسان. أولًا، في هذا المثال يُستهلك ثلث الطاقة في الانتظار، لذا تنخفض الطاقة لكل سؤال كلما زاد الاستخدام، ويبدو الخادم قليل الاستخدام مكلفًا لكل سؤال. ثانيًا، للتوقيت أهمية في التعريفة المتغيرة حسب ساعات اليوم: ففي التعريفة 42 من الجدول نفسه، يبلغ سعر الذروة من 17:00 إلى 21:00 ما قدره 872.02 سنتيم للكيلوواط ساعي مقابل 180.64 سنتيم في بقية اليوم. ويمكن جدولة الأعمال الدفعية، مثل إعادة فهرسة الوثائق، خارج الذروة.
ما الذي يغيّر الطاقة لكل إجابة؟
حجم الدفعة. تعالج محركات التشغيل عدة طلبات معًا، مما يوزع كلفة كل تمريرة على عدد أكبر من الإجابات. وفي قياسات ML.ENERGY على وحدات H100، انخفضت الطاقة لكل عملية توليد للنموذج Qwen 3 32B بنحو 5.8 مرات عندما ارتفع الحد الأقصى لحجم الدفعة من 4 إلى 64. أما نماذج الاستدلال المنطقي ذات المخرجات الطويلة فلا يمكنها العمل بدفعات بهذا الحجم، مما يحدّ من هذا التوفير (Chung et al., 2025). وتذكر الورقة نفسها أن توصيات التحسين الآلية التي تقدمها وفّرت أحيانًا أكثر من 40% من الطاقة دون تغيير ما يحسبه النموذج.
النموذج والمهمة. قاس Luccioni وJernite وStrubell طاقة 1,000 عملية استدلال على وحدة A100 لعدد كبير من النماذج والمهام. استهلك توليد النصوص نحو 0.047 كيلوواط ساعي في المتوسط مقابل 0.002 كيلوواط ساعي لتصنيف النصوص، وكانت النماذج التوليدية متعددة الأغراض «أعلى كلفة بعدة مراتب عشرية» من النماذج المتخصصة في عدة مهام (Luccioni et al., 2024). فإذا كانت المهمة لا تتطلب سوى تصنيف، فقد ينجزها مصنِّف أو نموذج لغوي صغير بجزء بسيط من الطاقة.
سقوف القدرة وترددات الساعة. مع النموذج LLaMA 65B على أربع وحدات A100، أدى خفض سقف القدرة من 250 واط إلى 175 واط إلى زيادة زمن الاستدلال بنسبة 6.7% في المتوسط وخفض الطاقة الكلية بنسبة 23.21%، بينما زاد سقف 150 واط الزمن بنسبة 19.49% (Samsi et al., 2023). وعلى وحدة H200، وجدت دراسة أحدث أن تحديد سقف القدرة غير فعّال أثناء توليد النص، وأفادت بأن تثبيت تردد ساعة GPU استعاد ما يصل إلى 32% من طاقة التوليد مع خسارة طفيفة في الإنتاجية (Ma et al., 2026). وتأتي النتيجتان من عتاد وإعدادات مختلفة، لذا اختبروا أي حدّ على خادمكم وتحققوا من أزمنة الاستجابة.
زمن الخمول. يؤدي تجميع الأحمال الخفيفة على خادم واحد، أو وضع بيئات الاختبار في حالة سكون خارج ساعات العمل، إلى تقليص حصة الخمول التي ظهرت في المثال أعلاه.
ماذا نرفع في التقارير، ولمن؟
| الجهة | المؤشر | السبب |
|---|---|---|
| المرافق والبنية التحتية للمعلوماتية | ذروة الكيلوواط لكل خادم ولكل خزانة | المقارنة بقدرة القاعة ووحدة UPS والمولّد |
| مسؤول الطاقة | الكيلوواط ساعي شهريًا على مستوى المنشأة | يندرج في حسابات الطاقة للموقع |
| مسؤول المنتج | الواط ساعي لكل سؤال ولكل 1,000 token مولَّد | المقارنة بين النماذج والإعدادات |
| الإدارة | التكلفة السنوية بالدينار | وضع الطاقة إلى جانب تكاليف العتاد والموظفين |
اذكروا الشروط دائمًا: النموذج، والدقة العددية، وإعدادات الدفعات، وحدود القدرة أو التردد، وإصدارات البرمجيات، ونطاق القياس. ولتقارير الكربون، طبّقوا معامل انبعاثات الشبكة الكهربائية الذي تستخدمه مؤسستكم أصلًا لبقية استهلاكها من الكهرباء.
ما لاحظناه في KABAS AI
يعمل DALILE على خوادم العميل، لذا فإن التغذية الكهربائية والتبريد والتغذية الاحتياطية لقاعة الخوادم جزء من التحضير لكل عملية نشر. والأرقام الواردة في هذا المقال مأخوذة من المصادر العامة المذكورة أو هي افتراضات مصرّح بها، وليست قياسات من مواقع العملاء.
والتوجيه العملي هو القياس أثناء المرحلة التجريبية، على الخادم الفعلي، قبل طلب عتاد إضافي: خط أساس في الخمول، وذروة واقعية، والطاقة لكل سؤال، تُسجَّل مع اختبارات جودة الإجابات حتى يُحكم على أي تغيير في النموذج من الجانبين. واطلبوا أيضًا من العارضين أرقام القدرة والتبريد، كما تقترح قائمة التحقق لشراء الذكاء الاصطناعي داخل المنشأة، وللمواقع التي تعمل بالمولّدات راجعوا الذكاء الاصطناعي في المواقع النائية. ويمكن لفريق الاستشارات لدينا إعداد هذا القياس مع فرق المعلوماتية والمرافق لديكم.
المصادر
- Chung et al., The ML.ENERGY Benchmark: Toward Automated Inference Energy Measurement and Optimization, arXiv 2505.06371, 2025
- Yang, Adamek and Armour, Part-time Power Measurements: nvidia-smi's Lack of Attention, arXiv 2312.02741, 2023
- Uptime Institute Global Data Center Survey 2025 (PDF)
- NVIDIA: توثيق nvidia-smi
- NVIDIA DCGM: معرّفات الحقول
- NVIDIA dcgm-exporter على GitHub
- توثيق نواة Linux: إطار powercap
- صفحة دليل ipmitool
- مخطط DMTF Redfish EnvironmentMetrics
- vLLM: مقاييس بيئة الإنتاج
- Zeus على GitHub (ML.ENERGY)
- Luccioni, Jernite and Strubell, Power Hungry Processing: Watts Driving the Cost of AI Deployment?, ACM FAccT 2024 (arXiv 2311.16863)
- Samsi et al., From Words to Watts: Benchmarking the Energy Costs of Large Language Model Inference, arXiv 2310.03003, 2023
- Ma et al., The Illusion of Power Capping in LLM Decode, arXiv 2605.11999, 2026
- CREG: تعريفة الكهرباء للجهد العالي من النوع A (PDF)
الأسئلة الشائعة
كم من الكهرباء يستهلك خادم LLM داخل المنشأة؟
لا يوجد رقم واحد: فالأمر يتوقف على وحدات GPU والنموذج والحمل وعدد الساعات التي يبقى فيها الخادم خاملًا. القدرة الاسمية لوحدات GPU حدّ أعلى مفيد لتحديد حجم الدارات الكهربائية والتغذية الاحتياطية، لكن الاستهلاك المقاس يكون عادة أقل. قيسوا خادمكم أنتم على مدى يوم كامل، بما في ذلك الليالي وعطل نهاية الأسبوع.
هل أداة nvidia-smi دقيقة بما يكفي لقياس طاقة GPU؟
هي نقطة بداية جيدة وليست جهاز قياس مرجعيًا. فقد وجدت دراسة أُجريت عام 2023 على أكثر من 70 وحدة GPU أن نحو 25% فقط من زمن التشغيل تؤخذ منه عينات للقدرة على بطاقات A100 وH100، مما قد يؤدي إلى تقدير الطاقة بأكثر أو أقل من حقيقتها. أجروا اختبارات تدوم عدة دقائق، وسجّلوا القراءات المتوسطة أو عدّاد الطاقة التراكمي، وقارنوا النتيجة مرة واحدة بجهاز قياس خارجي.
ما هو معامل PUE وأي قيمة نستخدم؟
معامل فعالية استخدام الطاقة (PUE) هو القدرة الكلية للمنشأة مقسومة على قدرة معدات المعلوماتية، فهو يضيف التبريد وخسائر توزيع الكهرباء إلى استهلاك الخادم نفسه. استخدموا القيمة التي يقيسها فريق المرافق للقاعة التي يوجد فيها الخادم. وإن لم تتوفر، فقد بلغ المتوسط المرجّح في مسح Uptime Institute لعام 2025 قيمة 1.54، لكن قاعات الخوادم الصغيرة قد تختلف عنه كثيرًا.
هل يستهلك النموذج الأصغر طاقة أقل لكل إجابة؟
غالبًا نعم، لكن قيسوا ذلك على حمل العمل الخاص بكم. ففي دراسة شملت 1,000 عملية استدلال لكل مهمة، استهلك توليد النصوص نحو 0.047 كيلوواط ساعي في المتوسط مقابل نحو 0.002 كيلوواط ساعي لتصنيف النصوص، وكانت النماذج المتخصصة أقل كلفة بكثير من النماذج التوليدية متعددة الأغراض. أعيدوا اختبار الطاقة نفسه مع كل نموذج مرشح وقارنوا الواط ساعي لكل سؤال.
هل نشغّل مهام الذكاء الاصطناعي الدفعية ليلًا لتوفير المال؟
إذا كان موقعكم على تعريفة متغيرة حسب ساعات اليوم، فقد يفيد ذلك. فبحسب جدول تعريفة الجهد العالي الصادر عن CREG، يبلغ سعر ساعات الذروة من 17:00 إلى 21:00 في التعريفة 42 ما قدره 872.02 سنتيم للكيلوواط ساعي مقابل 180.64 سنتيم خارج الذروة. ويمكن غالبًا تأجيل مهام مثل إعادة فهرسة الوثائق إلى خارج الذروة. تحققوا من التعريفة المطبقة على موقعكم في فاتورة Sonelgaz.
هل تمثل الكهرباء جزءًا كبيرًا من تكلفة الذكاء الاصطناعي داخل المنشأة؟
عادة لا. ففي نموذجنا لتكلفة خادم بوحدتي GPU على ثلاث سنوات، مثّلت الكهرباء بالتعريفة الرسمية للجهد العالي نحو 2% من المجموع، بعيدًا خلف العتاد والموظفين. أما القدرة الكهربائية وقدرة التبريد في قاعة الخوادم، ووحدة UPS، والمولّد، فهي في الغالب القيد الحقيقي.



