(3).png "پایگاه خبری جهان پتروشیمی"){kind=logo}
جهان پتروشیمی / گسترش سریع هوش مصنوعی و سرمایه‌گذاری گسترده برای توسعه مراکز داده، تنها حوزه فناوری اطلاعات را تحت تأثیر قرار نداده است. در پشت پردازنده‌ها، تجهیزات الکترونیکی، سامانه‌های خنک‌کننده و ساختمان‌های عظیم مراکز داده، زنجیره‌ای گسترده از مواد و محصولات شیمیایی قرار دارد؛ از پلیمرهای پرمصرف و مواد عایق گرفته تا رزین‌های تخصصی، مواد فلورینه و الاستومرهای ویژه. به همین دلیل، توسعه هوش مصنوعی در حال ایجاد لایه جدیدی از تقاضا در صنعت شیمیایی است؛ هرچند شدت این اثر در بخش‌های مختلف بازار یکسان نیست.
این بررسی نشان می دهد که این تحول را می‌توان در دو سطح دنبال کرد: نخست، افزایش مستقیم تقاضا برای برخی مواد شیمیایی مورد استفاده در ساخت مراکز داده و تجهیزات مرتبط؛ و دوم، تأثیر عمیق‌تر هوش مصنوعی بر شیوه فعالیت، تحقیق، توسعه و تصمیم‌گیری در خود صنعت شیمیایی.
اثر مستقیم مراکز داده بر بازار مواد شیمیایی
در کوتاه‌مدت و میان‌مدت، افزایش ساخت مراکز داده و توسعه زیرساخت‌های مورد نیاز هوش مصنوعی موجب رشد تقاضا برای طیفی از مواد شیمیایی شده است. البته میزان این رشد به نوع محصول بستگی دارد.
در بخش مواد شیمیایی پایه و کامودیتی، اثر هوش مصنوعی قابل توجه است، اما در حدی نیست که اساس بازار را دگرگون کند. پلی‌وینیل کلراید (PVC)، پلی‌اتیلن، پلی‌یورتان و فوم‌های پلی‌یورتان سخت از جمله موادی هستند که از توسعه زیرساخت‌های مرتبط با مراکز داده منتفع می‌شوند. استفاده از این مواد در ساخت‌وساز، تجهیزات و اجزای مختلف ساختمان‌های مورد نیاز برای ایجاد ظرفیت‌های جدید، یکی از مسیرهای اصلی افزایش تقاضا به شمار می‌رود.
در مقابل، در بخش مواد شیمیایی تخصصی، اثر توسعه مراکز داده می‌تواند ساختاری‌تر باشد. رزین‌های اپوکسی، پلی‌بوتیلن ترفتالات (PBT)، برخی مایعات فلورینه، الاستومرهای تخصصی و سایر مواد ویژه در ساخت تجهیزات و اجزای الکترونیکی مورد استفاده قرار می‌گیرند و به همین دلیل، توسعه سریع زیرساخت‌های محاسباتی می‌تواند اهمیت بیشتری برای این دسته از محصولات ایجاد کند.
در واقع، هر مرکز داده تنها مجموعه‌ای از سرورها و تجهیزات محاسباتی نیست. توسعه این مراکز به ساختمان، تجهیزات، بردهای الکترونیکی، سامانه‌های خنک‌کننده و مجموعه‌ای از قطعات و مواد تخصصی نیاز دارد. بنابراین، بخشی از اثر هوش مصنوعی بر صنعت شیمیایی از مسیر افزایش تعداد «تن‌های تولید و مصرف‌شده» در بازار مواد پایه ظاهر می‌شود و بخش دیگر از طریق افزایش تقاضا برای مواد تخصصی‌تر.
لایه پنهان زنجیره تأمین
یکی از نکات مهم در این روند، وجود لایه‌هایی در زنجیره ارزش است که ممکن است در نگاه نخست کمتر دیده شوند. سرمایه‌گذاری در یک مرکز داده می‌تواند بسیار بزرگ باشد، اما تمام ارزش ایجادشده الزاماً در بازار داخلی محل احداث مرکز داده باقی نمی‌ماند.
در حوزه تجهیزات سخت‌افزاری، بخش قابل توجهی از نیازها از طریق واردات تأمین می‌شود. تراشه‌ها، برخی قطعات سخت‌افزاری، بردهای مدار چاپی و مواد مورد استفاده در ساخت آنها، از جمله محصولاتی هستند که زنجیره تأمین گسترده‌ای در پشت خود دارند.
رزین‌های اپوکسی، رزین‌های مورد استفاده در ساخت بردهای تقویت‌شده با شیشه، ساختارهای موسوم به FR4، برخی مایعات فلورینه و الاستومرهای تخصصی، بخشی از این زنجیره را تشکیل می‌دهند. بنابراین، افزایش سرمایه‌گذاری در مراکز داده لزوماً به معنای افزایش متناسب تولید داخلی تمام مواد شیمیایی مورد نیاز نیست؛ زیرا بخشی از این مواد در نقاط دیگری از زنجیره جهانی تولید می‌شوند.
همین موضوع اهمیت شناخت کامل زنجیره ارزش را نشان می‌دهد. ایجاد ظرفیت در یک محصول نهایی، بدون دسترسی به مواد واسطه‌ای مورد نیاز، نمی‌تواند به‌تنهایی یک زنجیره تأمین کامل ایجاد کند.
اهمیت مواد واسطه‌ای در توسعه زنجیره شیمیایی
در برخی حوزه‌های تخصصی، چالش اصلی تنها تولید محصول نهایی نیست، بلکه تأمین مواد واسطه‌ای است. برخی رزین‌ها و مواد شیمیایی تخصصی برای تولید به مواد واسطه‌ای نیاز دارند که در حال حاضر در بسیاری از موارد از کشورهای دیگر تأمین می‌شوند.
این مسئله در مورد برخی مواد مورد استفاده در حوزه‌های مختلف، از مواد تخصصی گرفته تا برخی الیاف و ترکیبات شیمیایی، مطرح است. بخشی از این مواد واسطه‌ای به فرآیندهای شیمیایی پیچیده و الزامات نظارتی خاص نیاز دارند. در نتیجه، ایجاد دوباره ظرفیت تولید آنها نیازمند سرمایه‌گذاری در یک واحد منفرد نیست، بلکه به توسعه مجموعه‌ای از ظرفیت‌های مرتبط در سراسر زنجیره ارزش احتیاج دارد.
تجربه بازار نشان می‌دهد که هنگامی که تولید یک ماده واسطه‌ای به دلایلی مانند شرایط اقتصادی یا توقف یک واحد از یک منطقه خارج می‌شود، بازگرداندن آن ظرفیت بسیار دشوار خواهد بود. بنابراین، توسعه پایدار صنایع شیمیایی تخصصی به نگاه زنجیره‌ای و بلندمدت نیاز دارد.
سرمایه‌گذاری، فناوری و نوسازی فرآیندها
توسعه ظرفیت‌های جدید تنها به میزان سرمایه‌گذاری وابسته نیست. فناوری مورد استفاده در واحدهای جدید نیز نقش مهمی در رقابت‌پذیری آنها دارد.
در برخی مناطق، به‌ویژه در آسیا، واحدهای جدید با فناوری‌های جدیدتر ساخته شده‌اند و به جای آنکه تجهیزات قدیمی را به‌صورت مستمر اصلاح و به‌روزرسانی کنند، از ابتدا با فناوری‌های پیشرفته‌تر طراحی شده‌اند. چنین رویکردی می‌تواند به ایجاد واحدهایی منجر شود که از همان ابتدا از نظر فناوری عملیاتی و فرآیندهای شیمیایی، به نسل جدید نزدیک‌تر باشند.
این موضوع تنها به فناوری تولید محدود نمی‌شود. اتصال فناوری‌های دیجیتال به فرآیندهای صنعتی نیز بخشی از این تحول است. واحدهای جدید می‌توانند از ابتدا با ساختارهای دیجیتال طراحی شوند؛ موضوعی که می‌تواند تفاوت مهمی با نوسازی تدریجی واحدهای قدیمی ایجاد کند.
در کنار فناوری، ارتباط میان صنعت و دانشگاه نیز اهمیت ویژه‌ای پیدا می‌کند. توسعه شیمی کاربردی و تبدیل نتایج پژوهشی به فناوری صنعتی، نیازمند ارتباط نزدیک میان مراکز علمی و صنایع است. در این چارچوب، دانشگاه تنها محل تولید دانش نظری نیست، بلکه می‌تواند به محلی برای پاسخ‌گویی مستقیم به نیازهای صنعتی و توسعه فناوری‌های قابل استفاده در مقیاس تجاری تبدیل شود.
پیوند صنعت و دانشگاه؛ حلقه‌ای مهم برای نوآوری
بخشی از نوآوری‌های جدید در صنعت شیمیایی از سوی پژوهشگران جوان، دانشجویان و فارغ‌التحصیلان شکل می‌گیرد. ایده‌ای که در محیط آزمایشگاهی ایجاد می‌شود، می‌تواند مسیر خود را به سمت تجاری‌سازی طی کند؛ هرچند دستیابی به منابع مالی و رساندن فناوری از آزمایشگاه به مقیاس صنعتی، فرآیندی دشوار است.
در عین حال، ارتباط صنعت و دانشگاه تنها به حمایت مالی از تحقیقات محدود نمی‌شود. یکی از موضوعات مهم، حضور تجربه صنعتی در فرآیند آموزش و پژوهش است. ترکیب دانش دانشگاهی با تجربه عملی صنعت می‌تواند به توسعه آموزش‌هایی کمک کند که علاوه بر مبانی علمی، نیازهای واقعی صنایع شیمیایی و مهندسی را نیز در نظر می‌گیرند.
در چنین شرایطی، هوش مصنوعی می‌تواند نقش جدیدی در آموزش، تحقیق و توسعه ایفا کند. با افزایش توانایی سامانه‌های هوش مصنوعی در پردازش حجم زیادی از اطلاعات، نقش پژوهشگر نیز می‌تواند تغییر کند. به جای آنکه بخش عمده زمان صرف جمع‌آوری و پردازش اطلاعات شود، تمرکز بیشتری می‌تواند بر تعریف مسئله، تعیین چارچوب و هدایت فرآیند حل مسئله قرار گیرد.
از هوش مصنوعی مولد تا هوش مصنوعی عامل‌محور
اثر اصلی هوش مصنوعی بر صنعت شیمیایی ممکن است در نهایت نه از طریق افزایش مصرف مواد، بلکه از طریق تغییر شیوه فعالیت این صنعت شکل بگیرد.
در این نگاه، هوش مصنوعی صرفاً به ابزارهایی مانند چت‌بات‌ها یا دستیارهای دیجیتال محدود نیست. مرحله بعدی، توسعه هوش مصنوعی عامل‌محور است؛ سامانه‌هایی که می‌توانند مجموعه‌ای از وظایف را در تعامل با یکدیگر انجام دهند و در قالب شبکه‌ای از عوامل هوشمند، فرآیندهای پیچیده را مدیریت کنند.
چنین رویکردی می‌تواند حوزه‌هایی مانند برنامه‌ریزی، مدیریت عملیات، زنجیره تأمین، تصمیم‌گیری تجاری و فرآیندهای مهندسی را تحت تأثیر قرار دهد. در این میان، یکی از مزیت‌های اصلی هوش مصنوعی، توانایی پردازش سریع اطلاعات و بهینه‌سازی فرآیندهاست.
با این حال، نقش انسان همچنان اهمیت خود را حفظ می‌کند. هوش مصنوعی در فرآیندهای بهینه‌سازی و یافتن راه‌حل‌های مبتنی بر داده توانمند است، اما تعریف مسئله، ارائه زمینه کسب‌وکار، تعیین اهداف و نگاه به گزینه‌هایی خارج از چارچوب‌های موجود همچنان به نقش انسانی وابسته است.
به بیان دیگر، ارزش واقعی زمانی ایجاد می‌شود که هوش مصنوعی و دانش انسانی در کنار یکدیگر قرار گیرند. اطلاعات بدون شناخت زمینه می‌تواند به پاسخی منجر شود که از نظر داده‌ای بهینه به نظر برسد، اما الزاماً با واقعیت‌های یک کسب‌وکار، رابطه با مشتری، شرایط زنجیره تأمین یا اهداف سازمانی سازگار نباشد.
ابرمقیاسپذیری و چالش بهره‌وری انرژی
رشد هوش مصنوعی نیازمند افزایش ظرفیت محاسباتی است. مفهوم «ابرمقیاسپذیری» یا Hyperscaling نیز در همین چارچوب مطرح می‌شود؛ یعنی ایجاد ظرفیت‌های بسیار بزرگ برای پردازش و آموزش مدل‌های هوش مصنوعی.
در مرحله فعلی، افزایش مقیاس محاسباتی یکی از عوامل اصلی توسعه مراکز داده است. اما با ادامه این روند، مسئله مهم دیگری نیز مطرح می‌شود: بهره‌وری.
مسئله آینده صرفاً این نیست که چگونه ظرفیت محاسباتی بیشتری ایجاد شود، بلکه این است که چگونه می‌توان با مصرف انرژی مشخص، میزان بیشتری از توان محاسباتی و هوش را به دست آورد. در اینجا فناوری‌های خنک‌سازی اهمیت پیدا می‌کنند؛ زیرا بهبود سامانه‌های خنک‌کننده می‌تواند به افزایش بهره‌وری مراکز داده کمک کند.
مقایسه‌ای که در این زمینه مطرح می‌شود، مغز انسان است. مغز انسان با مصرف انرژی بسیار محدود، توانایی انجام مجموعه‌ای پیچیده از فعالیت‌ها را دارد، در حالی که مراکز داده برای دستیابی به ظرفیت محاسباتی مشابه به مقیاس‌های بسیار بزرگ‌تری از انرژی نیاز دارند. البته شیوه عملکرد مغز و مراکز داده یکسان نیست و هرکدام بر اساس معماری متفاوتی فعالیت می‌کنند.
بازگشت به صنعت شیمیایی
در نهایت، مسیر توسعه هوش مصنوعی دوباره به صنعت شیمیایی بازمی‌گردد. توسعه مراکز داده به ساختمان‌ها و تجهیزات نیاز دارد و ساختمان‌ها نیز به مواد شیمیایی و پلیمری متکی هستند. در این میان، پلی‌اتیلن، PVC، الاستومرها، پلی‌یورتان و فوم‌های پلی‌یورتان سخت بخشی از مواد مورد نیاز را تشکیل می‌دهند. در بخش تخصصی‌تر نیز رزین‌های اپوکسی، مواد مورد استفاده در بردهای الکترونیکی، مایعات فلورینه و سایر مواد ویژه وارد زنجیره می‌شوند.
از این منظر، هوش مصنوعی برای صنعت شیمیایی هم یک بازار جدید ایجاد می‌کند و هم یک ابزار تحول‌آفرین در داخل خود صنعت است. در کوتاه‌مدت، ساخت مراکز داده می‌تواند تقاضا برای گروهی از مواد شیمیایی را افزایش دهد. در بلندمدت، اما اهمیت اصلی ممکن است در استفاده از هوش مصنوعی برای بهینه‌سازی فرآیندها، توسعه فناوری، تحقیق و تصمیم‌گیری صنعتی باشد.
تحول پیش‌رو بنابراین تنها داستان افزایش تعداد مراکز داده نیست. در پشت این مراکز، زنجیره‌ای از مواد، فناوری‌ها، فرآیندهای شیمیایی، تجهیزات و دانش تخصصی قرار دارد. هرچه مقیاس محاسبات افزایش یابد، اهمیت بهره‌وری، خنک‌سازی، مواد تخصصی و فناوری‌های پیشرفته نیز بیشتر خواهد شد.
صنعت شیمیایی در این میان هم تأمین‌کننده بخشی از زیرساخت فیزیکی عصر هوش مصنوعی است و هم می‌تواند یکی از صنایعی باشد که خود بیشترین بهره را از ظرفیت‌های جدید این فناوری می‌برد.
پیوند میان مواد شیمیایی، فناوری، دانشگاه و هوش مصنوعی، در حال شکل دادن به زنجیره‌ای است که در آن توسعه محاسبات پیشرفته و توسعه صنایع شیمیایی بیش از گذشته به یکدیگر وابسته خواهند بود./نیپنا