در نهم آوریل، در رویدادی که توسط شرکت SMM اطلاعات و فناوری، شرکت اطلاعات فناوری آئسی لینگ، مرکز تجارت SMM و چند سازمان صنعتی و دولتی مانند شرکت ذوب هومون شاندونگ و آژانس توسعه زامبیا (ZDA) برگزار شد و به صورت مشترک برنامه‌ریزی شده بود، وو جینکای، سرپرست تیم فلزات در شرکت سینولینک سکیوریتیز، درباره موضوع «توان محاسباتی – برق – مس: بازتعریف قیمت‌گذاری «فلز زیرساخت جدید» در عصر هوش مصنوعی» سخنرانی کرد. 1. نقش در حال تحول مس: از زیرساخت سنتی تا تقاضای مبتنی بر هوش مصنوعی نقش مس در حال تغییر از یک فلز زیرساختی سنتی، که عمدتاً به عنوان ماده پشتیبان در املاک و مستغلات، تولید و شبکه‌های قدیمی برق دیده می‌شود، به یک متغیر سیستماتیک در زیرساخت‌های عصر هوش مصنوعی است. مراکز داده هوش مصنوعی نه تنها نیازمند سرورها بلکه نیازمند بازسازی زیرساخت‌های بارگیری با چگالی بالا مانند رک‌ها، سیستم‌های خنک‌سازی، توزیع نیرو، ایستگاه‌های فرعی، انتقال و توزیع (T&D) و ادغام برق سبز هستند که باعث می‌شود مس در داستان‌های سرمایه‌گذاری زیرساخت نقش محوری پیدا کند. این تغییر به معنی آن است که قیمت‌گذاری مس اکنون بیشتر به کارگیری توان محاسباتی و هزینه سرمایه در سراسر زنجیره برق بستگی دارد تا به بازیابی تقاضای زیرساخت‌های سنتی. اتفاق نظر پیشین بازار در مورد تقاضای مس مبتنی بر هوش مصنوعی در نتیجه فرضیات بیش از حد محافظه‌کارانه نادیده گرفته شده بود—مبتنی بر پروژه‌های عمومی اعلام شده، بی‌توجه به توسعه پارک‌های مراکز داده موجود، و حذف سرمایه‌گذاری در زیرساخت‌های پایین‌دستی. با شفاف‌تر شدن تخلیه GPU، مدل‌های تقاضا باید به صورت جامع به سمت بالا اصلاح شوند. اجماع جدید بر افزایش شاخص مس تأکید نمی‌کند، بلکه بر قیمت‌گذاری مجدد راهنمایی کامل بر اساس رشد تقاضای قابل مشاهده مرتبط با هوش مصنوعی، به‌خصوص از سال ۲۰۲۶ به بعد که برنامه‌های کاربردی هوش مصنوعی مانند OpenClaw حلقه‌های استنتاج و تجاری‌سازی را تایید می‌کنند، تمرکز دارد. ارزیابی مجدد عرضه، به‌ویژه در ارتباط با تحویل محصولات NVIDIA و بسته‌بندی TSMC، پشتیبانی بیشتری از پیش‌بینی‌های بالاتر تقاضای مس می‌کند. بحث اصلی دیگر درباره تفاوت‌های کوچک در شاخص مصرف مس در هر مگاوات است (مثلاً ۳۹ در مقابل ۴۵ تن/مگاوات)، بلکه در این است که آیا بازارگران مایلند این تصور را بپذیرند که توسعه زیرساخت‌های مبتنی بر هوش مصنوعی در سراسر رک‌ها، کمپ‌ها و شبکه‌ها محقق خواهد شد یا خیر. 2. استفاده از مس در مراکز داده هوش مصنوعی: گسترش از رک‌ها تا شبکه برق بر اساس گزارش مصرف انرژی مراکز داده آمریکا در سال ۲۰۲۴، مصرف برق مراکز داده این کشور به‌شکل قابل توجهی از ۶۰ تراوات ساعت در سال‌های ۲۰۱۴–۲۰۱۶ به ۱۷۶ تراوات ساعت در سال ۲۰۲۳ رسیده است (۴. ۴٪ از کل برق آمریکا). این روند شتاب گرفت زیرا سهم سرورهای GPU افزایش یافت و به رشد سالانه ۱۸٪ در تقاضای برق بین ۲۰۱۸ تا ۲۰۲۳ انجامید. پیش‌بینی می‌شود که در بازه ۲۰۲۴–۲۰۲۸، مصرف بین ۳۲۵ تا ۵۸۰ تراوات ساعت باشد، که این نشان می‌دهد کل نیازهای برق مراکز داده در سال ۲۰۲۸ برابر با ۷۴ تا ۱۳۲ گیگاوات یا ۶. ۷٪ تا ۱۲٪ از برق آمریکا است و با نرخ رشد ۱۳٪ تا ۲۷٪ در سال (CAGR) رشد می‌کند. این پیش‌بینی‌ها بر اساس فعالیت مداوم هوش مصنوعی و ادامه رشد سرورهای GPU استوار است؛ برآورد حداکثری معتبرتر است. رک‌های فعلی (مثلاً NVIDIA NVL72 با ۷۲ GPU) حدود ۱۵ برابر بیشتر از رک‌های پایه هوش مصنوعی با ۸ GPU مصرف برق دارند که عمدتاً به دلیل نیازهای خنک‌سازی است، که نشان‌دهنده افزایش قابل‌توجه مصرف برق است. با توجه به بروزرسانی‌های GPU و افزایش توان مصرفی رک‌ها، برآورد می‌شود مصرف برق تا سال ۲۰۲۸ دست‌کم به ۸۰۰ تراوات ساعت برسد. مصرف برق به‌شکل قابل توجهی تقاضای مس را تحریک می‌کند: بر اساس تخمین‌ها، انتظار می‌رود در سال ۲۰۲۸، مصرف برق مراکز داده آمریکا بین ۴۰۴ تا ۶۲۴ میلیارد کیلووات ساعت افزایش یابد که ۱۰٪ تا ۱۵. ۶٪ از برق کل افزایشی است—و این به نوبه خود ممکن است باعث افزایش تقاضای مس و آلومینیوم مربوط به شبکه‌های توزیع (خصوصاً در انتقال و توزیع و دستگاه‌های استیشن) به میزان ۲. ۱ میلیون تن و ۳. ۷۱ میلیون تن نسبت به سال ۲۰۲۵ شود. تمرکز رشد تقاضای مس بر روی نوارها، کابل‌ها و ترانسفورماتورها است، در حالی که آلومینیوم عمدتاً در نوارها، کابل‌ها و ایستگاه‌های فرعی کاربرد دارد. مصرف مس در مراکز داده هوش مصنوعی از مسیر سه‌لایه پیروی می‌کند: سیستم‌های درون رک و نزدیک رک (سرورها و شبکه‌ها)، زیرساخت‌های در محل اما خارج از رک (توزیع برق و خنک‌سازی)، و در خارج از محل، شامل ایستگاه‌های فرعی، T&D و ادغام در شبکه‌های برق. برخلاف تصور عمومی که استفاده از مس در مراکز داده را با لیست مواد سرورها مساوی می‌پندارند، اکثریت مس در زیرساخت‌های توان و خنک‌سازی داخل محل قرار دارد. رقم معمولاً ذکر شده ۳۹ تن/مگاوات شاخص مصرف مس است که به استفاده کامل و مستقیم مس در مراکز آموزش‌های hyperscale هوش مصنوعی، شامل زنجیره‌های قدرت و سیستم‌های خنک‌سازی، اشاره دارد؛ طراحی‌های چینی ممکن است به دلیل افزونگی بیشتر، به ۴۷ تن/مگاوات برسد. این رقم به صورت حدودی شامل ۶۱٪ مس در زنجیره‌های قدرت، ۲۲٪ در خنک‌سازی و ۱۷٪ در سرورها و شبکه‌ها است. افزایش چگالی توان باعث می‌شود تقاضای مس در زنجیره‌های قدرت با رشد زیرساخت‌های محاسباتی، افزایش یابد، و «تن/مگاوات» را به جای «تن/رک» به شاخصی معنادار تبدیل کند. برای یک کابینت NVIDIA NVL72 با توان ۱۲۰ کیلووات، استقرارهای جدید خارج از سایت، حدود ۷. ۸ تن مس در هر کابینت مصرف می‌کنند؛ در سناریوهای توسعه مجدد، با استفاده مجدد از زیرساخت‌های موجود، این مصرف به حدود ۶ تن کاهش می‌یابد؛ سناریوهای پر کردن مجدد، مصرف را تا حدود ۴. ۲۵ تن پایین می‌آورد.

مدل نیازمندی‌های اولیه، تقاضا را از تعداد GPU به تعداد کابینت، توان، مصرف برق و سپس به مصرف مس پیوند می‌دهد. فرضیات پایه شامل ۷ میلیون GPU ساخته شده توسط نوا و ۵. ۵ میلیون توسط گوگل در سال ۲۰۲۶ است، که هر سال ۵۰٪ رشد می‌کند تا سال ۲۰۳۰، با پیکربندی‌هایی مانند ۷۲ GPU/۱۲۰ کیلووات در نوا و ۶۴ GPU در گوگل، و حدود ۶ تن مس در هر کابینت برای توسعه‌ها. این مدل امکان برآورد تکراری و پویای تقاضای مس را مبتنی بر استقرار GPU فراهم می‌کند. نوا تنها در سال ۲۰۲۶ با ۷ میلیون GPU، معادل تقریبا ۹۷،۰۰۰ کابینت، ۱۱. ۷ گیگاوات بار IT و ۱۴ گیگاوات بار تأسیساتی است که تقاضای حدود ۵۸۰،۰۰۰ تن مس در سال ۲۰۲۶ را پشتیبانی می‌کند، و با نرخ رشد ۵۰٪ سالانه، ممکن است تا نزدیک به ۳ میلیون تن در سال ۲۰۳۰ برسد. به طور مشابه، ۵. ۵ میلیون GPU گوگل، نیاز تقریبی ۴۶۰،۰۰۰ تن مس در ۲۰۲۶ ایجاد می‌کند و تا ۲. ۳ میلیون تن در ۲۰۳۰ می‌رسد. مجموع این دو شرکت تا سال ۲۰۳۰ می‌تواند نیاز مس متوسط حدود ۵. ۲۷ میلیون تن در سال باشد، در بازه ۴. ۶۴ تا ۵. ۹۴ میلیون تن. این تقاضا پس از سومین سال به شدت رو به افزایش می‌گذارد، و بازار را بر اساس برآوردهای قدیمی و کم‌تر به چالش می‌کشد و تاثیر سیستماتیک هوش مصنوعی بر بازار مس را برجسته می‌سازد. 3. تایید روند با شواهد داده‌های با فرکانس بالا در چین، در فبریه ۲۰۲۶، تقاضای ظاهری مس ۱۰٪ کاهش یافت و تولید کاتد کاهش پیدا کرد، همراه با ضعیف شدن تقاضای صادرات محصولات ساخته شده، به‌ویژه در کابل‌ها و سیم‌ها. در سطح جهانی، در ابتدای ۲۰۲۶، تقاضا کمی کاهش یافته، اما کاهش داخلی به چشم می‌خورد که تا حدی با تقاضای خارجی جبران شده است. در آمریکا، در مهر ۲۰۲۵، تقاضای ظاهری ۱۲٪ کاهش داشت، اما در مجموع در ده ماه گذشته ۲۲٪ رشد کرده است، که نشان‌دهنده نیاز خالص جدید (~۴۱۲،۰۰۰ تن)، عمدتاً از رشد بخش برق (~۲۰۰،۰۰۰ تن تقاضای واقعی به علاوه تغییرات موجودی) است. محصولات مرتبط با برق (نوارها، کابل‌ها، ترانسفورماتورها) ۱۲۸٪ از واردات افزایشی را تشکیل داده‌اند، در حالی که واردات خودرو کاهش یافته است. داده‌های گمرک نشان می‌دهد که تقاضای مس در شبکه‌های برق آمریکا، حداقل ۴۰۰،۰۰۰ تن افزایش یافته است، که این امر با پیگیری جایگزینی تولید داخلی پس از تعرفه‌های ۲۰۲۵ حمایت شده است. هفت غول فناوری آمریکا—مایکروسافت، گوگل، اوپن‌ای‌آی، آمازون، متا، xAI و اوراکل—یه موافقت‌نامه نوشتۀ کاخ سفید امضا کردند که متعهد می‌شود زیرساخت‌های قدرت خود را تأمین کنند. این تعهد، نگرانی‌های قبلی در مورد ظرفیت و تمایل شرکت‌های برقی برای ساخت زیرساخت‌های شبکه لازم را برطرف می‌کند و راه را برای توسعه سریع شبکه‌ها هموار می‌سازد تا مراکز داده هوش مصنوعی را پشتیبانی کند. سیستم‌های برقی در محل شامل انتقال برقHigh volt، توزیع درون‌محوطه در ولتاژ متوسط و سیستم‌های تحویل در اتاق سرورها در ولتاژ پایین هستند؛ همگی به افزایش تقاضای سیم و کابل مس کمک خواهند کرد. در اروپا، در مهر ۲۰۲۵، ظاهراً تقاضا ۴٪ کاهش یافته، اما واردات محصولات ساخته شده (به ویژه سیم‌ها و کابل‌ها) حدود ۶۳٪ افزایش داشته است (در ده ماه، ۴۸٪ در مهر). برآورد می‌شود که تقاضای شبکه برق جدید اروپا در سال حدود ۱۶۰٬۰۰۰ تا ۱۸۰٬۰۰۰ تن باشد. 4. ریسک‌ها • کاهش تقاضای هوش مصنوعی از آنچه انتظار می‌رود. • جایگزینی مس توسط آلومینیوم با نرخ‌های بالا‌تر از حد انتظار. در جمع‌بندی، زیرساخت‌های محاسباتی مبتنی بر هوش مصنوعی تقاضای مس فراتر از چارچوب‌های سنتی را به طور قابل‌توجهی افزایش می‌دهند، و رشد مصرف برق مراکز داده، در کنار پیش‌بینی‌های مصرف، معیارهای شاخص مس، مدل‌سازی مبتنی بر استقرار GPU، و شواهد جریان فیزیکی در مناطق کلیدی، این روند را تایید می‌کنند. شرکت‌کنندگان در بازار باید قیمت مس را مجدداً ارزیابی کنند، با در نظر داشتن ریسک‌های نوسان تقاضا و جایگزینی مواد.