Ile energii naprawdę zużywa AI? Nowe dane pokazują skalę problemu

Systemy sztucznej inteligencji pochłaniają coraz więcej energii. Wzrost liczby centrów danych i coraz bardziej skomplikowane modele AI powodują, że globalne zużycie prądu rośnie szybciej niż w innych branżach.

AI przeniknęła do codzienności – korzystasz z niej zarówno w smartfonie, jak i w pracy. Jednak za każdym razem, gdy zadajesz pytanie chatbotowi, uruchamiasz ogromną infrastrukturę techniczną. Serwerownie obsługujące AI zużywają coraz więcej energii. W 2024 roku odpowiadały już za 1,5% całkowitego zużycia prądu na świecie, a prognozy wskazują, że do 2028 roku w USA ich udział może wzrosnąć do 27%. Do 2030 roku centra danych mogą zużywać tyle energii, ile obecnie 40 milionów amerykańskich domów.

Im bardziej zaawansowany model AI, tym większe są jego potrzeby energetyczne i obliczeniowe. Generowanie tekstów czy obrazów przez AI wymaga nawet dziesięciokrotnie więcej prądu niż zwykłe wyszukiwanie informacji online. Przykładowo, jedno zapytanie do ChataGPT zużywa tyle energii, ile żarówka przez 20 minut, a do schładzania serwerów zużywa się wodę pitną. W 2023 roku serwery GPU, kluczowe dla AI, spowodowały 18-procentowy wzrost zużycia energii w centrach danych rok do roku.

Firmy inwestują w coraz większe i nowocześniejsze serwerownie, ale nawet najnowsze technologie nie nadążają za rosnącym zapotrzebowaniem. Innowacyjne metody chłodzenia, jak zanurzanie procesorów w cieczy, mogą ograniczyć zużycie wody i energii, lecz wciąż są w fazie testów. Eksperci podkreślają, że generatywna AI, zwłaszcza modele obsługujące tekst, obraz i dźwięk, należą do najbardziej energochłonnych rozwiązań.

Nie każde zastosowanie AI wiąże się z dużym zużyciem prądu. Proste operacje, takie jak klasyfikacja danych, wymagają znacznie mniej energii niż generowanie obrazów czy długich tekstów. Jednak wraz z rozwojem usług AI coraz trudniej precyzyjnie ustalić, ile energii pochłaniają same algorytmy, a ile inne cyfrowe procesy. Specjaliści zalecają, by użytkownicy i firmy domagali się większej przejrzystości w raportowaniu zużycia energii przez AI i wybierali mniej zasobożerne modele tam, gdzie to tylko możliwe.