Wat doet AI op dit moment met het milieu?

AI zorgt voor een toenemende vraag naar datacenters, gespecialiseerde chips, elektriciteit en koeling. Die uitbreiding kan de CO2-uitstoot verhogen, water verbruiken en de druk op lokale netwerken en toeleveringsketens vergroten. Tegelijkertijd wordt AI gebruikt om hernieuwbare energie te voorspellen, lekken op te sporen en energiesystemen te optimaliseren. De kosten staan ​​vast; de omvang van de toekomstige vraag en het nettovoordeel van veel toepassingen blijven onzeker.

Huidige openbare gegevens meten meestal hele datacenters of bedrijfsactiviteiten, en niet alleen AI. Dat maakt het mogelijk om met vertrouwen de richting te beschrijven, maar niet elke verandering aan AI toe te wijzen. Beweert dat AI óf al een milieuramp is, óf een automatische klimaatoplossing is, vooruitlopend op het bewijsmateriaal.

De elektriciteit in datacenters neemt toe

De Internationaal Energieagentschap schat dat datacenters in 415 ongeveer 2024 terawattuur gebruikten, ongeveer 1.5% van de elektriciteit in de wereld. Dit omvat opslag, streaming, enterprise computing en andere diensten, evenals AI.

In het basisscenario verwacht het IEA ongeveer 945 TWh tegen 2030. Versnelde servers, voornamelijk aangedreven door AI-adoptie, zijn verantwoordelijk voor bijna de helft van de netto toename. De gevallen van hoge efficiëntie en langzamere groei zijn lager; een geval van snelle AI-uitbreiding is hoger. Het bereik is belangrijk omdat niemand de toekomstige acceptatie, chipefficiëntie of infrastructuurbeperkingen precies kent.

Het onmiddellijke effect is ongelijk. Datacenters concentreren zich in bepaalde regio's, dus de nieuwe vraag kan lokaal een groot probleem voor de netwerkplanning zijn, ook al lijkt het mondiale percentage bescheiden.

De nieuwe vraag kent een gemengd stroomaanbod

Het koolstofresultaat hangt af van welke generatoren reageren. Het basisscenario van het IEA verwacht dat hernieuwbare energiebronnen tussen 2024 en 2030 bijna de helft van de groei van de elektriciteitsvoorziening aan datacentra zullen kunnen dekken. Aardgas en steenkool zullen samen ruim 40% van het extra aanbod in dezelfde periode voor hun rekening nemen.

Dat betekent dat AI-gekoppelde investeringen contracten voor schone energie kunnen ondersteunen en tegelijkertijd de opwekking van fossiele brandstoffen kunnen uitbreiden. De verhoudingen variëren per regio: rasters, bouwtijdlijnen en beleid verschillen. Een jaarlijkse hernieuwbare aankoop betekent niet altijd dat de vraag en het schone aanbod op dezelfde plaats en hetzelfde uur op elkaar aansluiten.

Het IEA verwacht dat de elektriciteitsgerelateerde emissies van datacentra in het basisscenario in 320 een piek zullen bereiken van ongeveer 2030 miljoen ton CO2. Het blijft minder dan 1% van de mondiale CO2-uitstoot, maar stijgt terwijl veel sectoren moeten krimpen. Lees De impact van AI op het milieu uitgelegd voor het verschil tussen energie en koolstof.

De vraag naar water wordt steeds zichtbaarder

AI-hardware creëert dichte hitte. Veel faciliteiten maken gebruik van verdampingskoeling, waarbij water wordt verbruikt, hoewel het ontwerp en de snelheid variëren. Elektriciteitsopwekking kan het indirecte verbruik buiten de locatiegrens vergroten.

Berkeley Lab heeft de effectiviteit van het watergebruik in Amerikaanse datacentra gemodelleerd op iets meer dan dat 0.36 liter per kWh in 2023. Het projecteert veranderingen naarmate vloeistofkoeling en typen faciliteiten evolueren. Dit zijn gemodelleerde nationale gemiddelden, niet de metingen van elke operator.

Sommige bedrijven introduceren gesloten-lusontwerpen die voorkomen dat water verdampt voor koeling. Dat kan het lokale verbruik verminderen, maar ‘geen waterkoeling’ is niet hetzelfde als nul water bij de productie van elektriciteit en chips. Onze gids voor hoe AI water gebruikt scheidt deze lagen.

De productie en constructie van chips breiden zich uit

Meer computergebruik vereist versnellers, geheugen, netwerken, stroomapparatuur en gebouwen. Hun toeleveringsketens maken gebruik van metalen, chemicaliën, energie en water. Beton en staal voegen belichaamde emissies toe; Voor de fabricage van halfgeleiders is ultrapuur water nodig; oude hardware wordt een kwestie van elektronisch afval en hergebruik.

Deze voetafdruk is moeilijker waar te nemen dan de elektriciteitsrekening van een faciliteit. Duurzaamheidsrapporten van bedrijven geven vaak de totale emissies van de toeleveringsketen weer, maar om het door AI veroorzaakte aandeel te isoleren zijn aannames over de allocatie nodig. Snelle uitbreiding van de infrastructuur is één van de redenen waarom operationele efficiëntie alleen niet de hele trend kan beschrijven.

Een langere levensduur van de hardware, een hoog gebruik, hergebruik van componenten en materialen met een lager koolstofgehalte kunnen de impact per werkeenheid verminderen. Ze moeten worden gerapporteerd naast de absolute aanschaf en constructie, omdat een efficiënte nieuwe generatie chips nog steeds gepaard kan gaan met een grotere totale hardwarevoetafdruk.

Milieutoepassingen gaan verder dan demo's

AI wordt al gebruikt voor weersvoorspelling, energievoorspelling, onderhoud van apparatuur en het opsporen van methaanlekken. De IEA-beoordelingen een reeks toepassingen die het brandstofverbruik, de verliezen en de stilstandtijd kunnen verminderen.

Het netto-effect is niet automatisch. Een model heeft data, hardware en integratie nodig, en het moet een echte beslissing veranderen. De voordelen moeten worden vergeleken met conventionele software of operationele verbeteringen en moeten na de implementatie worden gemeten. Schaalvergroting kan ook tot herstel leiden als lagere kosten tot meer activiteit leiden.

Het is dus redelijk om te zeggen dat AI het milieu kan helpen, maar niet om elke theoretische besparing aan de ene kant van het grootboek toe te voegen en de infrastructuur aan de andere kant te negeren. Ons artikel is AI goed voor het milieu? biedt een test op basis van contrafeiten en waargenomen uitkomsten.

Waar u de komende jaren op moet letten

De meest onthullende indicatoren zullen de absolute vraag naar elektriciteit zijn, de opwekking die daarvoor gebouwd is, het waterverbruik in stroomgebieden die onder druk staan, en de levenscyclusrapportage voor chips en constructie. Efficiëntie per query is belangrijk, maar het volume kan deze overweldigen.

Let op werkbelastingspecifieke openbaarmaking. “Cloud”-totalen vervagen AI- en niet-AI-diensten; Schattingen op modelniveau laten gebouwen en onbenutte capaciteit buiten beschouwing. Beide hebben waarde als ze duidelijk begrensd zijn. Het beleid op het gebied van netaansluitingen, watervergunningen en emissierapportage zal bepalen wat exploitanten moeten onthullen.

Geef op gebruikersniveau de voorkeur aan het kleinste model dat het werk voltooit en vermijd onnodig lange context- of mediageneratie. Treechat De ontvangsten volgen een modelgebaseerd methodologie; het zijn schattingen, geen live metingen in de faciliteit. Het bredere antwoord op hoe slecht AI werkelijk is zal minder afhangen van één prompt dan van de infrastructuur en normen die nu worden gekozen.