Co sztuczna inteligencja robi teraz dla środowiska?

Sztuczna inteligencja zwiększa zapotrzebowanie na centra danych, specjalistyczne chipy, energię elektryczną i chłodzenie. Ekspansja ta może zwiększyć emisję dwutlenku węgla, zużycie wody i zwiększyć presję na lokalne sieci i łańcuchy dostaw. Jednocześnie sztuczną inteligencję wykorzystuje się do prognozowania energii odnawialnej, wykrywania wycieków i optymalizacji systemów energetycznych. Koszty są pewne; skala przyszłego popytu i korzyści netto z wielu zastosowań pozostają niepewne.

Obecne dane publiczne zazwyczaj mierzą całe centra danych lub operacje firmy, a nie samą sztuczną inteligencję. Dzięki temu można śmiało określić kierunek, ale nie przypisywać każdej zmiany AI. Twierdzenia, że ​​sztuczna inteligencja jest już katastrofą ekologiczną lub automatycznym rozwiązaniem klimatycznym, wyprzedzają dowody.

Rośnie energia elektryczna w centrach danych

The Międzynarodowa Agencja Energetyczna szacuje, że w 415 r. centra danych zużyły około 2024 terawatogodzin, co stanowi około 1.5% światowej energii elektrycznej. Obejmuje to przechowywanie danych, przesyłanie strumieniowe, przetwarzanie danych dla przedsiębiorstw i inne usługi, a także sztuczną inteligencję.

W podstawowym przypadku IEA przewiduje około 945 TWh do 2030 r. Przyspieszone serwery, napędzane głównie przez przyjęcie sztucznej inteligencji, odpowiadają za prawie połowę wzrostu netto. Przypadki o wysokiej wydajności i wolniejszym wzroście są niższe; przypadek szybkiej ekspansji AI jest wyższy. Zasięg jest ważny, ponieważ nikt nie zna dokładnie przyszłego wykorzystania, wydajności chipów ani ograniczeń infrastrukturalnych.

Natychmiastowy efekt jest nierówny. Centra danych koncentrują się w określonych regionach, więc nowy popyt może stanowić główny problem w planowaniu sieci na poziomie lokalnym, nawet jeśli globalny odsetek wygląda na skromny.

Nowe zapotrzebowanie ma mieszane zasilanie

Wynik węglowy zależy od tego, które generatory zareagują. W podstawowym scenariuszu IEA oczekuje się, że odnawialne źródła energii pokryją prawie połowę wzrostu energii elektrycznej dostarczanej do centrów danych w latach 2024 I 2030. Gaz ziemny i węgiel razem dostarczają ponad 40% dodatkowej podaży w tym samym okresie.

Oznacza to, że inwestycje powiązane ze sztuczną inteligencją mogą wspierać umowy dotyczące czystej energii, jednocześnie zwiększając produkcję energii z paliw kopalnych. Proporcje różnią się w zależności od regionu: sieci, harmonogram budowy i polityka są różne. Coroczny zakup odnawialny nie zawsze oznacza dopasowanie popytu i czystej podaży w tym samym miejscu i godzinie.

MAE przewiduje, że w scenariuszu podstawowym emisje z centrów danych związane z energią elektryczną osiągną szczytową wartość około 320 milionów ton CO2 w 2030 r. Pozostaje on na poziomie mniejszym niż 1% światowego CO2, ale rośnie, podczas gdy wiele sektorów musi spaść. Przeczytaj Wyjaśniono wpływ sztucznej inteligencji na środowisko dla różnicy pomiędzy energią a węglem.

Zapotrzebowanie na wodę staje się coraz bardziej widoczne

Sprzęt AI wytwarza gęste ciepło. Wiele obiektów wykorzystuje chłodzenie wyparne, które zużywa wodę, chociaż konstrukcja i wydajność są różne. Wytwarzanie energii elektrycznej może zwiększać zużycie pośrednie poza granicami zakładu.

W Berkeley Lab modelowano efektywność wykorzystania wody w amerykańskich centrach danych na nieco ponad 0.36 litra na kWh w 2023 r. Projektuje zmiany w miarę ewolucji chłodzenia cieczą i typów obiektów. Są to modelowane średnie krajowe, a nie odczyty każdego operatora.

Niektóre firmy wprowadzają konstrukcje z zamkniętą pętlą, które pozwalają uniknąć odparowywania wody w celu chłodzenia. Może to zmniejszyć lokalne zużycie, ale „zero chłodzenia wodą” to nie to samo, co zerowe zużycie wody w produkcji energii elektrycznej i chipów. Nasz przewodnik po jak sztuczna inteligencja wykorzystuje wodę oddziela te warstwy.

Produkcja i konstrukcja chipów rozwija się

Więcej obliczeń wymaga akceleratorów, pamięci, sieci, sprzętu zasilającego i budynków. Ich łańcuchy dostaw wykorzystują metale, chemikalia, energię i wodę. Beton i stal powodują ucieleśnione emisje; produkcja półprzewodników wymaga ultraczystej wody; stary sprzęt staje się przedmiotem odpadów elektronicznych i ponownego użycia.

Ten ślad jest trudniejszy do zaobserwowania niż rachunek za energię elektryczną obiektu. Raporty zrównoważonego rozwoju przedsiębiorstw często podają całkowite emisje w łańcuchu dostaw, ale wyodrębnienie udziału spowodowanego przez sztuczną inteligencję wymaga założeń alokacyjnych. Szybka rozbudowa infrastruktury jest jednym z powodów, dla których sama efektywność operacyjna nie jest w stanie opisać całego trendu.

Dłuższa żywotność sprzętu, wysokie wykorzystanie, ponowne wykorzystanie komponentów i materiały o niższej zawartości węgla mogą zmniejszyć wpływ na jednostkę pracy. Należy je zgłaszać łącznie z zamówieniami całkowitymi i budową, ponieważ wydajna nowa generacja chipów może w dalszym ciągu wiązać się z większym całkowitym zapotrzebowaniem na sprzęt.

Zastosowania środowiskowe wykraczają poza demonstracje

Sztuczna inteligencja jest już wykorzystywana do przewidywania pogody, prognozowania mocy, konserwacji sprzętu i wykrywania wycieków metanu. The Recenzje IEA szereg zastosowań, które mogą zmniejszyć zużycie paliwa, straty i przestoje.

Efekt netto nie jest automatyczny. Model potrzebuje danych, sprzętu i integracji i musi zmienić rzeczywistą decyzję. Korzyści należy porównać z konwencjonalnym oprogramowaniem lub ulepszeniami operacyjnymi i zmierzyć po wdrożeniu. Skalowanie może również spowodować odbicie, jeśli niższe koszty zachęcą do większej aktywności.

Rozsądne jest zatem stwierdzenie, że sztuczna inteligencja może pomóc środowisku, ale nie należy dodawać wszystkich teoretycznych oszczędności do jednej strony księgi, ignorując infrastrukturę po drugiej. Nasz artykuł czy sztuczna inteligencja jest dobra dla środowiska? oferuje test oparty na scenariuszach alternatywnych i zaobserwowanych wynikach.

Co warto obejrzeć za kilka lat

Najbardziej odkrywczymi wskaźnikami będą: bezwzględne zapotrzebowanie na energię elektryczną, generacja zbudowana do jego obsługi, zużycie wody w zlewniach obciążonych obciążeniem oraz raportowanie cyklu życia chipów i konstrukcji. Wydajność poszczególnych zapytań ma znaczenie, ale ilość może ją przytłoczyć.

Zwróć uwagę na ujawnienia specyficzne dla obciążenia. Sumy „w chmurze” rozmywają usługi AI i usługi inne niż AI; szacunki na poziomie modelu pomijają budynki i niewykorzystaną moc produkcyjną. Obydwa mają wartość, jeśli są wyraźnie ograniczone. Polityka dotycząca przyłączy do sieci, pozwoleń na wodę i raportowania emisji będzie miała wpływ na to, co operatorzy muszą ujawnić.

Na poziomie użytkownika preferuj najmniejszy model, który dokończy pracę i unikaj niepotrzebnego długiego kontekstu lub generowania multimediów. Treechat wpływy są oparte na modelu metodologia; są to szacunki, a nie pomiary obiektu na żywo. Szersza odpowiedź na jak zła jest naprawdę sztuczna inteligencja będzie zależeć w mniejszym stopniu od jednego podpowiedzi, a bardziej od wybieranej obecnie infrastruktury i norm.