O que a IA está fazendo com o meio ambiente neste momento?

A IA está a aumentar a procura por centros de dados, chips especializados, eletricidade e refrigeração. Essa expansão pode aumentar as emissões de carbono, consumir água e aumentar a pressão sobre as redes e cadeias de abastecimento locais. Ao mesmo tempo, a IA está a ser utilizada para prever energia renovável, detectar fugas e optimizar sistemas energéticos. Os custos são certos; a escala da procura futura e o benefício líquido de muitas aplicações permanecem incertos.

Os dados públicos atuais geralmente medem data centers inteiros ou operações de empresas, e não apenas a IA. Isso torna possível descrever a direção com confiança, mas não atribuir todas as mudanças à IA. As alegações de que a IA já é uma catástrofe ambiental ou uma solução climática automática vão à frente das evidências.

A eletricidade dos data centers está aumentando

O Agência Internacional de Energia estima que os data centers usaram cerca de 415 terawatts-hora em 2024, cerca de 1.5% da eletricidade mundial. Isto inclui armazenamento, streaming, computação empresarial e outros serviços, bem como IA.

No seu cenário base, a AIE projecta cerca de 945 TWh até 2030. Os servidores acelerados, impulsionados principalmente pela adopção da IA, são responsáveis por quase metade do aumento líquido. Seus casos de alta eficiência e crescimento mais lento são mais baixos; um caso de expansão rápida de IA é maior. A gama é importante porque ninguém sabe com precisão a utilização futura, a eficiência do chip ou as restrições de infraestrutura.

O efeito imediato é desigual. Os centros de dados concentram-se em regiões específicas, pelo que a nova procura pode ser um importante problema de planeamento da rede local, mesmo quando a percentagem global parece modesta.

Nova demanda tem fonte de alimentação mista

O resultado do carbono depende de quais geradores respondem. O cenário base da AIE espera que as energias renováveis ​​correspondam a quase metade do crescimento da eletricidade fornecida aos centros de dados entre 2024 e 2030. O gás natural e o carvão, em conjunto, fornecem mais de 40% do fornecimento adicional durante o mesmo período.

Isso significa que o investimento ligado à IA pode apoiar contratos de energia limpa, ao mesmo tempo que alarga a produção fóssil. As proporções variam de acordo com a região: as redes, os prazos de construção e as políticas diferem. Uma compra anual renovável nem sempre significa que a procura e a oferta limpa coincidem no mesmo local e hora.

A AIE prevê que as emissões dos centros de dados relacionadas com a eletricidade atinjam um pico de cerca de 320 milhões de toneladas de CO2 em 2030, no seu caso base. Continua a ser inferior a 1% do CO2 global, mas está a aumentar enquanto muitos setores precisam de diminuir. Leia O impacto ambiental da IA explicado para a diferença entre energia e carbono.

A procura de água está a tornar-se mais visível

O hardware de IA cria calor denso. Muitas instalações utilizam resfriamento evaporativo, que consome água, embora o projeto e a taxa variem. A geração de eletricidade pode adicionar consumo indireto além dos limites do local.

O Berkeley Lab modelou a eficácia do uso da água em centros de dados dos EUA um pouco acima 0.36 litros por kWh em 2023. Ele projeta mudanças à medida que a refrigeração líquida e os tipos de instalações evoluem. Estas são médias nacionais modeladas e não leituras de todos os operadores.

Algumas empresas estão introduzindo projetos de circuito fechado que evitam a evaporação da água para resfriamento. Isso pode reduzir o consumo local, mas “resfriamento zero com água” não é o mesmo que zero água na fabricação de eletricidade e chips. Nosso guia para como a IA usa a água separa essas camadas.

A produção e construção de chips estão se expandindo

Mais computação requer aceleradores, memória, redes, equipamentos de energia e edifícios. As suas cadeias de abastecimento utilizam metais, produtos químicos, energia e água. O concreto e o aço acrescentam emissões incorporadas; a fabricação de semicondutores precisa de água ultrapura; hardware antigo torna-se uma questão de lixo eletrônico e reutilização.

Esta pegada é mais difícil de observar do que a conta de electricidade de uma instalação. Os relatórios de sustentabilidade das empresas fornecem frequentemente emissões totais da cadeia de abastecimento, mas isolar a parte causada pela IA requer pressupostos de alocação. A rápida expansão da infra-estrutura é uma das razões pelas quais a eficiência operacional por si só não consegue descrever toda a tendência.

Maior vida útil do hardware, alta utilização, reutilização de componentes e materiais com baixo teor de carbono podem reduzir o impacto por unidade de trabalho. Eles devem ser relatados juntamente com a aquisição e construção absolutas, porque uma nova geração eficiente de chips ainda pode acompanhar uma pegada total de hardware maior.

Os usos ambientais estão indo além das demonstrações

A IA já é usada para previsão do tempo, previsão de energia, manutenção de equipamentos e detecção de vazamentos de metano. O Avaliações da AIE uma gama de aplicações que podem reduzir o uso de combustível, perdas e tempo de inatividade.

O efeito líquido não é automático. Um modelo precisa de dados, hardware e integração, e deve mudar uma decisão real. Os benefícios devem ser comparados com software convencional ou melhorias operacionais e medidos após a implantação. A expansão também pode causar recuperação se custos mais baixos incentivarem mais atividades.

Portanto, é razoável dizer que a IA pode ajudar o ambiente, mas não adicionar todas as poupanças teóricas a um lado de um livro-razão e ignorar a infraestrutura do outro. Nosso artigo a IA é boa para o meio ambiente? oferece um teste baseado em contrafactuais e resultados observados.

O que observar nos próximos anos

Os indicadores mais reveladores serão a procura absoluta de electricidade, a geração construída para atendê-la, o consumo de água em bacias hidrográficas sob pressão e os relatórios do ciclo de vida dos chips e da construção. A eficiência por consulta é importante, mas o volume pode sobrecarregá-la.

Fique atento à divulgação específica da carga de trabalho. Os totais de “nuvem” confundem serviços de IA e não-IA; as estimativas em nível de modelo omitem edifícios e capacidade ociosa. Ambos têm valor se estiverem claramente delimitados. A política sobre ligações à rede, licenças de água e relatórios de emissões moldará o que os operadores devem revelar.

No nível do usuário, prefira o menor modelo que complete o trabalho e evite longos contextos desnecessários ou geração de mídia. Treechat as receitas seguem um modelo baseado metodologia; são estimativas e não medições de instalações em tempo real. A resposta mais ampla para quão ruim a IA realmente é dependerá menos de um estímulo do que da infra-estrutura e das normas que estão sendo escolhidas.