ИИ и климат: почему энергопотребление дата-центров — лишь верхушка айсберга

Оценивать влияние искусственного интеллекта на климат только по электричеству, которое потребляют дата-центры, значит видеть малую часть проблемы. Свежее исследование американских учёных смоделировало 64 сценария и показало: ИИ одновременно помогает возобновляемой энергетике и удешевляет добычу нефти и газа. При одновременном применении в обоих секторах выбросы CO₂ растут на 0,47–1,8 млрд тонн в год. Чтобы эффект стал положительным, «зелёные» технологии должны быть в 4–5 раз производительнее ископаемых.

Это меняет привычный взгляд на экологичность технологий. Прямой углеродный след серверов, систем охлаждения и сетевого оборудования остаётся важным, но перестаёт быть главной историей. Реальный вопрос в том, как именно ИИ меняет экономику двух ключевых энергетических секторов.

Почему традиционная оценка углеродного следа ИИ неполна

Стандартный подход фиксирует то, что легко измерить: сколько киловатт-часов уходит на обучение моделей, обработку запросов и охлаждение стоек. Это прямой след. Но ИИ давно вышел за пределы дата-центров и работает внутри энергетической отрасли, где его решения влияют на выбросы сильнее, чем счета за электричество.

Что обычно учитывают при оценке углеродного следа ИИ

Чаще всего считают энергопотребление центров обработки данных: серверы, охлаждение, сетевое оборудование. Эти цифры уже выглядят тревожно. По оценкам BloombergNEF, к 2035 году ЦОД будут потреблять одну пятую всей электроэнергии США, а почти половина этих мощностей уйдёт на задачи ИИ. Рост вычислительной нагрузки заставляет Amazon, Google и Microsoft строить собственные электростанции, часто газовые. Мы разбирали это на примере дата-центра Amazon в Техасе, где выбросы могут достичь 33 млн тонн CO₂ в год.

Однако прямой след не отвечает на вопрос, как ИИ меняет спрос на ископаемое топливо и предложение возобновляемой энергии. Косвенный эффект оказывается сопоставимым по масштабу.

Исследование: моделирование 64 сценариев

Американские учёные построили модель, в которой ИИ применяется в двух направлениях: повышает эффективность солнечной и ветряной генерации, а также снижает стоимость добычи нефти и газа. Они рассмотрели 64 сценария с разной производительностью технологий. Результат: при одновременном применении ИИ в обоих секторах выбросы CO₂ растут на 0,47–1,8 млрд тонн в год. Это сопоставимо с годовыми выбросами крупной промышленной страны.

Моделирование, а не реальные замеры, оставляет пространство для уточнений. Но направление вывода устойчиво: косвенные эффекты ИИ могут перевешивать прямые.

Двойственная роль ИИ: помощь «зеленой» энергетике и ископаемому топливу

ИИ не имеет встроенной климатической позиции. Один и тот же класс алгоритмов ускоряет прогнозы для ветропарков и оптимизирует бурение. Итоговый баланс зависит от того, где технология даёт больший экономический выигрыш.

Как ИИ повышает эффективность возобновляемой энергетики

Для солнечных и ветряных станций точность прогноза генерации напрямую влияет на доход. ИИ анализирует метеоданные, историю выработки и состояние оборудования, чтобы предсказывать, сколько энергии поступит в сеть в ближайшие часы. Это снижает необходимость держать резервные мощности на ископаемом топливе.

Предиктивное обслуживание турбин и панелей сокращает простои. Алгоритмы замечают износ до поломки, планируют ремонт в периоды низкой генерации и продлевают срок службы оборудования. Каждый процент прироста выработки без дополнительных выбросов делает возобновляемую энергию конкурентоспособнее.

Как ИИ удешевляет добычу нефти и газа

В нефтегазовом секторе ИИ работает с сейсмическими данными, ускоряет разведку месторождений и оптимизирует траектории бурения. Управление месторождениями в реальном времени снижает затраты на каждую добытую тонну. Это делает ископаемое топливо более прибыльным даже при невысоких ценах на сырьё.

Эффект двойной: дешёвая добыча стимулирует предложение, а снижение издержек замедляет переход на альтернативы. Пока зелёные технологии не дают сопоставимого экономического выигрыша, рынок продолжает выбирать нефть и газ.

Количественные оценки: насколько ИИ увеличивает выбросы CO₂

Цифры из моделирования конкретны. При одновременном применении ИИ в возобновляемой энергетике и добыче ископаемых выбросы CO₂ растут на 0,47–1,8 млрд тонн в год. Разброс объясняется разной производительностью технологий в сценариях.

Для сравнения: 1 млрд тонн CO₂ превышает годовые выбросы большинства стран мира. Даже нижняя граница диапазона означает заметное ускорение накопления парниковых газов.

Почему «зеленым» технологиям нужно быть в 4–5 раз производительнее

Логика проста. ИИ снижает стоимость добычи нефти и газа, что увеличивает их привлекательность и спрос. Чтобы компенсировать этот сдвиг, возобновляемая энергетика должна давать значительно больший прирост эффективности на каждый вложенный доллар. Исследование оценивает необходимый разрыв в 4–5 раз.

Это жёсткое условие. Текущие темпы улучшения прогнозов и обслуживания оборудования его не достигают. Без дополнительных стимулов баланс остаётся отрицательным.

Что это значит для бизнеса и политики

Выводы исследования применимы на практике. Компании, внедряющие ИИ, могут оценивать не только собственное энергопотребление, но и влияние на выбросы в смежных отраслях. Регуляторы получают аргумент для точечных мер.

Как компаниям оценивать влияние своих ИИ-инициатив

Простые вопросы: где именно используется ИИ? Как это меняет выбросы у поставщиков, клиентов и конкурентов? Если алгоритм оптимизирует логистику и снижает расход топлива, эффект положительный. Если ИИ увеличивает добычу нефти, итог отрицательный, даже когда дата-центр компании работает на зелёной энергии.

Такой подход требует данных о косвенных эффектах, но даёт более честную картину. Он же помогает избежать репутационных рисков, когда «зелёная» инициатива оборачивается ростом выбросов в другом месте.

Роль регулирования в усилении положительного эффекта ИИ

Без политических мер баланс может остаться отрицательным. Государство способно субсидировать применение ИИ в возобновляемой энергетике, вводить углеродные налоги и требовать раскрытия информации о косвенном влиянии алгоритмов. Исследование подчёркивает необходимость системного подхода, а не точечных ограничений на дата-центры.

Отдельный вопрос - прозрачность. Сегодня компании охотно отчитываются о прямом энергопотреблении, но редко раскрывают, как их ИИ-решения влияют на добычу ископаемых. Требование полной картины может стать частью климатической политики.

Вывод: новый взгляд на экологичность ИИ

ИИ - мощный инструмент, и его влияние на климат зависит от того, как мы его используем. Традиционный подход, учитывающий только электричество для дата-центров, устарел. Нужен комплексный анализ, который включает косвенные эффекты в энергетике и добыче.

Для бизнеса это означает оценку полного углеродного следа своих ИИ-решений. Для политиков - стимулы для зелёных применений и ограничения для ископаемых. Для читателя - понимание, что экологичность технологии определяется не её названием, а экономическими последствиями внедрения.

Есть вопрос или заметили неточность? Напишите нам, мы открыты к диалогу.