ხელოვნური ინტელექტის უხილავი ფასი: რამდენ წყალსა და ელექტროენერგიას მოიხმარს AI?

ხელოვნური ინტელექტის სწრაფი გავრცელება ტექნოლოგიური სექტორის მიღმა, ენერგეტიკისა და გარემოს დაცვის მნიშვნელოვან საკითხად ყალიბდება. AI მოდელების სწავლება და ყოველდღიური გამოყენება სულ უფრო მეტ გამოთვლით სიმძლავრეს მოითხოვს. ამ პროცესისთვის აშენებული მონაცემთა ცენტრები ელექტროენერგიას მოიხმარს, გასაგრილებლად წყალს იყენებს და ახალი ენერგეტიკული ინფრასტრუქტურის მშენებლობას საჭიროებს.

საერთაშორისო ენერგეტიკული სააგენტოს შეფასებით, 2024 წელს მსოფლიოს მონაცემთა ცენტრებმა დაახლოებით 415 ტერავატსაათი ელექტროენერგია მოიხმარეს, რაც გლობალური მოხმარების დაახლოებით 1.5 პროცენტი იყო. ბოლო ხუთ წელიწადში სექტორის ელექტრომოხმარება საშუალოდ წელიწადში 12 პროცენტით იზრდებოდა.

სააგენტოს საბაზო სცენარით, 2030 წლისთვის ეს მაჩვენებელი დაახლოებით 945 ტერავატსაათამდე გაიზრდება და გლობალური ელექტრომოხმარების თითქმის 3 პროცენტს მიაღწევს. მონაცემთა ცენტრების მოთხოვნა ამ პერიოდში საშუალოდ წელიწადში 15 პროცენტით მოიმატებს, რაც ოთხჯერ უფრო სწრაფი ტემპია, ვიდრე ეკონომიკის სხვა სექტორებში ელექტროენერგიის მოხმარების ზრდა.

AI ზრდის მთავარი მამოძრავებელია

ყველა მონაცემთა ცენტრი მხოლოდ ხელოვნურ ინტელექტს არ ემსახურება. ისინი ინახავს ვებგვერდებს, ვიდეოებს, საბანკო ოპერაციებს, ღრუბლოვან პროგრამებსა და სხვა ციფრულ მომსახურებასაც. თუმცა მომავალი ზრდის მნიშვნელოვანი ნაწილი სწორედ AI სისტემებს უკავშირდება.

საერთაშორისო ენერგეტიკული სააგენტოს მიხედვით, AI ამოცანებისთვის გამოყენებული მაღალი წარმადობის სერვერების ელექტრომოხმარება 2030 წლამდე საშუალოდ წელიწადში 30 პროცენტით გაიზრდება. ისინი მონაცემთა ცენტრების ელექტრომოხმარების მოსალოდნელი ზრდის თითქმის ნახევარს შექმნიან. შედარებისთვის, ჩვეულებრივი სერვერების მოხმარება დაახლოებით 9 პროცენტით გაიზრდება.

მონაცემთა ცენტრები ელექტროენერგიის სისტემისთვის განსაკუთრებულ გამოწვევას ქმნის, რადგან მათი დატვირთვა კონკრეტულ რეგიონებში კონცენტრირდება. გლობალურად მათი წილი შედარებით მცირეა, თუმცა კონკრეტულ ქალაქსა და შტატში ერთმა დიდმა ცენტრმა შეიძლება ქსელს ასობით მეგავატის ახალი მოთხოვნა დაუმატოს. ამასთან, მონაცემთა ცენტრის აშენებას ზოგჯერ ორი ან სამი წელი სჭირდება, ახალი ელექტროსადგურებისა და გადამცემი ხაზების მოწყობას კი გაცილებით მეტი დრო.

ელექტროენერგიის ნაწილი კვლავ წიაღისეული საწვავით იწარმოება

მონაცემთა ცენტრის გარემოზე გავლენა დიდწილად დამოკიდებულია იმაზე, თუ რა წყაროებით იწარმოება მის მიერ მოხმარებული ელექტროენერგია.

ამჟამად მონაცემთა ცენტრებისთვის მიწოდებული ელექტროენერგიის დაახლოებით 30 პროცენტი ქვანახშირზე მოდის. განახლებადი წყაროების წილი დაახლოებით 27 პროცენტია, ბუნებრივი გაზის 26 პროცენტი, ხოლო ბირთვული ენერგიის 15 პროცენტი. ეს არის ელექტროენერგიის რეალური ადგილობრივი ნარევის შეფასება და არა მხოლოდ ტექნოლოგიური კომპანიების მიერ გაფორმებული განახლებადი ენერგიის კონტრაქტების მაჩვენებელი.

საერთაშორისო ენერგეტიკული სააგენტო პროგნოზირებს, რომ განახლებადი ენერგია 2030 წლამდე მონაცემთა ცენტრების მოთხოვნის ზრდის თითქმის ნახევარს დაფარავს. მიუხედავად ამისა, ბუნებრივი გაზი და ქვანახშირი დამატებითი მოთხოვნის 40 პროცენტზე მეტს მაინც უზრუნველყოფს.

სააგენტოს საბაზო სცენარით, მონაცემთა ცენტრებისთვის ელექტროენერგიის წარმოებასთან დაკავშირებული ნახშირორჟანგის ემისია 2030 წლისთვის დაახლოებით 320 მილიონ ტონას მიაღწევს. მიუხედავად სწრაფი ზრდისა, ეს გლობალური ნახშირორჟანგის ემისიის 1 პროცენტზე ნაკლები იქნება. პრობლემა უფრო მწვავეა ადგილობრივ დონეზე, განსაკუთრებით იქ, სადაც ელექტროსისტემა ჯერ ისევ ქვანახშირსა და ბუნებრივ გაზზეა დამოკიდებული.

რამდენ წყალს მოიხმარს მონაცემთა ცენტრი?

წყალი მონაცემთა ცენტრებს ძირითადად სერვერების გაგრილებისთვის სჭირდება. დამატებითი, არაპირდაპირი წყლის მოხმარება დაკავშირებულია ელექტროენერგიის წარმოებასთან და კომპიუტერული ჩიპების დამზადებასთან.

გაეროს უნივერსიტეტის 2026 წლის ანგარიშის მიხედვით, 2030 წლისთვის AI ინფრასტრუქტურასთან დაკავშირებული წყლის კვალი შესაძლოა სუბსაჰარული აფრიკის 1.3 მილიარდი მცხოვრების წლიური საბაზისო საყოფაცხოვრებო წყლის მოთხოვნის მასშტაბს გაუტოლდეს. ანგარიშის ავტორები აღნიშნავენ, რომ შეფასება მოიცავს არა მხოლოდ უშუალოდ სერვერების გაგრილებას, არამედ ელექტროენერგიის წარმოებასთან დაკავშირებულ წყლის მოხმარებასაც.

ასეთი შედარება არ ნიშნავს, რომ მონაცემთა ცენტრები ამ ადამიანებისთვის განკუთვნილ წყალს პირდაპირ მოიხმარს. ის AI ინფრასტრუქტურის გლობალური წყლის კვალის მასშტაბის საჩვენებლად გამოიყენება. ზემოქმედება პრაქტიკაში ადგილობრივია. პრობლემა განსაკუთრებით მწვავდება მაშინ, როდესაც მონაცემთა ცენტრი გვალვისადმი მოწყვლად რეგიონში შენდება და წყლისთვის სოფლის მეურნეობას, მოსახლეობასა და სხვა საწარმოებს უწევს კონკურენციას.

OECD-ის შეფასებით, წყლის მოხმარება ციფრული სექტორის ყველაზე ნაკლებად გამჭვირვალე მაჩვენებლებს შორის რჩება. კომპანიები მონაცემებს ერთიანი მეთოდით არ აქვეყნებენ, რის გამოც სხვადასხვა ცენტრის შედარება რთულია. OECD-ის მიერ განხილული შეფასებით, მონაცემთა ცენტრების წყლით გაგრილება თითოეულ მოხმარებულ კილოვატსაათზე დაახლოებით 0.2-დან 0.8 ლიტრამდე წყალს შეიძლება საჭიროებდეს. რეალური მაჩვენებელი ტექნოლოგიაზე, კლიმატსა და ადგილმდებარეობაზეა დამოკიდებული.

წყალი მხოლოდ გაგრილებისთვის არ გამოიყენება. ნახევარგამტარების საწარმოებში ჩიპების გასაწმენდად დიდი რაოდენობის განსაკუთრებული სისუფთავის წყალია საჭირო. OECD-ის მიერ მოყვანილი შეფასებით, ერთ დიდ ჩიპების ქარხანას დღეში 37 მილიონ ლიტრამდე წყლის გამოყენება შეუძლია.

ბეტონი, ფოლადი და ელექტრონული ნარჩენები

AI ინფრასტრუქტურის გარემოსდაცვითი კვალი მხოლოდ მუშაობის დროს მოხმარებული ენერგიით არ განისაზღვრება. მონაცემთა ცენტრების მშენებლობას სჭირდება დიდი მოცულობის ბეტონი, ფოლადი, სპილენძი, სერვერები, ბატარეები და გაგრილების მოწყობილობები.

ამ მასალების წარმოება თავად მოითხოვს ენერგიას და იწვევს ემისიებს. AI ჩიპების სწრაფი განახლება ასევე აჩქარებს ძველი მოწყობილობების ჩამოწერას, რაც ელექტრონული ნარჩენების მართვის საჭიროებას ზრდის.

ამ მიმართულებით ზუსტი გლობალური მონაცემები ჯერ შეზღუდულია. გაეროს უნივერსიტეტი აღნიშნავს, რომ AI-ის გარემოსდაცვითი ღირებულება ხშირად მხოლოდ ელექტროენერგიითა და ნახშირორჟანგის ემისიებით ფასდება, მაშინ როცა წყლის, მიწის, სამშენებლო მასალებისა და მიწოდების ჯაჭვის სრული ზემოქმედება სათანადოდ აღრიცხული არ არის.

ტექნოლოგიური კომპანიები მოხმარების შემცირებას ცდილობენ

მონაცემთა ცენტრების ზრდა ავტომატურად არ ნიშნავს, რომ ენერგიისა და წყლის მოხმარება იმავე ტემპით უნდა გაიზარდოს. ახალი ჩიპები, უფრო ეფექტიანი პროგრამული უზრუნველყოფა და დახურული გაგრილების სისტემები თითოეული გამოთვლის რესურსულ ღირებულებას ამცირებს.

Microsoft-ის ინფორმაციით, კომპანიის მონაცემთა ცენტრების საშუალო წყლის მოხმარების ინტენსივობა 2000-იანი წლების დასაწყისში არსებული 2.3 ლიტრიდან 2025 წელს 0.27 ლიტრამდე შემცირდა თითოეულ მოხმარებულ კილოვატსაათზე. კომპანია ასევე ავითარებს AI მონაცემთა ცენტრებს, რომლებიც სერვერების გაგრილებისას წყალს დახურულ სისტემაში ატრიალებს და მისი აორთქლება აღარ სჭირდება. ეს მონაცემები თავად კომპანიის ანგარიშს ეფუძნება და მთლიან ინდუსტრიაზე ავტომატურად ვერ გავრცელდება.

ეფექტიანობას დიდი მნიშვნელობა აქვს. საერთაშორისო ენერგეტიკული სააგენტოს სცენარში, პროგრამული უზრუნველყოფის, ჩიპებისა და გაგრილების უფრო სწრაფმა გაუმჯობესებამ 2035 წელს მონაცემთა ცენტრების ელექტრომოხმარება საბაზო პროგნოზთან შედარებით 15 პროცენტზე მეტით შეიძლება შეამციროს.

ბიზნესისთვის მთავარი საკითხი გამჭვირვალობაა

AI კომპანიების გარემოსდაცვითი შედეგების შეფასება რთულია, რადგან სექტორი იშვიათად აქვეყნებს კონკრეტული მოდელის სწავლებისა და გამოყენების სრულ მონაცემებს. ხშირად უცნობია, რომელ მონაცემთა ცენტრში შესრულდა გამოთვლა, რა ენერგეტიკული ნარევი გამოიყენებოდა და რამდენი წყალი დაიხარჯა.

ერთი AI მოთხოვნისთვის წყლის ან ელექტროენერგიის უნივერსალური მაჩვენებლის დასახელება შეუძლებელია. მოხმარება დამოკიდებულია მოდელის ზომაზე, პასუხის სიგრძეზე, გამოყენებულ ჩიპზე, ცენტრის დატვირთვაზე, გაგრილების სისტემასა და ადგილობრივი ქსელის ენერგიის წყაროებზე.

ამიტომ ბიზნესისა და მარეგულირებლებისთვის მთავარი გამოწვევა მხოლოდ ახალი ინფრასტრუქტურის შეზღუდვა არ არის. საჭიროა ენერგიის, წყლის, ემისიებისა და ელექტრონული ნარჩენების ერთიანი მეთოდით აღრიცხვა. ეს ინვესტორებსა და ადგილობრივ მოსახლეობას საშუალებას მისცემს შეაფასონ, რა ეკონომიკურ სარგებელს ქმნის მონაცემთა ცენტრი და რა დატვირთვას აკისრებს ადგილობრივ რესურსებს.

AI-ს შეუძლია ენერგოსისტემების, ტრანსპორტის, მედიცინისა და წარმოების ეფექტიანობის გაუმჯობესება. თუმცა ტექნოლოგიის დადებითი ეფექტი მის ინფრასტრუქტურულ ფასს არ აუქმებს. ხელოვნური ინტელექტის მდგრადი განვითარება საბოლოოდ დამოკიდებული იქნება იმაზე, შეძლებს თუ არა ინდუსტრია გამოთვლითი მოთხოვნის ზრდის ენერგიისა და წყლის მოხმარებისგან ნაწილობრივ გამიჯვნას.

წყაროები:

https://www.iea.org/reports/energy-and-ai/energy-demand-from-ai

https://www.iea.org/reports/energy-and-ai/energy-supply-for-ai

https://unu.edu/inweh/news/environmental-cost-of-AIs-Enrgy-use-carbon-water-and-land-footprints

https://www.oecd.org/en/publications/oecd-digital-economy-outlook-2024-volume-2_3adf705b-en/full-report/digital-technologies-and-the-environment_c0701b0b.html

https://www.oecd.org/en/publications/competition-in-artificial-intelligence-infrastructure_623d1874-en/full-report/component-5.html

https://blogs.microsoft.com/blog/2026/06/24/inside-microsofts-two-decade-push-to-cut-water-intensity-while-scaling-for-growth/

https://www.microsoft.com/en-us/microsoft-cloud/blog/2024/12/09/sustainable-by-design-next-generation-datacenters-consume-zero-water-for-cooling/