Az elmúlt években a mesterséges intelligencia (AI) mindennapi használata robbanásszerűen nőtt, ami egyúttal az ezt támogató számítástechnikai infrastruktúra energiaigényének drasztikus emelkedését is maga után vonta. Azonban ezeknek a hatalmas adatközpontoknak a környezeti terhelése – amelyek gigawattnyi energiát fogyasztanak és hatalmas mennyiségű vizet használnak hűtésre – eddig nehezen volt mérhető és átfogóan értékelhető.
Cornell kutatók átfogó elemzése az AI környezeti hatásairól
A Cornell Egyetem kutatói fejlett adat-analitikai módszereket, köztük mesterséges intelligenciát is alkalmazva készítettek egy államonkénti bontású áttekintést az AI infrastruktúra környezeti hatásairól. A tanulmány szerint, ha a jelenlegi AI növekedési ütem fennmarad 2030-ig, akkor évente 24-44 millió metrikus tonna szén-dioxid kerül a légkörbe. Ez a kibocsátás olyan mértékű, mintha 5-10 millió új autó kerülne az Egyesült Államok útjaira.
Ezzel párhuzamosan az AI adatközpontok vízfogyasztása évente 731-1125 millió köbméterre nőhet, ami megfelel 6-10 millió amerikai háztartás éves vízfogyasztásának. Ezek az adatok azt mutatják, hogy az AI iparág jelenlegi fejlődési pályája ellehetetlenítheti a nettó zéró kibocsátási célok elérését.
Fenntartható jövő: cselekvési terv a környezeti terhelés csökkentésére
Azonban a kutatás nem csak a problémák feltárására koncentrált, hanem egy gyakorlati, megvalósítható stratégiát is kidolgozott. Ez magában foglalja az intelligens telephelyválasztást, a hálózat gyorsabb dekarbonizációját és az üzemeltetési hatékonyság növelését. Ezek együttes alkalmazásával akár 73%-kal csökkenthető lehet a szén-dioxid-kibocsátás, és 86%-kal a vízfogyasztás a legrosszabb forgatókönyvekhez képest.
A tanulmány részletei és vezető kutatók
A tanulmányt 2023. november 10-én publikálták a Nature Sustainability folyóiratban. A vezető szerző Tianqi Xiao doktori hallgató volt a Cornell Egyetem Process-Energy-Environmental Systems Engineering (PEESE) laborjából. A projektet Fengqi You professzor vezette, aki az energia rendszerek mérnöki professzora a Cornell Műszaki Karán.
“A mesterséges intelligencia minden társadalmi szektort átalakít, de gyors növekedése jelentős energia-, víz- és karbonlábnyommal jár.” – Fengqi You
Az adatgyűjtés kihívásai és az AI szerepe az elemzésben
A kutatócsoport három évvel ezelőtt kezdte meg az adatok összegyűjtését, amely során pénzügyi, marketing és gyártási információkat kombináltak helyspecifikus adatokkal az energiafelhasználásról és erőforrás-fogyasztásról. Ez lehetővé tette az iparág bővülésének pontosabb megértését és annak összekapcsolását az éghajlatváltozás hatásaival.
Fontos megjegyzés: Az ipari adatok gyűjtése nehézkes, mivel nem minden vállalat teszi közzé teljes körűen ezeket az információkat. Az AI segítségével azonban sikerült pótolni bizonyos hiányzó adatokat, így többféle forgatókönyvet is elemezni tudtak.
Hogyan érhető el jelentős környezetvédelmi javulás?
A kutatás rámutatott arra, hogy nincs egyetlen csodafegyver a problémára: a helyszínválasztás, a hálózat dekarbonizációja és az üzemeltetés hatékonyságának javítása együtt képesek jelentős eredményeket hozni.
- Helyszínválasztás: Jelenleg sok adatközpont olyan régiókban épül fel, ahol vízhiány van (például Nevada és Arizona). Ezekben a térségekben gyorsan nőhet a helyi infrastruktúrára és vízkészletekre nehezedő nyomás.
- Víztakarékos hűtési technológiák: Az olyan fejlesztések bevezetése, amelyek csökkentik a vízfogyasztást akár 52%-kal is mérsékelheti az igényeket.
- Hálózat dekarbonizációja: A tiszta energiaforrásokra való átállás kulcsfontosságú ahhoz, hogy csökkenjenek az üvegházhatású gázok kibocsátása.
- Működési hatékonyság: Az energia- és víztakarékos technológiák alkalmazása tovább javíthatja az eredményeket.
A Midwest régió és az úgynevezett “szélöv” államai – különösen Texas, Montana, Nebraska és Dél-Dakota – kínálják a legjobb kombinált karbon- és vízprofilokat. New York állam pedig alacsony karbonkibocsátású opcióként emelkedik ki tiszta energiakeverékével (atomenergia, vízerőművek és növekvő megújulók), bár itt is fontos a víztakarékos hűtés előtérbe helyezése.
Kihívások: A hálózat dekarbonizációjának szükségessége
Ha nem sikerül felgyorsítani a hálózat dekarbonizációját az AI számítási igényének növekedésével párhuzamosan, akkor akár 20%-os kibocsátás-növekedés is előfordulhat. Még ha minden kilowattóra tisztábbá válik is, összességében nőhetnek az emissziók, ha az AI iránti kereslet gyorsabban nő, mint ahogy a hálózat zöldül.
“A megoldás abban rejlik, hogy felgyorsítsuk a tiszta energia átállását ott, ahol az AI infrastruktúra bővül.” – Fengqi You
További technológiai fejlesztések szerepe
A hálózat dekarbonizációja önmagában nem elegendő: még egy ambiciózus magas megújulós forgatókönyv esetén is csak mintegy 15%-kal csökkenne 2030-ra a szén-dioxid-kibocsátás az alaphelyzethez képest. Körülbelül 11 millió tonna maradék emisszió várható, amelynek semlegesítéséhez további gigawattnyi szélerőmű vagy napelem kapacitást kellene telepíteni.
Ezen túlmenően energiatakarékos technológiák bevezetése – például fejlett folyadékhűtés és jobb szerverkihasználtság – további 7%-os karboncsökkentést és 29%-os vízfogyasztás-csökkenést eredményezhetnek. Így összességében akár 32%-os vízmegtakarítás érhető el.
A jövő kulcsa: koordinált tervezés és felelős döntések
Miközben olyan nagyvállalatok mint az OpenAI vagy a Google egyre nagyobb összegeket fektetnek be új AI adatközpontok építésébe, elengedhetetlen egy összehangolt tervezési folyamat ipar, szolgáltatók és szabályozók között. Ez segíthet elkerülni helyi vízhiányt és magasabb hálózati emissziókat.
“Ez most építkezési időszak – azok a döntések, amelyeket ebben az évtizedben hozunk az AI infrastruktúráról, meghatározzák majd, hogy az AI elősegíti-e a klímavédelmet vagy új környezeti terhet jelent.” – Fengqi You
Közreműködők és támogatók
A tanulmány társszerzői között megtalálhatók kutatók Svédországból (KTH Royal Institute of Technology), Kanadából (Concordia University) és Olaszországból (RFF-CMCC European Institute on Economics and the Environment). A kutatást többek között a National Science Foundation és az Eric and Wendy Schmidt AI in Science program támogatta.
Forrás: https://news.cornell.edu/stories/2025/11/roadmap-shows-environmental-impact-ai-data-center-boom
