Energia i data center: niewidoczny koszt gospodarki AI

Zdjęcie: Data center, energia

Sztuczna inteligencja miała być technologią ukrytą w chmurze. Miała działać w tle: przyspieszać procesy, analizować dane, wspierać pracowników, automatyzować decyzje i poprawiać produktywność. W praktyce coraz wyraźniej okazuje się jednak, iż jej rozwój zależy od zasobów bardzo materialnych: centrów danych, sieci przesyłowych, mocy przyłączeniowych, chłodzenia, kapitału i energii.

To przesuwa rozmowę o AI daleko poza dział IT. Najważniejszym pytaniem nie jest już tylko to, jakie modele wybierze firma, jakie dane wykorzysta i które procesy zautomatyzuje. Coraz ważniejsze staje się pytanie, gdzie ta technologia będzie fizycznie działać, ile będzie kosztować jej utrzymanie i czy system energetyczny zdoła udźwignąć rosnący popyt.

AI nie tylko zwiększa zużycie energii. Zaczyna zmieniać geografię inwestycji, logikę planowania infrastruktury i sposób, w jaki państwa oraz firmy będą myśleć o przewadze konkurencyjnej.

Przez lata centra danych były zapleczem gospodarki cyfrowej. Ważnym, ale mało widocznym. Rozwój generatywnej AI przesuwa je na pierwszy plan. Według danych przywoływanych przez Międzynarodową Agencję Energetyczną globalne zużycie energii przez centra danych wyniosło w 2024 r. około 415 TWh, czyli około 1,5 proc. światowego zużycia energii elektrycznej. Do 2030 r. może wzrosnąć do około 945 TWh.

Ta liczba sama w sobie nie oznacza, iż centra danych pochłoną cały system energetyczny. Znacznie ważniejsze jest coś innego: ich wpływ będzie bardzo silny lokalnie. AI nie rozkłada się równomiernie na mapie świata. Koncentruje się tam, gdzie są kapitał, infrastruktura, dostawcy chmury, odpowiednie grunty, sieci i dostęp do energii.

To dlatego problemem nie jest wyłącznie to, ile prądu zużyje AI w skali globalnej. Prawdziwe pytanie brzmi: gdzie ta energia będzie potrzebna, jak gwałtownie i kto będzie musiał dostosować do tego infrastrukturę.

Badania dotyczące lokalizacji centrów danych AI wskazują, iż zdecydowana większość prognozowanej mocy obliczeniowej ma koncentrować się w Ameryce Północnej, Europie Zachodniej i regionie Azji-Pacyfiku. Niektóre miejsca, takie jak Wirginia, Oregon czy Irlandia, już dziś pokazują, jak duża może być presja na lokalne sieci energetyczne. AI przestaje być więc abstrakcyjną technologią z prezentacji zarządowych. Staje się bardzo konkretnym obciążeniem dla infrastruktury.

Z perspektywy gospodarki to zasadnicza zmiana. Centra danych zaczynają konkurować o energię z przemysłem, miastami, elektromobilnością, ciepłownictwem i transformacją energetyczną. Ten sam system, który ma wspierać dekarbonizację fabryk, rozwój transportu elektrycznego i modernizację budynków, musi jednocześnie obsłużyć gwałtownie rosnące potrzeby gospodarki cyfrowej.

Tam, gdzie sieć jest silna, przyłączenia szybkie, a energia relatywnie dostępna, mogą powstawać nowe klastry inwestycji cyfrowych. Tam, gdzie infrastruktura jest przeciążona albo modernizowana zbyt wolno, gospodarka może pozostać przede wszystkim konsumentem usług AI, ale nie miejscem, w którym rozwijane są jej fundamenty.

To zmienia mapę przewag. W poprzednich dekadach o atrakcyjności regionów decydowały talenty, koszty pracy, dostęp do rynku, logistyka i kapitał. Teraz coraz większe znaczenie będzie miało to, czy dany kraj lub region dysponuje energią, siecią i zdolnością do szybkiego uruchamiania infrastruktury cyfrowej.

Firmy energetyczne także nie mają komfortu spokojnego planowania. Według badania Capgemini przywoływanego przez ITPro duża część dostawców energii ma trudności z prognozowaniem zapotrzebowania ze strony centrów danych napędzanych AI. To nie jest drobny problem techniczny. Od jakości tych prognoz zależy, gdzie trzeba rozbudować sieci, ile mocy zakontraktować i jak uniknąć sytuacji, w której deklarowany popyt blokuje zasoby, choć nie wszystkie projekty zostaną ostatecznie zrealizowane.

Pojawia się tu zjawisko określane jako „phantom load” — zapowiadane zapotrzebowanie na energię, które może nigdy nie przełożyć się na realne inwestycje. Dla operatorów sieci i regulatorów to wyjątkowo trudne wyzwanie. Muszą przygotowywać system na wzrost, ale nie zawsze wiedzą, które projekty rzeczywiście powstaną, w jakiej skali i w jakim czasie.

To przenosi temat AI na poziom polityki gospodarczej. Państwa będą musiały odpowiedzieć na pytanie, czy centra danych są zwykłym odbiorcą energii, czy infrastrukturą strategiczną. jeżeli są strategiczne, trzeba planować dla nich sieci, źródła energii, chłodzenie, lokalizacje i zasady przyłączeń. jeżeli są traktowane jak każdy inny odbiorca, pojawia się inne pytanie: kto poniesie koszt rozbudowy infrastruktury, z której korzystać będą głównie najwięksi gracze technologiczni?

Ten dylemat będzie szczególnie istotny w Europie. Z jednej strony kontynent chce rozwijać własne zdolności w AI, wzmacniać suwerenność cyfrową i przyciągać inwestycje w infrastrukturę danych. Z drugiej działa w otoczeniu wysokich kosztów energii, ambitnych celów klimatycznych, napięć regulacyjnych i rosnącej wrażliwości społecznej na lokalizację dużych inwestycji infrastrukturalnych.

Dlatego europejska odpowiedź nie będzie mogła ograniczyć się do hasła „budujmy więcej centrów danych”. Coraz większe znaczenie będą miały efektywność energetyczna, wykorzystanie energii bezemisyjnej, oszczędzanie wody, ponowne użycie sprzętu i odzysk ciepła. To nie jest już wyłącznie agenda ESG. To warunek społecznej, regulacyjnej i gospodarczej akceptacji dla rozwoju infrastruktury AI.

Sektor technologiczny już próbuje uniezależniać się od ograniczeń sieci. Coraz częściej mówi się o własnych źródłach energii, rozwiązaniach behind-the-meter, magazynach energii, długoterminowych kontraktach na energię odnawialną, gazie jako rozwiązaniu przejściowym, a w dłuższej perspektywie także o małych reaktorach jądrowych. Stawką nie jest wyłącznie tańszy prąd. Stawką jest przewidywalność, szybkość uruchamiania nowych mocy obliczeniowych i mniejsza zależność od przeciążonych sieci.

Jest też bardziej optymistyczny scenariusz. Centra danych AI nie muszą być wyłącznie sztywnym, biernym obciążeniem dla systemu energetycznego. Część obciążeń obliczeniowych można przesuwać w czasie albo między lokalizacjami, reagując na ceny energii, dostępność mocy i sytuację w sieci. W takiej wizji data center stają się bardziej elastycznymi uczestnikami rynku energii: nie tylko pobierają prąd, ale potrafią dostosować pracę do warunków systemowych.

To przez cały czas kierunek rozwoju, a nie powszechny standard. Ale pokazuje, iż konflikt między AI a energetyką nie musi być wyłącznie grą o sumie zerowej. Dobrze zaprojektowana infrastruktura cyfrowa może wspierać bardziej świadome zarządzanie popytem, lepsze wykorzystanie energii odnawialnej i nowe modele współpracy między sektorem technologicznym a energetycznym.

Dla firm wniosek jest prosty, choć daleko idący. AI nie powinna być liczona wyłącznie jako projekt technologiczny. W skali staje się projektem infrastrukturalno-operacyjnym. Koszt modelu, licencji czy dostępu do API to tylko widoczna część rachunku. Dochodzą energia, dane, integracje, bezpieczeństwo, dostępność, redundancja, zgodność regulacyjna i zależność od dostawców infrastruktury.

CFO nie powinien więc pytać wyłącznie, ile kosztuje wdrożenie AI. Powinien pytać, jak będzie wyglądał koszt jednostkowy procesu, decyzji, zapytania lub automatyzacji po przejściu z pilotażu do produkcji. CIO nie powinien pytać jedynie, czy rozwiązanie działa. Powinien wiedzieć, czy organizacja ma warunki, by utrzymać je w skali.

Najważniejsza teza jest więc szersza niż sam rachunek za energię. Gospodarka AI nie będzie rozwijać się wyłącznie tam, gdzie są najlepsze modele i największe zbiory danych. Będzie rozwijać się tam, gdzie znajdzie energię, sieci, chłodzenie, kapitał, kompetencje i zgodę na budowę nowej infrastruktury.

Kraje oraz regiony z mocnym zapleczem energetycznym mogą stać się fundamentem gospodarki AI. Te, które tego zaplecza nie zbudują, będą korzystać z gotowych usług, ale trudniej będzie im uczestniczyć w tworzeniu podstaw nowej cyfrowej gospodarki.

Nie chodzi więc o to, by po raz kolejny powiedzieć, iż AI zużywa dużo prądu. To już wiadomo. Ważniejsze jest zrozumienie, iż AI staje się nowym, bardzo dynamicznym uczestnikiem gry o zasoby, które były już potrzebne przemysłowi, miastom i transformacji energetycznej.

Jeśli ten popyt nie zostanie dobrze zaplanowany, może podnosić koszty, opóźniać inne inwestycje i pogłębiać lokalne napięcia wokół sieci. jeżeli zostanie mądrze włączony w strategię energetyczną, może przyspieszyć modernizację infrastruktury, rozwój nowych modeli zarządzania popytem i bardziej świadome planowanie cyfrowej gospodarki.

Granice gospodarki AI wyznaczą więc nie tylko algorytmy. Wyznaczą je także megawaty.