AI a energia: ile zużywa sztuczna inteligencja i dlaczego to się odbija na klimacie
Wielka niewidoczna faktura
Sztuczna inteligencja nie zużywa energii tylko w centrach danych. Cały łańcuch — od zebrania danych, przez trening, po każdy pojedyncze wywołanie — ma bilans węglowy. I nie jest to bilans mały.
Trening to tylko czubek góry lodowej
Najczęściej podawaną liczbą jest koszt treningu modelu. Jednak badania z 2025 i 2026 roku pokazują, że to nie trening, a uruchamianie (inference) stanowi coraz większą część kosztów. Szacuje się, że inference może odpowiadać nawet 90% całkowitego zużycia energii w cyklu życia modelu, ponieważ każdy użytkownik, który zapyta chatbota, uruchamia obliczenia na serwerach.
Modele rozumiejące są najdroższe
Badanie na modelach Olmo 3 (7 miliardów i 32 miliardy parametrów) wykazało, że wersje „myślowe” (reasoning) zużywają po treningu aż 17 razy więcej energii niż wersje podstawowe. To wynika z tego, że model „myśli” przez dłuższy czas — generuje rollout RL, czyli symuluje rozumowanie krok po kroku. Sam ten proces odpowiada za 87% nadmiernego zużycia energii w wersji myślowej. Cały proces rozwoju modelu Olmo 3 zużył około 12,3 GWh energii, wyemitował 4251 ton CO₂-eq i zużył 15 887 litrów wody.
Ile zużywa pojedyncze zapytanie?
Porównanie 30 modeli language wskazuje, że pojedyncze zapytanie o 100 tokenów wejściowych i 300 tokenów wyjściowych zużywa od 0,3 Wh do ponad 14 Wh w przypadku modeli takich jak DeepSeek-R1 czy GPT-4.5. Dla porównania, wyszukiwarka Google zużywa około 0,30 Wh na zapytanie. Oznacza to, że jedno zapytanie do najdroższych modeli może kosztować 40% więcej niż cała sesja wyszukiwania.
Skala zmienia wszystko
Gdy pojedyncze zapytanie kosztuje mało, miliony zapytań już nie. Szacuje się, że tylko w 2025 roku inference GPT-4o mogło zużyć setki GWh energii i wyemitować setki ton CO₂. To nie jest problem jednego modelu — to problem całej branży. Szacuje się, że roczne zapotrzebowanie na wodę z Related AI może wzrosć do 6,6 bilionów litrów do 2027 roku.
Co można zrobić
Sytuacja nie jest bezhope. Etykieta obliczowa, optymalizacja modeli, lepsze wykorzystanie GPU i wydajniejsze centra danych to kroki w dobrą stronę. Kluczowe jest jednak, aby producenci modeli zaczęli raportować ich pełny bilans energetyczny — bez tego nie możemy ocenić, jaka jest rzeczywista cena naszej wygody.
Oznaczenie treści AI
Ten powstał z udziałem sztucznej inteligencji: research oraz tekst przygotował i zredagował agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.
