AI’s klimapåvirkning er mindre end forventet, ny forskning viser

Den kunstige intelligens (KI)-frenzy har sendt markedet til nye højder. 

Milliarder af dollars fortsætter med at flyde ind i chipproducenter og datacentre, da den pågående KI-mani holder det turbo-ladede marked gående i mere end to år uden tegn på afmatning. Men mange er begyndt at spørge, om vi er i en KI-boble.

Analytikere som dem hos JPMorgan (JPM ) opfordrer faktisk investorer til at forberede sig på turbulens fremover. Men selv om der er boble-dannelse i både private og offentlige markeder, er KI-mani ikke uden dens berettigelse, da teknologien har meget økonomisk værdi i forhold til at skabe tilgængelig, kraftfuld intelligens, som menes at ligne skabelsen af internettet. 

I sin 2026-udsigelse kaldte JPMorgan KI for “den mest transformerende teknologi siden computing,” og “driver mere GDP-vækst end forbrugerudgifter.”

På samme tid advarer banken om strøm-manglende, vand-besvær og regulativ undersøgelse.

I bredere forstand kommer den hurtige udvidelse af KI med betydelige miljømæssige presser, som finder at være lavere end forventet. Det skyldes, at energi-intensiteten og emissionerne af en forespørgsel afhænger af faktorer som modellens type og størrelse, output der genereres, energinet, der driver datacenteret, der behandler anmodningen, tidspunktet for behandling og andre variabler.

JPMorgan estimerer også, at 60% af job i den udviklede verden står over for en vis grad af automatiseringsrisiko fra KI, men da gamle roller forsvinder, skal nye roller opstå.

Samlet set er den største risiko, ifølge banken, “ikke at have adgang til transformerende teknologi.”

AI-adoptering, energiforbrug og klimabelastning

Evnen til, at AI kan automatisere repetitive opgaver, forbedre beslutningstagning og forbedre effektivitet og produktivitet på tværs af forskellige domæner, har ført til en bred adoption.

Ifølge en undersøgelse af McKinsey, rapporterede 88% af respondenterne om regelmæssig AI-brug i mindst én forretningsfunktion, et 10% spring fra året før. Dog noterede det, at på virksomhedsniveau er flertallet stadig i eksperimentationsstadiet, hvor omkring en tredjedel sagde, at deres virksomheder havde begyndt at skala deres AI-programmer.

For tiden vurderet til omkring 400 milliarder dollars, forventes AI-markedet at nå 1,8 billioner dollars ved årtiets slutning.

Når det kommer til investering, overgik privat AI-finansiering i USA 109 milliarder dollars i 2024, hvilket er omkring 24 gange det i Storbritannien på 4,5 milliarder dollars og 12 gange det i Kinas 9,3 milliarder dollars. Settende fremad, planlægger en overvældende 92% af virksomhederne at investere i generativ AI i de næste tre år.

Selvom AI-adopteringsgraden er stigende takket være dens løfter om uhørt produktivitet, medfører det alvorlige energi- og miljøudfordringer. Det er sådan, at AI er ekstremt energikrævende.

Træning af AI-modeller kræver tonsvis af energi, nok til at strømforsyne flere hundrede husholdninger årligt, og det kan være meget højere under inferens. Det er faktisk estimeret, at 80% til 90% af beregningskraften til AI bruges til inferens.

Så AI’s energiforbrug er primært forbundet med den beregningskraft, der kræves for at træne og køre disse modeller inden for datacentre, hvor AI-modellerne er indlæst på grupper af servere udstyret med GPU’er som Nvidias (NVDA ) Blackwells.

Datacentre er faciliteter, der huser computerservere, datasystemer, strømforsyninger, kølesystemer og netværksudstyr. Alt dette infrastruktur er nøgle til ikke kun at tilbyde de nyeste digitale tjenester som at stille ChatGPT et spørgsmål, men også at sende en e-mail eller streame en video.

Så datacentre har været omkring i lang tid, men det er i de sidste få år, at de er udvidet betydeligt.I dag er der mere end 100.000 datacentre , fordelt over hele verden, med USA som vært for det meste med over 4.200, efterfulgt af Storbritannien og Tyskland, der begge har omkring 500 hver. I USA er en tredjedel af datacentrene placeret i blot tre stater: Californien, Texas og Virginia, hvor de sidste to er stærkt afhængige af fossile brændstoffer til deres energibehov.

I bredere forstand kan datacentre inddeles i tre kategorier. Traditionelle virksomhedsfaciliteter drives internt af virksomheder til deres egne arbejdsmængder: colocation-udbydere lejer rackspace og strøm til mange forskellige kunder i fælles bygninger. På toppen er der “hyperskala”-campusser – enorme, lagerlignende steder pakket med titusinder af servere, der håndterer de tungeste AI- og cloud-computing-job.

Ifølge JPMorgan forventes hyperskalerte kapitaludgifter at nå over 500 milliarder dollar næste år, da virksomheder konkurrerer om at bygge datacentre og sikre sjældne strøm.

Så, hvor meget energi bruger disse datacentre? Nu, en del. Datacentre i USA forbrugte 183 TWh elektricitet sidste år, da nationens samlede årlige elforbrug nåede et rekordhøj.

Den estimerede energiforbrug af disse datacentre forventes at stige med 133% inden 2030, og nå 426 TWh. Globalt forventer IEA, at elproduktionen til datacentre vil mere end fordobles i dens basis-scenarie, fra omkring 460 TWh i 2024 til lidt over 1.000 TWh inden 2030.
I USA stod datacentre for 4% af den samlede elforbrug, hvilket er lig med det årlige elforbrug i Pakistan. Efter at have været stagneret i mere end et årti, forventes adoptionen af AI

896 kt CO₂ (~0,02% af USA’s CO₂)
⟦UAHTML0107⟧National klimapåvirkning er beskeden i forhold til de samlede emissioner.⟦UAHTML0108⟧
⟦UAHTML0109⟧
⟦UAHTML0110⟧
⟦UAHTML0111⟧
⟦UAHTML0112⟧
⟦UAHTML0113⟧
⟦UAHTML0114⟧Med hensyn til, hvor meget af denne datacenter energiforbrug AI er ansvarlig for, er det svært at sige, da datacentre håndterer forskellige typer arbejdsbyrder. En typisk AI-optimeret hyperscaler forbruger dog årligt så meget el som 100.000 husstande.⟦UAHTML0115⟧Ifølge de seneste projekter fra Lawrence Berkeley National Laboratory, i de næste tre år, vil mere end halvdelen af den elektricitet, der forbruges af datacentre, blive brugt til AI, hvilket vil være lig med den årlige elforbrug af 22% af alle amerikanske husstande.

Energi-mixen, der driver kernen i AI 

Med den hurtige opblomstring af AI, oplever datacentre nu en belastning og står over for en stigende pres, da efterspørgslen på elektricitet stiger.

Det meste af elektriciteten, i gennemsnit 60%, der bruges af datacentre, bruges faktisk til at drive servere, der behandler og gemmer digitale oplysninger. Derefter er kølesystemer ansvarlige for den næststørste energiforbrug, der varierer fra 7% til 30%, afhængigt af effektiviteten af en facilitet.  

Disse kølesystemer forhinder servere i at overhede, hvilket kræver en stor mængde vand. I 2023, brugte de amerikanske datacentre direkte omkring 17 milliarder gallon vand, hvoraf 84% af det blev forbrugt af colocation- og hyperskalefaciliteter, som alene forventes at forbruge omkring 16-33 milliarder gallon vand årligt i 2028.

Vedrørende kilder til den energi, der bruges af datacentre, leverede naturgas den største mængde (over 40%) af elektricitet til datacentre i USA, efterfulgt af fornybare energikilder som sol og vind (24%), kernekraft (20%) og kul (15%).

Teknologigiganter som Google (GOOG ), Amazon (AMZN ) og Meta (META ) har faktisk lovet at bruge mere kernekraft, som i øjeblikket kun står for 20% af elforsyningen i USA, for at reducere de carbonudledninger fra datacentre.

Dette er hvorfor  IEA forventer, at CO2-udledningerne fra elektricitetsproduktion til datacentre vil nå et maksimum på omkring 320 millioner ton CO2 i 2030, før der ses en nedgang til omkring 300 millioner ton CO2 i 2035.Ifølge IEA:

“Trods hurtig vækst udgør datacentre stadig en relativt lille del af det samlede elsystem, stigende fra omkring 1% af den globale elproduktion i dag til 3% i 2030, og står for mindre end 1% af de samlede globale CO2-udledninger.”

Men offentligheden er ikke enig. Ifølge en undersøgelse fra Pew Research Center i 2024 omkring AI’s bredere miljømæssige impact over de næste to årtier, mener en fjerdedel af de voksne i USA, at impacten vil være negativ, og samme andel siger at impacten vil være lige så positiv som negativ.

Både virksomheder og forskere søger også kontinuerligt efter måder at reducere energiforbruget af både beregning og datacentre.

Faktisk er der opnået betydelige energibesparelser i hardwaren, der bruges til beregning. Men hastigheden af effektivitetsfordele har været aftagende, mens AI’s beregningskrav har været accelererende.

Det er sådan, at effekterne af AI på energiforbruget går ud over direkte elforbrug til beregning. Energi er efter alt en kritisk indgang i næsten alle økonomiske aktiviteter, og driver industrierne og understøtter moderne livs infrastruktur.

Og studier viser en stærk korrelation mellem energiforbrug og økonomisk output, hvilket indikerer, at energiforbrug er tæt forbundet med BNP-vækst. Så, hvis AI forbedrer økonomisk produktivitet, kan det også føre til en stigning i samlet energiforbrug. Ikke at tale om, at den kontinuerlige brug af fossile brændstoffer til at drive økonomien vil forstærke de miljømæssige effekter af elproduktion ved at bidrage til klimaforandringer.

Men når det kommer til AI, kan det faktisk reducere energiforbrug. Det kan opnås gennem eftertragende styring eller forbedring af energiinfrastrukturens robusthed.

På kort sigt resulterer afhængigheden af fossile brændstoffer til energiproduktion dog i øget luforurening, forringet vandkvalitet og forværret klimaforandringer.

Naturlig gas forventes at forblive den primære energikilde for datacentre på kort sigt, men det globale research- og rådgivningsfirma Gartner forventer “hurtig vækst i batterienergilagringssystemer for at afbalancere fluktuationerne i sol- og vindenergi” over de næste tre til fem år. Firmaet udtalte følgende i en forskningsnote:

“Nye rene lokale energialternativer – såsom grøn hydrogen, geotermisk og små modulære reaktorer – begynder at optræde og vil blive livskraftige brændstofalternativer for datacenter-mikronet på slutningen af årtiet.”

AI’s grønne potentiale og klimaemissioners kompromis

Selvom AI har klare og massive miljømæssige konsekvenser, har ny forskning fundet, at miljørisikoen ved nuværende niveau af AI-brug er lavere, end vi tror. Desuden kan det faktisk støtte miljømæssig fremgang og økonomisk vækst.

For at projicere de potentielle miljømæssige resultater af AI, hvis det fortsætter med at udvikle sig i sin nuværende takt, kombinerede forskere fra University of Waterloo og Georgia Institute of Technology i studiet “Watts og bots: de energimæssige implikationer af AI-adopterings¹” data om US’ økonomiske aktivitet med estimater af, hvor bredt teknologien bliver anvendt på tværs af forskellige erhverv og industrier.

På industrieniveau estimerer forskerne, at den årlige stigning i energiforbrug kan variere mellem 0 og 12 petajoule (PJ), mens klimaemissioner kan variere fra 0 ton til 272 kt (ktCO2).

Hvor Meget Energi og CO₂ Kan AI Tilføje på Nationalt Niveau?

Endnu 28 PJ energiforbrug, svarende til omkring 0,03% af den årlige nationale energiforbrug, kan resultere fra AI-adopterings, når det samlet på tværs af økonomien. Det vil også tilføje 896 ktCO₂ i årlige emissioner, svarende til omkring 0,02% af landets årlige CO₂-udslip.

Dette er, fordi, ifølge data fra US Energy (BSIN ) Information Administration, 83% af nationen stadig afhænger af fossile brændstoffer, dvs. kul, petroleum og naturgas.

Dannede af fossile rester af organismer, tager det millioner af år at danne og betragtes som ikke-fornylige ressourcer. Selvom de er begrænsede i forsyning, fungerer fossile brændstoffer som vigtige energikilder til elproduktion, transport og industrielle processer.Bemærkelsesværdigt, frigør brugen af disse brændstoffer varme-fanget drivhusgasser (GHG) og bidrager til klimaforandringer.

Forskere har fundet, at selvom AI-relateret el-forbrug i USA er sammenligneligt med Islands samlede energiforbrug, er denne mængde for lille til at være betydningsfuld på nationalt eller globalt niveau.“Det er vigtigt at bemærke, at stigningen i energiforbrug ikke vil være ensartet. Det vil blive mærket mere på de steder, hvor elektricitet produceres til at drive datacenterne,” sagde miljøøkonom, dr. Juan Moreno-Cruz, en professor på Faculty of Environment på Waterloo og Canada Research Chair i Energy Transitions. Set fra et lokalt perspektiv, bemærkede han, at det kunne være en “stor sag”, med nogle steder, der ser en fordobling af mængden af elektricitetsoutput og emissioner. 

På en større skala, sagde Moreno-Cruz, “AI’s brug af energi vil ikke være mærkbar.”

Selv om forskerne ikke undersøgte effekterne på de lokale økonomier, hvor datacenterne er beliggende, fandt de nogle opmuntrende resultater.

“For mennesker, der tror, at brugen af AI vil være et stort problem for klimaet og mener, vi skal undgå det, tilbyder vi en anden perspektiv,” sagde han. “Effekterne på klimaet er ikke så betydelige, og vi kan bruge AI til at udvikle grønne teknologier eller forbedre eksisterende.”

Det kan bidrage til løsninger for energibesparelse og emissionsreduktion ved at optimere fornybare energikilder og industrielle processer, bemærkede studiet.

For at trække deres konklusioner, analyserede forskerne forskellige sektorer af en økonomi, job i disse sektorer og hvilken del af dem, der kan udføres af AI. De planlægger at gentage studiet uden for USA, i andre lande, for at måle effekterne af AI-adopterings globalt og få en mere komplet billed af teknologiens indvirkning på energiforbrug og emissioner.

Med henvisning til studiets begrænsninger, pegede forskerne på begrænsede data tilgængelighed og varierende granularitet, der påvirkede analysen, en mangel på information om den geografiske fordeling af energiforbrug og antagelsen af, at AI kun påvirker produktiviteten gennem opgaver, der tidligere blev udført til en lavere omkostning, og ikke tager hensyn til, at teknologien introducerer nye opgaver eller påvirker andre former for produktion som kapital. 

Med deres studie, sigter forskerne mod at give en nyttig base til at forstå de bredere implikationer af bredere AI brug på tværs af økonomien.

Og deres resultater indikerer, at størrelsen af stigningen i energiforbrug og emissioner fra AI-adopterings er “relativt beskeden i forhold til den samlede økonomiske aktivitet.”Så, da AI-revolutionen forskellige sektorer og omformulerer de forskellige aspekter af vores samfund, opfordrer studiet til behov for at balancere de økonomiske fordele og produktivitetsgevinster med potentielle stigninger i efterspørgslen efter energi og relaterede kulstofemissioner. 

For at opnå denne balance, nævner studiet investeringer i fornybare energikilder, fremhæver de AI-teknologier, der er energieffektive, udvikler strategier til at kompensere for stigende emissioner i AI-intensiv industri og bruger AI til at mindske sårbarheder over for klimaforandringer.

Gennem konstant analyse og overvågning af AI’s energi- og miljøpåvirkninger kan vi opnå bæredygtig udvikling af transformative teknologier, sagde studiet.

Investering i AI: Datacentre, chip og klimarisiko

Den største vinder af den igangværende AI-mani er Nvidia (NVDA ), et fuldstændigt stack-computing-infrastruktur-selskab, der tilbyder AI-løsninger og software samt har et gaming-segment, professionel visualisering og robotteknologi.

Nvidia er verdens mest værdifulde selskab med en markedsværdi på 4,3 billioner dollars, som overgik 5 billioner dollars sidste måned, da aktierne nåede et 52-ugers højdepunkt på 212 dollar. På skrivende tid handler NVDA-aktierne til 179,5 dollar, op 33,2% i år og mere end 1.450% i de sidste fem år.

Som følge af det massive udgifter til infrastruktur af AI-selskaber, nåede chip-producenten Nvidias datacenter-forretning en rekord på 51,2 milliarder dollars i omsætning, en stigning på 25% i forhold til sidste kvartal og 66% i forhold til året før. Kunderne inkluderer Google, Amazon, Meta, Microsoft (MSFT ) og Oracle.

Ifølge selskabet er denne forretning blevet fremmet af en acceleration af kraftfulde AI-modeller, agente ansøgninger og beregning. Salget af Nvidias Blackwell GPU-chip er også “ud af grafen”, og cloud-GPU’er er udsolgt.”

Som følge heraf annoncerede selskabet AI-fabrik, specialiseret computing-infrastruktur og andre infrastrukturprojekter til en samlet værdi af 5 millioner GPU’er, der dækker “hvert marked, CSP’er, suveræne stater, moderne byggere, virksomheder og supercomputing-centre.”

“Computerefterspørgsel fortsætter med at accelerere og forøge sig over træning og slutning — hver voksende eksponentielt. Vi er gået ind i den dydige cirkel af AI. AI-økosystemet skalere hurtigt — med flere nye grundlæggende model-skabere, flere AI-startups, på tværs af flere brancher og i flere lande. AI er overalt, gør alt, samtidig,” sagde CEO Jensen Huang i den seneste Nvidia Q3-æregangserklæring.

Seneste Nvidia Corporation (NVDA) aktienyheder

Konklusion: AI’s klimapåvirkning og investeringsudsigt

Med AI bliver mere personlig og kapabel, får evnen til at resonere og løse komplekse problemer, er dens adoption og energiforbrug stadig i deres tidlige faser. Udvidelsen af denne teknologi driver massive udbygninger af data centre, presser eksisterende kraftsystemer, og rejser bekymringer omkring elkrav og kuldioxidudledning.

Men, som den seneste forskning antyder, er AI’s landsdækkende energipåvirkning stadig beskeden, selvom dens lokale fodaftryk kan være betydeligt. Det kommer hele vejen ned til den underliggende kraftblandings skift mod lav-kulstofkilder. Så, AI er ikke kun en driver for energiforbrug, men også et værktøj til energioptimering, der hjælper med at modernisere elnet, forbedre effektiviteten og accelerere klima-fokuseret innovation, samtidig med at den låser op for den økonomiske værdi, den lover.

Klik her for en liste over underprissede disruptiv teknologi-aktier.

Referencer

1. Harding, A. R. & Moreno-Cruz, J. “Watts and bots: the energy implications of AI adoption.” Miljøforskningsbreve 20 (11), Artikel 114084 (2025). https://doi.org/10.1088/1748-9326/ae0e3b