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

Den kunstige intelligens (AI)-feber har sendt markedet til nye højder. 

Milliarder af dollars fortsætter med at strømme ind i chipproducenter og datacentre, da den vedvarende AI-mani holder det turboopladede marked i gang i mere end to år uden tegn på afmatning. Dog er mange begyndt at stille spørgsmålstegn ved, om vi er i en AI-boble.

Analytikere som dem hos JPMorgan (JPM ) opfordrer faktisk investorer til at forberede sig på turbulens fremover. Men mens skum opbygges i både private og offentlige markeder, er manien omkring AI ikke uden sin værdi, da teknologien har stor økonomisk værdi i form af at skabe tilgængelig, kraftfuld intelligens, som menes at ligne opfindelsen af internettet. 

I sin 2026-udsigt kaldte JPMorgan AI “den mest transformerende teknologi siden computere” og “driver mere BNP-vækst end forbrugerudgifter.”

Samtidig advarede banken om strømmangel, vandbegrænsninger og regulatorisk granskning.

Mere bredt, den hurtige udvidelse af AI medfører betydelige miljømæssige pres, som er fundet at være lavere end forventet. Det skyldes, at energitætheden og emissionerne for en forespørgsel afhænger af faktorer som modellens type og størrelse, den output der genereres, energinettet der driver datacentret, der håndterer anmodningen, tidspunktet på dagen den behandles, og andre variable.

JPMorgan anslår også, at 60 % af job i den udviklede verden står over for en vis automatiseringsrisiko fra AI, men efterhånden som gamle roller forsvinder, bør nye roller opstå.

Alt i alt er den største risiko, ifølge banken, “ikke at have eksponering for transformerende teknologi.”

AI‑adoption, energiforbrug og klima byrde

AI’s evne til at automatisere gentagne opgaver, forbedre beslutningstagning og øge effektivitet og produktivitet på tværs af forskellige områder har ført til dens udbredte adoption.

Ifølge en undersøgelse fra McKinsey, rapporterede 88 % af respondenterne regelmæssig AI-brug i mindst én forretningsfunktion, en stigning på 10 % siden sidste år. Det bemærkede dog, at på virksomhedsniveau er flertallet stadig i eksperimentfasen, med omkring en tredjedel der siger, at deres virksomheder er begyndt at skalere deres AI‑programmer.

Aktuelt vurderet til omkring 400 milliarder dollars, er AI‑markedet forventet at nå 1,8 billion dollars inden udgangen af dette årti.

Når det gælder investeringer, oversteg den private AI‑finansiering i USA oversteg $109 milliarder i 2024, hvilket er omkring 24 gange så meget som Storbritannien med $4,5 milliarder og 12 gange så meget som Kinas $9,3 milliarder. Fremadrettet planlægger hele 92 % af virksomhederne at investere i generativ AI i løbet af de næste tre år.

Selvom AI‑adoption vokser takket være løfterne om hidtil uset produktivitet, medfører den alvorlige energi‑ og miljøudfordringer. Punktet er, at AI er ekstremt energikrævende. 

Træning af AI‑modeller kræver tonvis af energi, nok til at forsyne flere hundrede husholdninger årligt, og det kan være meget højere ved inferens. Det er faktisk anslået at 80 % til 90 % af beregningskraften til AI bruges til inferens.

Så er AI’s energiforbrug primært forbundet med den beregningskraft, der kræves for at træne og køre disse modeller i datacentre, hvor AI‑modeller indlæses på grupper af servere udstyret med GPU’er som Nvidia’s (NVDA ) Blackwells.

Datacentre er faciliteter, der huser computerservere, datalagringssystemer, strømforsyninger, kølesystemer, og netværksudstyr. Al denne infrastruktur er afgørende for ikke kun at levere de nyeste digitale tjenester som at stille ChatGPT et spørgsmål, men også at sende en e‑mail eller streame en video.

Datacentre har eksisteret i lang tid, men det er i de sidste få år, de er udvidet betydeligt. 

I dag er der mere end 100.000 datacentre, spredt over hele verden, hvor USA har flest med over 4.200, efterfulgt af Storbritannien og Tyskland, som hver har omkring 500. I USA er en tredjedel af datacentrene placeret i kun tre stater: Californien, Texas og Virginia, hvor de to sidste er stærkt afhængige af fossile brændstoffer til deres energibehov.

Generelt kan datacentre inddeles i tre kategorier. Traditionelle virksomhedsfaciliteter drives internt af virksomheder til deres egne arbejdsbelastninger: colocation‑udbydere lejer rack‑plads og strøm til mange forskellige kunder i fælles bygninger. I den øverste ende er “hyperskala”-campusser — enorme, lagerlignende steder fyldt med titusinder af servere, der håndterer de tungeste AI‑ og cloud‑computing‑opgaver.

Hvisølge JPMorgan forventes hyperscaleres kapitaludgifter at overstige $500 billion næste år, da virksomhederne kæmper for at bygge datacentre og sikre knap energi.

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

Energiforbruget i disse datacentre anslås at vokse med 133 % inden 2030 og nå 426 TWh. Globalt forventer IEA, at elproduktionen dedikeret til datacentre mere end fordobles i deres basisscenario, fra omkring 460 TWh i 2024 til lidt over 1.000 TWh i 2030.

I USA udgjorde datacentre 4 % af den samlede elforbrug, hvilket svarer til det årlige elbehov i Pakistan. Efter at have været stillestående i mere end et årti, forventes AI‑adoption at øge denne andel til 12 % i 2028.
Swipe to scroll →

Hvad angår hvor stor en del af dette datacenter‑energiforbrug der skyldes AI, er det svært at fastslå, da datacentre håndterer forskellige typer af arbejdsbelastninger. En typisk AI‑optimeret hyperscaler forbruger dog årligt så meget elektricitet som 100.000 husholdninger.

Ifølge de seneste fremskrivninger fra Lawrence Berkeley National Laboratory, i de næste tre år, mere end halvdelen af elektriciteten forbrugt af datacentre vil blive brugt til AI, hvilket vil være svarende til den årlige elforbrug for 22 % af alle amerikanske husholdninger.

Energimixen, der driver AI’s kerne 

Med den hurtige stigning i AI oplever datacentre nu en belastning, da efterspørgslen efter elektricitet stiger.

Størstedelen af elektriciteten, i gennemsnit 60 %, som bruges af datacentre faktisk driver serverne, der behandler og lagrer digital information. Derefter er kølesystemerne ansvarlige for den næststørste energiforbrug, som varierer fra 7 % til 30 %, afhængig af effektiviteten af en facilitet.  

Disse kølesystemer forhindrer servere i at overophede, hvilket kræver en stor mængde vand. I 2023, de amerikanske datacentre forbrugte direkte omkring 17 milliarder gallons vand, hvoraf 84 % af det forbrugte af colocation‑ og hyperskala‑faciliteter, som alene forventes at forbruge omkring 16‑33 milliarder gallons vand årligt inden 2028.

Hvad angår kilderne til den energi, der bruges af datacentre, leverede naturgas mest (over 40 %) af elektriciteten til datacentre i USA, efterfulgt af vedvarende energikilder som sol og vind (24 %), atomkraft (20 %) og kul (15 %).

Tech‑giganter som Google (GOOG ), Amazon (AMZN ), og Meta (META ) har faktisk lovet at bruge mere atomkraft, som i øjeblikket kun udgør 20 % af den amerikanske elforsyning, for at reducere datacentrenes CO₂‑emissioner.

Dette er grunden til, at IEA forudser, at CO₂‑emissionerne fra elproduktion til datacentre vil toppe omkring 320 Mt CO₂ i 2030, før de falder til omkring 300 Mt CO₂ i 2035.

Ifølge IEA:

“På trods af den hurtige vækst forbliver datacentre en relativt lille del af det samlede energisystem, stigende fra omkring 1 % af den globale elproduktion i dag til 3 % i 2030, og udgør mindre end 1 % af de samlede globale CO₂‑emissioner.”

Men offentligheden tror ikke på det. Ifølge en 2024 Pew Research Center-undersøgelse om AI’s bredere miljømæssige påvirkning i de næste to årtier, mener en fjerdedel af amerikanske voksne, at påvirkningen vil være negativ, og samme andel siger at påvirkningen vil være lige så positiv som negativ.

Både virksomheder og forskere søger løbende måder at reducere energiforbruget i både beregning og datacentre.

Faktisk er der opnået betydelige energieffektivitetsgevinster i hardware, der bruges til beregning. Dog er tempoet i effektivitetens forbedringer aftaget, mens AI’s beregningskrav er accelereret.

Pointen er, at AI’s påvirkning af energiforbruget går ud over den direkte elforbrug til beregning. Energi er trods alt en kritisk input i næsten alle økonomiske aktiviteter, driver industrier og understøtter den moderne livsinfrastruktur.

Studier viser en stærk korrelation mellem energiforbrug og økonomisk output, hvilket indikerer, at energiforbrug er tæt forbundet med BNP‑vækst. Så, hvis AI øger den økonomiske produktivitet, kan det også føre til en stigning i det samlede energiforbrug. Ikke at forglemme, at den fortsatte brug af fossile brændstoffer til at drive økonomien vil forstærke de miljømæssige virkninger af elproduktion ved at bidrage til klimaforandringer.

Men når det gælder AI, kan den faktisk reducere energiforbruget. Det kan opnås gennem efterspørgselsstyring eller forbedring af energiinfrastrukturens robusthed.

På kort sigt medfører afhængigheden af fossile brændstoffer til energiproduktion øget luftforurening, forringet vandkvalitet og forværret klimaforandring.

Selvom naturgas forventes at forblive den primære energikilde for datacentre på kort sigt, forudser det globale forsknings- og rådgivningsfirma Gartner “hurtig vækst i batterilagringssystemer for at balancere udsvingene i sol- og vindenergi” i løbet af de næste tre til fem år. Firmaet sagde følgende i en forskningsnote:

“Nye rene on‑site energialternativer – såsom grøn brint, geotermisk energi og små modulære reaktorer – begynder at dukke op og vil blive levedygtige brændstofalternativer for datacenter‑mikronetværk inden årtiets udgang.”

AI’s grønne potentiale og klimaemissions‑afvejninger

Selvom AI har klare og massive miljømæssige konsekvenser, har ny forskning fundet, at de miljømæssige risici ved de nuværende niveauer af AI‑brug er lavere end vi tror. Desuden kan faktisk understøtte miljømæssig fremgang og økonomisk vækst.

For at projicere de potentielle miljømæssige resultater af AI, hvis den fortsætter med at udvide i sit nuværende tempo, i studiet med titlen “Watts and bots: the energy implications of AI adoption¹” udgivet i Environmental Research, kombinerede forskere fra University of Waterloo og Georgia Institute of Technology data om den amerikanske økonomiske aktivitet med estimater af, hvor bredt teknologien er i brug på tværs af forskellige erhverv og industrier.

På industriniveau anslår forskerne, at de årlige stigninger i energiforbrug vil ligge mellem 0 og 12 petajoule (PJ), mens CO₂‑emissioner kan variere fra 0 ton til 272 kt (ktCO₂).

Hvor meget energi og CO₂ kunne AI tilføje på nationalt niveau?

Yderligere 28 PJ energiforbrug, svarende til omkring 0,03 % af den årlige nationale energiforbrug, kunne skyldes AI‑adoption, når det samles på tværs af økonomien. Det ville også tilføje 896 kt CO₂ i årlige emissioner, svarende til omkring 0,02 % af landets årlige CO₂‑udledning.

Dette skyldes, at ifølge data fra US Energy Information Administration er 83 % af nationen stadig afhængig af fossile brændstoffer, dvs. kul, petroleum og naturgas.

Dannet af de fossilisere rester af organismer, tager de millioner af år at danne og betragtes som ikke‑fornybare ressourcer. Selvom de er begrænsede i udbud, fungerer fossile brændstoffer som afgørende energikilder til elproduktion, transport og industrielle processer. Bemærkelsesværdigt frigiver brugen af disse brændstoffer varme‑fangende drivhusgasser (GHG) og bidrager til klimaforandringer.

Forskere har fundet, at selvom AI‑relateret elforbrug i USA er sammenligneligt med Islands samlede energiforbrug, denne mængde forbliver for lille til at have en væsentlig registrering på nationalt eller globalt niveau.

“Det er vigtigt at bemærke, at stigningen i energiforbrug ikke vil være ensartet. Det vil mærkes mest i de områder, hvor elektricitet produceres til at drive datacentrene,” sagde miljøøkonom Dr. Juan Moreno-Cruz, professor ved Faculty of Environment på Waterloo og Canada Research Chair i energiovergange. Set fra et lokalt perspektiv bemærkede han, at det kunne være en “stor sag,” med nogle steder, der ser dobbelt så meget eloutput og emissioner. 

På et større plan, dog, “AI’s energiforbrug vil ikke være mærkbart,” tilføjede Moreno-Cruz.

Selvom forskerne ikke undersøgte virkningerne på lokale økonomier, hvor datacentrene er placeret, fandt de nogle opmuntrende resultater.

“For folk, der tror, at brugen af AI vil være et stort problem for klimaet og mener, vi bør undgå det, tilbyder vi et andet 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 energieffektivitet og emissionsreduktion ved at optimere vedvarende energikilder og industrielle processer, bemærkede studiet.

For at drage deres konklusioner analyserede forskerne forskellige sektorer af en økonomi, job i disse sektorer, og hvilken del af dem kunne udføres af AI. De planlægger at gentage studiet bortset fra USA, i andre lande, for at måle virkningerne af AI‑adoption globalt og få et mere omfattende billede af teknologiens påvirkning af energiforbrug og emissioner.

Med henvisning til studiets begrænsninger påpegede forskerne begrænset datatilgængelighed og varierende granularitet, der påvirker analysen, mangel på information om den geografiske fordeling af energiforbrug, samt antagelsen om, at AI påvirker produktiviteten kun gennem opgaver, der tidligere blev udført til lavere omkostninger, uden at tage højde for, at teknologien introducerer nye opgaver eller påvirker andre produktionsformer som kapital. 

Med deres studie, sigter forskerne mod at give en hjælpsom basis for at forstå de bredere implikationer af bredere AI‑brug<