AI‑s klimaavtrykk er mindre enn forventet, ny forskning viser

Den kunstige intelligens (AI)-mani har sendt markedet til nye høyder. 

Milliarder av dollar fortsetter å strømme inn i chipprodusenter og datasentre, ettersom den pågående AI-maniaen holder det turbooppblåste markedet i gang i mer enn to år uten tegn på avtagning. Imidlertid har mange begynt å stille spørsmål ved om vi er i en AI-boble.

Analytikere som de hos JPMorgan (JPM ) ber faktisk investorer forberede seg på turbulens fremover. Men mens skummet bygger seg opp i både private og offentlige markeder, er manien rundt AI ikke uten sin verdi, ettersom teknologien har stor økonomisk verdi når det gjelder å skape tilgjengelig, kraftig intelligens, som antas å ligne på opprettelsen av internett. 

I sin 2026-prognose kalte JPMorgan AI «den mest transformative teknologien siden databehandling», og «driver mer BNP-vekst enn forbrukerutgifter».

Samtidig advarte banken om strømkriser, vannbegrensninger og regulatorisk gransking.

Mer generelt kommer den raske ekspansjonen av AI med betydelige miljømessige påkjenninger som viser seg å være lavere enn forventet. Det skyldes at energitettleik og utslipp fra en spørring avhenger av faktorer som modellens type og størrelse, den genererte outputen, energinettet som driver datasenteret som håndterer forespørselen, tidspunktet på dagen den behandles, og andre variabler.

JPMorgan anslår også at 60 % av jobbene i den utviklede verden står overfor en viss automatiseringsrisiko fra AI, men etter hvert som gamle roller forsvinner, bør nye roller oppstå.

Totalt sett er den største risikoen, ifølge banken, «å ikke ha eksponering mot transformasjonsteknologi».

AI-adopsjon, energibruk og klima byrde

AI sin evne til å automatisere repeterende oppgaver, forbedre beslutningstaking og øke effektivitet og produktivitet på tvers av ulike domener har ført til bred adopsjon.

Ifølge en undersøkelse fra McKinsey, rapporterte 88 % av respondentene regelmessig AI‑bruk i minst én forretningsfunksjon, en økning på 10 % fra ett år siden. Imidlertid bemerket den at på bedriftsnivå er flertallet fortsatt i eksperimenteringsfasen, med omtrent en tredjedel som sier at deres selskaper har begynt å skalere sine AI‑programmer.

AI‑markedet, som nå er verdsatt til omtrent 400 milliarder dollar, er prognostisert å nå 1,8 billion dollar innen slutten av dette tiåret.

Når det gjelder investeringer, oversteg privat AI‑finansiering i USA 109 milliarder dollar i 2024, noe som er omtrent 24 ganger så mye som Storbritannia med 4,5 milliarder dollar og 12 ganger så mye som Kinas 9,3 milliarder dollar. Fremover planlegger hele 92 % av selskapene å investere i generativ AI i løpet av de neste tre årene.

Selv om AI‑adopsjon vokser takket være løftene om enestående produktivitet, medfører den alvorlige energi‑ og miljøutfordringer. Poenget er at AI er ekstremt energikrevende. 

Trening av AI‑modeller krever tonnevis av energi, nok til å forsyne flere hundre husholdninger årlig, og det kan være mye høyere ved inferens. Det er faktisk estimert at 80 % til 90 % av datakraften for AI brukes til inferens.

Dermed er AI‑s energibruk primært knyttet til den beregningskraften som kreves for å trene og kjøre disse modellene i datasentre, hvor AI‑modeller lastes på grupper av servere utstyrt med GPU‑er som Nvidias (NVDA ) Blackwell‑prosessorer.

Datasentre er fasiliteter som huser datamaskinservere, datalagringssystemer, strømforsyninger, kjølesystemer og nettverksutstyr. All denne infrastrukturen er nøkkelen til ikke bare å levere de nyeste digitale tjenestene som å stille ChatGPT et spørsmål, men også å sende e‑post eller strømme video.

Datasentre har eksistert lenge, men det er i de siste årene de har vokst betydelig. 

I dag finnes det mer enn 100 000 datasentre, spredt over hele verden, hvor USA har flest med over 4 200, etterfulgt av Storbritannia og Tyskland, som begge har omtrent 500 hver. I USA er en tredjedel av datasentrene i kun tre stater: California, Texas og Virginia, hvor de to siste er sterkt avhengige av fossilt brensel for sitt energibehov.

Generelt kan datasentre deles inn i tre kategorier. Tradisjonelle bedriftsanlegg drives internt av selskaper for egne arbeidsbelastninger: kolokasjonsleverandører leier rack‑plass og strøm til mange ulike kunder i delte bygninger. På høyeste nivå er «hyperskala»-campuser – enorme, lagerlignende anlegg fylt med titusenvis av servere som håndterer de mest krevende AI‑ og sky‑databehandlingsoppgavene.

Ifølge JPMorgan er kapitalutgiftene til hyperskalere prognostisert å overstige 500 milliarder dollar neste år ettersom selskaper konkurrerer om å bygge datasentre og sikre knapp strøm.

Så, hvor mye energi bruker disse datasentrene? Vel, mye. Datasentre i USA forbruket 183 TWh elektrisitet i fjor, da nasjonens totale årlige strømforbruk nådde en rekordhøyde.

Energiforbruket til disse datasentrene er estimert å vokse med 133 % innen 2030, og nå 426 TWh. Globalt forventer IEA at elektrisitetsproduksjonen dedikert til datasentre vil mer enn dobles i sitt basisscenario, fra rundt 460 TWh i 2024 til litt over 1 000 TWh innen 2030.

I USA sto datasentre for 4 % av den totale strømforbruket, noe som tilsvarer den årlige strøm etterspørselen i Pakistan. Etter å ha vært stillestående i mer enn et tiår, er adopsjonen av AI prognostisert å øke denne andelen til 12 % innen 2028.
Swipe to scroll →

Når det gjelder hvor stor del av dette datasenterenergiforbruket som skyldes AI, er det vanskelig å fastslå, ettersom datasentre håndterer ulike typer arbeidsbelastninger. En typisk AI‑optimalisert hyperskaler forbruker imidlertid årlig like mye strøm som 100 000 husholdninger.

Ifølge de nylige prognosene fra Lawrence Berkeley National Laboratory, i de neste tre årene, vil mer enn halvparten av strømmen som forbrukes av datasentre bli brukt til AI, noe som vil tilsvare den årlige strømforbruket til 22 % av alle amerikanske husholdninger.

Energimiksen som driver kjernen av AI 

Med den raske veksten av AI opplever datasentre nå en belastning, med økende press ettersom etterspørselen etter strøm skyter i været.

Mesteparten av strømmen, i gjennomsnitt 60 %, som brukes av datasentre, driver faktisk serverne som behandler og lagrer digital informasjon. Deretter er kjølesystemene ansvarlige for den nest største energibruken, fra 7 % til 30 %, avhengig av effektiviteten til en fasilitet.  

Disse kjølesystemene hindrer servere fra å overopphetes, noe som krever store mengder vann. I 2023 forbrukte de amerikanske datasentrene direkte omtrent 17 milliarder gallons vann, hvor 84 % av det forbruket kom fra kolokasjons- og hyperskala‑anlegg, som alene forventes å forbruke omtrent 16‑33 milliarder gallons vann årlig innen 2028.

Når det gjelder kilder til energien som brukes av datasentre, leverte naturgass mest (over 40 %) av elektrisiteten til datasentre i USA, etterfulgt av fornybare kilder som sol og vind (24 %), kjernekraft (20 %) og kull (15 %).

Teknologigiganter som Google (GOOG ), Amazon (AMZN ), og Meta (META ) har faktisk forpliktet seg til å bruke mer kjernekraft, som for tiden kun står for 20 % av strømforsyningen i USA, for å redusere karbonutslippene fra datasentre.

Dette er hvorfor IEA projiserer at CO₂‑utslipp fra elektrisitetsproduksjon for datasentre vil nå et toppnivå på rundt 320 Mt CO₂ innen 2030, før det ser en nedgang til omtrent 300 Mt CO₂ innen 2035.

Ifølge IEA:

«Til tross for rask vekst forblir datasentre en relativt liten del av det samlede kraftsystemet, og øker fra omtrent 1 % av global elektrisitetsproduksjon i dag til 3 % i 2030, og står for mindre enn 1 % av totale globale CO₂‑utslipp.»

Men publikum tror ikke det. Ifølge en 2024 Pew Research Center‑undersøkelse om AI’s bredere miljøpåvirkning de neste to tiårene, mener en fjerdedel av amerikanske voksne at påvirkningen vil være negativ, og samme andel sier at påvirkningen vil være like positiv og negativ.

Både selskaper og forskere søker kontinuerlig etter måter å redusere energibruken til både beregning og datasentre.

Faktisk har betydelige energieffektivitetsgevinster blitt oppnådd i maskinvaren som brukes til beregning. Imidlertid har tempoet i effektivitetsfordelene avtatt mens AI‑s beregningskrav har akselerert.

Poenget er at AI‑s påvirkning på energibruk går utover direkte strømforbruk for beregning. Energi er tross alt en kritisk innsats i nesten alle økonomiske aktiviteter, driver industrier og støtter den moderne livsinfrastrukturen.

Studier viser en sterk korrelasjon mellom energiforbruk og økonomisk produksjon, noe som indikerer at energiforbruk er tett knyttet til BNP‑vekst. Så, hvis AI øker økonomisk produktivitet, kan det også føre til en økning i samlet energiforbruk. Ikke å forglemme at den kontinuerlige bruken av fossilt brensel for å drive økonomien vil forsterke de miljømessige effektene av strømproduksjon ved å bidra til klimaendringer.

Men når det gjelder AI, kan den faktisk redusere energiforbruket. Det kan oppnås gjennom etterspørselsstyring eller forbedring av energiinfrastrukturens motstandskraft.

På kort sikt fører imidlertid avhengigheten av fossilt brensel for energiproduksjon til økt luftforurensning, forringet vannkvalitet og forverret klimaendring.

Selv om naturgass forventes å forbli den primære energikilden for datasentre på kort sikt, forutser det globale forsknings- og rådgivningsfirmaet Gartner «rask vekst i batterilagringssystemer for å balansere svingningene i sol‑ og vindenergi» i løpet av de neste tre til fem år. Firmaet uttalte følgende i en forskningsnote:

«Nye rene kraftalternativer på stedet – som grønt hydrogen, geotermisk energi og små modulære reaktorer – begynner å dukke opp og vil bli levedyktige drivstoffalternativer for datasenter‑mikronett innen slutten av dette tiåret.»

AI‑s grønne potensial og klima‑utslippsavveininger

Selv om AI har klare og massive miljøkonsekvenser, har ny forskning funnet at de miljømessige risikoene ved dagens nivåer av AI‑bruk er lavere enn vi tror. I tillegg kan den faktisk støtte miljømessig fremgang og økonomisk vekst.

For å projisere de potensielle miljøutfallene av AI dersom den fortsetter å vokse i sitt nåværende tempo, i studien med tittelen «Watts and bots: the energy implications of AI adoption¹» publisert i Environmental Research, kombinerte forskere fra University of Waterloo og Georgia Institute of Technology data om amerikansk økonomisk aktivitet med estimater av hvor bredt teknologien blir adoptert på tvers av ulike yrker og industrier.

På industrinivå anslår forskerne at årlige økninger i energibruk kan variere mellom 0 og 12 petajoule (PJ) mens karbonutslipp kan variere fra 0 tonn til 272 kt (ktCO₂).

Hvor mye energi og CO₂ kan AI legge til på nasjonalt nivå?

Ytterligere 28 PJ energiforbruk, som er omtrent 0.03 % av det årlige nasjonale energiforbruket, kan oppstå fra AI‑adopsjon når det samles over økonomien. Det vil også legge til 896 kt CO₂ i årlige utslipp, tilsvarende omtrent 0.02 % av landets årlige CO₂‑produksjon.

Dette er fordi, ifølge data fra US Energy Information Administration, er 83 % av nasjonen fortsatt avhengig av fossilt brensel, dvs. kull, petroleum og naturgass.

Dannet fra de fossilisert rester av organismer, tar de millioner av år å danne og anses som ikke‑fornybare ressurser. Selv om de er begrenset i mengde, fungerer fossile brensler som viktige energikilder for elektrisitetsproduksjon, transport og industrielle prosesser. Merkbart frigjør bruken av disse brenslene varme‑fangende drivhusgasser (GHG) og bidrar til klimaendringer.

Forskere har funnet at selv om AI‑relatert strømforbruk i USA er sammenlignbart med Islands totale energiforbruk, denne mengden er fortsatt for liten til å ha en meningsfull registrering på nasjonalt eller globalt nivå.

«Det er viktig å merke seg at økningen i energibruk ikke vil være jevn. Den vil mer merkebart i områdene hvor strøm produseres for å drive datasentre», sa miljøøkonom Dr. Juan Moreno‑Cruz, professor ved Fakultet for miljø ved Waterloo og Canada Research Chair i energioverganger. Fra et lokalt perspektiv bemerket han at det kan være en «stor sak», med noen steder som ser dobbelt så mye strømproduksjon og utslipp.

På en større skala, imidlertid, «AI‑s energibruk vil ikke være merkbar», la Moreno‑Cruz til.

Selv om forskerne ikke undersøkte effektene på lokale økonomier der datasentrene er lokalisert, fant de noen oppmuntrende resultater.

«For folk som tror at bruken av AI vil være et stort problem for klimaet og mener vi bør unngå det, tilbyr vi et annet perspektiv». «Effektene på klimaet er ikke så betydelige, og vi kan bruke AI til å utvikle grønn teknologi eller forbedre eksisterende.»

Den kan bidra til løsninger for energieffektivitet og utslippsreduksjon ved å optimalisere fornybare energikilder og industrielle prosesser, bemerket studien.

For å trekke sine konklusjoner analyserte forskerne ulike sektorer av en økonomi, jobber i disse sektorene, og hvilken del av dem som kunne utføres av AI. De planlegger å gjenta studien bortenfor USA, i andre land, for å måle påvirkningen av AI‑adopsjon globalt og få et mer omfattende bilde av teknologiens innvirkning på energibruk og utslipp.

Med tanke på studiens begrensninger påpekte forskerne begrenset datatilgjengelighet og varierende granularitet som påvirker analysen, mangel på informasjon om den geografiske fordelingen av energibruk, og antakelsen om at AI påvirker produktivitet kun gjennom oppgaver som tidligere ble utført til lavere kostnad, uten å ta med at teknologien introduserer nye oppgaver eller påvirker andre former for produksjon som kapital.

Med deres studie har forskerne som mål å gi et nyttig grunnlag for å forstå de bredere implikasjonene av bredere AI‑bruk på tvers av økonomien.

Og deres funn indikerer at omfanget av økningen i energibruk og utslipp fra AI‑adopsjon er «relativt beskjedent sammenlignet med total økonomisk aktivitet».

Så, etter hvert som AI revolusjonerer ulike sektorer og omformer ulike aspekter av samfunnet vårt, etterlyser studien behovet for å balansere de økonomiske fordelene og produktivitetsgevinster med potensielle økninger i etterspørselen etter energi og tilhørende karbonutslipp.

For å oppnå den balansen nevner studien investering i fornybare energikilder, vektlegging av AI‑teknologier som er energieffektive, utvikling av strategier for å kompensere for økende utslipp i AI‑tunge industrier, og bruk av AI for å dempe sårbarheter for klimaendringer.

Gjennom kontinuerlig analyse og overvåking av AI‑s energi‑ og miljøpåvirkninger kan vi oppnå bærekraftig utvikling av transformative teknologier, sa studien.

Investering i AI: Datasentre, chipper og klimarisiko

Den største vinneren av den pågående AI‑mani er Nvidia (NVDA ), et full‑stack datainfrastruktur‑selskap som tilbyr AI‑løsninger og programvare i tillegg til en spill‑segment, profesjonell visualisering og robotikk.

Nvidia er verdens mest verdifulle selskap med en markedsverdi på 4,3 billion dollar, som oversteg 5 billion dollar forrige måned da aksjene nådde et 52‑ukers høydepunkt på 212 $. På tidspunktet for skrivingen handles NVDA‑aksjer til 179,5 $, opp 33,2 % år‑til‑dato og mer enn 1 450 % de siste fem årene.

Som følge av massiv investering fra AI‑selskaper i infrastruktur, rapporterte chipprodusenten Nvidias datasentervirksomhet en rekord på 51,2 billion dollar i inntekter, en økning på 25 % fra forrige kvartal og 66 % fra ett år siden. Kundebasen inkluderer Google, Amazon, Meta, Microsoft og Oracle.

Ifølge firmaet har denne virksomheten blitt drevet av en akselerasjon av kraftige AI‑modeller, agent‑applikasjoner og beregning. Salget av Nvidias Blackwell‑GPU‑chips har også vært «utenfor kartene», og sky‑GPU‑er har blitt utsolgt.

Som et resultat kunngjorde selskapet AI‑fabrikk, spesialisert beregningsinfrastruktur, og andre infrastrukturprosjekter totalt 5 millioner GPU‑er, som dekker «alle markeder, CSP‑er, suverener, moderne byggherrer, bedrifter og superdatabehandlingssentre».

«Etterspørselen etter beregning fortsetter å akselerere og kumulere over trening og inferens – hver vokser eksponentielt. Vi har gått inn i en positiv syklus for AI. AI‑økosystemet skalerer raskt – med flere nye grunnmodells‑produsenter, flere AI‑oppstartsbedrifter, på tvers av flere industrier og i flere land. AI er overalt, gjør alt, samtidig», sa administrerende direktør Jensen Huang i den nylige Nvidia Q3‑resultatrapporten.

Siste nyheter om Nvidia Corporation (NVDA) aksjer

Konklusjon: AI‑s klimaavtrykk og investeringsinnsikter

Etter hvert som AI blir mer personlig og kapabel, oppnår evnen til å resonere og løse komplekse problemer, er adopsjonen og energiforbruket fortsatt i sine tidlige faser. Utviklingen av denne teknologien driver massive utbygginger av datasentre, presser eksisterende kraftsystemer, og reiser bekymringer om strømforbruk og karbonutslipp.

Imidlertid, som den nyeste forskningen antyder, er AI‑s nasjonale energipåvirkning beskjeden, selv om dens lokale fotavtrykk kan være betydelig. Alt avhenger av at den underliggende energimiksen skifter mot lavkarbonkilder. Så AI er ikke bare en driver av energiforbruk, men også et verktøy for energioptimalisering, som hjelper med å modernisere nett, forbedre effektivitet og akselerere klima‑fokusert innovasjon mens den låser opp den økonomiske verdien den lover.

Klikk her for en liste over undervurderte disruptive teknologiske aksjer.

References

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