AI:s klimatpåverkan är mindre än förväntat, ny forskning visar

Den artificiella intelligens (AI)-rusningen har drivit marknaden till nya toppar. 

Miljarder dollar fortsätter att flöda in i chipstillverkare och datacenter, eftersom den pågående AI-manan håller den turbo-laddade marknaden igång i mer än två år utan tecken på avmattning. Men många har börjat ifrågasätta om vi befinner oss i en AI-bubbla.

Analytiker som de på JPMorgan (JPM ) uppmanar faktiskt investerare att förbereda sig för turbulens framöver. Men medan skummet byggs upp både på privata och offentliga marknader, är manin kring AI inte utan förtjänst, eftersom teknologin har stort ekonomiskt värde när det gäller att skapa tillgänglig, kraftfull intelligens, vilket tros likna skapandet av internet.

I sin prognos för 2026 kallade JPMorgan AI “den mest transformativa teknologin sedan databehandling,” och “drivande mer BNP-tillväxt än konsumentutgifter.”

Samtidigt varnade banken för energibrist, vattenbegränsningar och regulatorisk granskning.

Mer generellt kommer den snabba expansionen av AI med betydande miljöpress som visar sig vara lägre än förväntat. Det beror på att energintensiteten och utsläppen för en förfrågan beror på faktorer som modellens typ och storlek, den genererade outputen, energinätet som driver datacentret som hanterar begäran, tidpunkten på dagen den bearbetas och andra variabler.

JPMorgan uppskattar också att 60 % av jobben i den utvecklade världen står inför någon form av automatiseringsrisk från AI, men när gamla roller försvinner bör nya roller uppstå.

Övergripande är den största risken, enligt banken, “att inte ha exponering mot transformativ teknologi.”

AI‑adoption, energianvändning och klimatbörda

AI:s förmåga att automatisera repetitiva uppgifter, förbättra beslutsfattande och öka effektivitet och produktivitet inom olika områden har lett till dess breda adoption.

Enligt en undersökning av McKinsey rapporterade 88 % av svarande regelbunden AI‑användning i minst en affärsfunktion, en ökning med 10 % jämfört med ett år sedan. Dock noterades att på företagsnivå är majoriteten fortfarande i experimentstadiet, med cirka en tredjedel som säger att deras företag har börjat skala sina AI‑program.

För närvarande värderas AI‑marknaden till cirka 400 miljarder dollar och förväntas nå 1,8 biljon dollar i slutet av detta decennium.

När det gäller investeringar översteg privat AI‑finansiering i USA 109 miljarder dollar år 2024, vilket är ungefär 24 gånger så mycket som i Storbritannien (4,5 miljarder dollar) och 12 gånger så mycket som Kinas 9,3 miljarder dollar. Framöver planerar hela 92 % av företagen att investera i generativ AI under de kommande tre åren.

Samtidigt som AI‑adoptionen växer tack vare löften om enastående produktivitet, medför den allvarliga energi- och miljöutmaningar. Faktum är att AI är extremt energikrävande. 

Träning av AI‑modeller kräver enorma mängder energi, tillräckligt för att driva flera hundra hushåll per år, och det kan vara mycket högre vid inferens. Det uppskattas faktiskt att 80 % till 90 % av beräkningskraften för AI används för inferens.

Så AI:s energianvändning är främst kopplad till den beräkningskraft som krävs för att träna och köra dessa modeller i datacenter, där AI‑modeller laddas på grupper av servrar utrustade med GPU:er som Nvidia’s (NVDA ) Blackwells.

Datacenter är anläggningar som rymmer datorservrar, lagringssystem, strömförsörjning, kylsystem och nätverksutrustning. All denna infrastruktur är avgörande för att inte bara leverera de senaste digitala tjänsterna som att ställa en fråga till ChatGPT, utan även för att skicka e‑post eller strömma en video.

Datacenter har funnits länge, men det är under de senaste åren som de har expanderat avsevärt. 

Idag finns det mer än 100 000 datacenter, spridda över hela världen, där USA har flest med över 4 200, följt av Storbritannien och Tyskland, som båda har omkring 500 stycken. I USA ligger en tredjedel av datacentren i bara tre delstater: Kalifornien, Texas och Virginia, där de två sista är starkt beroende av fossila bränslen för sina energibehov.

Broadly, data centres fall into three buckets. Traditional enterprise facilities are run in-house by companies for their own workloads: colocation providers lease rack space and power to many different customers in shared buildings. At the high end are “hyperscale” campuses—vast, warehouse-like sites packed with tens of thousands of servers that handle the heaviest AI and cloud computing jobs.

Enligt JPMorgan förväntas hyperskala‑företagens kapitalutgifter överstiga 500 miljarder dollar nästa år när företag tävlar om att bygga datacenter och säkra knappast tillgänglig energi.

Så, hur mycket energi använder dessa datacenter? Mycket. Datacenter i USA förbrukade 183 TWh elektricitet förra året, när nationens totala årliga elförbrukning nådde ett rekordhögt värde.

Energiförbrukningen för dessa datacenter beräknas öka med 133 % till 2030 och nå 426 TWh. Globalt förväntar sig IEA att elproduktionen som är avsedd för datacenter mer än fördubblas i sitt grundscenario, från omkring 460 TWh år 2024 till drygt 1 000 TWh år 2030.

I USA stod datacenter för 4 % av den totala elförbrukningen, vilket motsvarar det årliga elbehovet i Pakistan. Efter att ha varit stillastående i mer än ett decennium förväntas AI‑adoptionen öka denna andel till 12 % år 2028.
Swipe to scroll →

När det gäller hur stor del av denna datacenterenergiförbrukning som AI är ansvarig för är det svårt att säga, eftersom datacenter hanterar olika typer av arbetsbelastningar. Ett typiskt AI‑optimerat hyperskala‑företag förbrukar dock årligen lika mycket elektricitet som 100 000 hushåll.

Enligt de senaste prognoserna från Lawrence Berkeley National Laboratory kommer mer än hälften av den elektricitet som datacenter förbrukar under de kommande tre åren att användas för AI, vilket motsvarar den årliga elförbrukningen för 22 % av alla amerikanska hushåll.

Energimixen som driver AI:s kärna 

Med den snabba ökningen av AI upplever datacenter nu en belastning och möter ökande press när efterfrågan på elektricitet skjuter i höjden.

Den största delen av elen, i genomsnitt 60 %, som används av datacenter driver faktiskt servrarna som bearbetar och lagrar digital information. Därefter ansvarar kylsystemen för den näst största energianvändningen, som varierar mellan 7 % och 30 %, beroende på anläggningens effektivitet.

Dessa kylsystem förhindrar att servrar överhettas, vilket kräver stora mängder vatten. År 2023 förbrukade amerikanska datacenter direkt cirka 17 miljarder gallons vatten, varav 84 % av detta förbrukades av colocation‑ och hyperskala‑anläggningar, vilka ensamma förväntas förbruka omkring 16‑33 miljarder gallons vatten årligen till år 2028.

När det gäller källorna till den energi som används av datacenter levererade naturgas mest (över 40 %) av elen till datacenter i USA, följt av förnybara energikällor som sol och vind (24 %), kärnkraft (20 %) och kol (15 %).

Tekjättar som Google (GOOG ), Amazon (AMZN ), och Meta (META ) har faktiskt lovat att använda mer kärnkraft, som för närvarande bara står för 20 % av elförsörjningen i USA, för att minska datacenterens koldioxidutsläpp.

Det är därför IEA förutspår att CO₂‑utsläppen från elproduktion för datacenter ska nå ett toppvärde på omkring 320 Mt CO₂ år 2030, innan de minskar till cirka 300 Mt CO₂ år 2035.

Enligt IEA:

“Trots snabb tillväxt förblir datacenter en relativt liten del av det totala elsystemet, och stiger från cirka 1 % av den globala elproduktionen idag till 3 % år 2030, vilket står för mindre än 1 % av de totala globala CO₂‑utsläppen.”

Men allmänheten tror inte så. Enligt en Pew Research Center‑undersökning från 2024 om AI:s bredare miljöpåverkan under de kommande två decennierna anser en fjärdedel av amerikanska vuxna att påverkan kommer att vara negativ, och samma andel säger att påverkan kommer att vara lika positiv som negativ.

Både företag och forskare söker kontinuerligt sätt att minska energianvändningen för både beräkning och datacenter.

Faktum är att betydande energieffektivitetsvinster har uppnåtts i den hårdvara som används för beräkning. Dock har takten i effektiviseringsvinster avtagit medan AI:s beräkningskrav har accelererat.

Faktum är att AI:s effekter på energianvändning går bortom den direkta elförbrukningen för beräkning. Energi är trots allt en kritisk insats i nästan alla ekonomiska aktiviteter, driver industrier och stödjer den moderna livets infrastruktur.

Och studier visar en stark korrelation mellan energiförbrukning och ekonomisk produktion, vilket indikerar att energianvändning är nära kopplad till BNP‑tillväxt. Så om AI förbättrar ekonomisk produktivitet kan det också leda till en ökning av den totala energianvändningen. Dessutom kommer den fortsatta användningen av fossila bränslen för att driva ekonomin att förstärka de miljömässiga effekterna av elproduktion genom att bidra till klimatförändringarna.

Men när det gäller AI kan den faktiskt minska energianvändningen. Det kan uppnås genom efterfrågestyrning eller förbättrad motståndskraft i energiinfrastrukturen.

På kort sikt leder dock beroendet av fossila bränslen för energiproduktion till ökad luftförorening, försämrad vattenkvalitet och förvärrad klimatförändring.

Även om naturgas förväntas förbli den primära energikällan för datacenter på kort sikt, förutspår det globala forsknings- och rådgivningsföretaget Gartner en “snabb tillväxt av batterilagringssystem för att balansera svängningarna i sol- och vindenergi” under de kommande tre till fem åren. Företaget sade följande i en forskningsnotering:

“Nya rena kraftalternativ på plats – såsom grön vätgas, geotermisk energi och små modulära reaktorer – börjar dyka upp och kommer att bli livskraftiga bränslealternativ för datacenter‑mikronät senast i slutet av detta decennium.”

AI:s gröna potential och klimatutsläppens avvägningar

Även om AI har tydliga och omfattande miljökonsekvenser har ny forskning funnit att de miljörisker som nuvarande AI‑användning medför är lägre än vi tror. Dessutom kan den faktiskt stödja miljömässig utveckling och ekonomisk tillväxt.

För att projicera de potentiella miljöutfallen av AI om den fortsätter expandera i sin nuvarande takt, i studien med titeln “Watts and bots: the energy implications of AI adoption¹” publicerad i Environmental Research, kombinerade forskare från University of Waterloo och Georgia Institute of Technology data om den amerikanska ekonomiska aktiviteten med uppskattningar av hur brett teknologin antas inom olika yrken och industrier.

På industrinivå uppskattar forskarna att den årliga ökningen i energianvändning kan ligga mellan 0 och 12 petajoule (PJ) medan koldioxidutsläppen kan variera från 0 ton till 272 kt (ktCO₂).

Hur mycket energi och CO₂ kan AI tillföra på nationell nivå?

Ytterligare 28 PJ energianvändning, vilket motsvarar cirka 0,03 % av den årliga nationella energiförbrukningen, kan uppstå genom AI‑adoption när den summeras över ekonomin. Det skulle också tillföra 896 kt CO₂ i årliga utsläpp, motsvarande ungefär 0,02 % av landets årliga CO₂‑produktion.

Detta beror på att, enligt data från US Energy (BSIN ) Information Administration, 83 % av nationen fortfarande är beroende av fossila bränslen, dvs kol, petroleum och naturgas.

De bildas av fossiliserade rester av organismer, tar miljontals år att bildas och anses vara icke‑förnybara resurser. Trots att de är begränsade i tillgång fungerar fossila bränslen som avgörande energikällor för elproduktion, transport och industriella processer. Anmärkningsvärt är att användningen av dessa bränslen släpper ut växthuseffekter som fångar värme (GHG) och bidrar till klimatförändring.

Forskare har funnit att även om AI‑relaterad elförbrukning i USA är jämförbar med Islands totala energianvändning, är denna mängd för liten för att registreras meningsfullt på nationell eller global nivå.

“Det är viktigt att notera att ökningen i energianvändning inte kommer att vara jämn. Den kommer att märkas mer på de platser där elektricitet produceras för att driva datacenterna,” sade miljöekonomen Dr. Juan Moreno-Cruz, professor vid Fakulteten för miljö vid Waterloo och Canada Research Chair i energitransitioner. Ur ett lokalt perspektiv noterade han att det kan vara en “stor sak”, där vissa platser ser dubbelt så mycket elproduktion och utsläpp.

På en större skala, dock, “kommer AI:s energianvändning inte att vara märkbar,” tillade Moreno-Cruz.

Även om forskarna inte undersökte effekterna på lokala ekonomier där datacentren är belägna, fann de några uppmuntrande resultat.

“För personer som tror att AI‑användning kommer att vara ett stort problem för klimatet och anser att vi bör undvika det, erbjuder vi ett annat perspektiv,” sade han. “Effekterna på klimatet är inte så betydande, och vi kan använda AI för att utveckla gröna teknologier eller förbättra befintliga.”

Det kan bidra till lösningar för energieffektivitet och utsläppsminskning genom att optimera förnybara energikällor och industriella processer, noterade studien.

För att dra sina slutsatser analyserade forskarna olika sektorer av en ekonomi, jobb inom dessa sektorer och vilken del av dem som kan utföras av AI. De planerar att upprepa studien utanför USA, i andra länder, för att mäta AI‑adoptionens påverkan globalt och få en mer heltäckande bild av teknikens inverkan på energianvändning och utsläpp.

Genom att påpeka studiens begränsningar hänvisade forskarna till begränsad datatillgänglighet och varierande detaljnivå som påverkar analysen, brist på information om den geografiska fördelningen av energianvändning, samt antagandet att AI påverkar produktiviteten endast genom uppgifter som tidigare utfördes till lägre kostnad, utan att ta hänsyn till att teknologin introducerar nya uppgifter eller påverkar andra produktionsformer som kapital.

Med sin studie syftar forskarna till att erbjuda en hjälpsam grund för att förstå de bredare implikationerna av en bredare AI‑användning i hela ekonomin.

Och deras resultat visar att omfattningen av ökningen i energianvändning och utsläpp från AI‑adoption är “relativt modest jämfört med den totala ekonomiska aktiviteten.”

Så, när AI revolutionerar olika sektorer och omformar olika aspekter av vårt samhälle, efterlyser studien behovet av att balansera de ekonomiska fördelarna och produktivitetsvinsterna med potentiella ökningar i energiefterfrågan och relaterade koldioxidutsläpp.

För att uppnå den balansen nämner studien investeringar i förnybara energikällor, betonar AI‑teknologier som är energieffektiva, utvecklar strategier för att kompensera ökande utsläpp i AI‑tunga industrier och använder AI för att mildra sårbarheter för klimatförändringar.

Genom ständig analys och övervakning av AI:s energi- och miljöpåverkan kan vi uppnå hållbar utveckling av transformativa teknologier, sade studien.

Investering i AI: Datacenter, chip och klimatrisk

Den största vinnaren av den pågående AI‑manin är Nvidia (NVDA ), ett full‑stack‑datorteknikföretag som erbjuder AI‑lösningar och mjukvara utöver en spelsegment, professionell visualisering och robotik.

Nvidia är världens mest värdefulla företag med ett börsvärde på 4,3 biljon dollar, vilket översteg 5 biljon dollar förra månaden när aktierna nådde ett 52‑veckors högsta på 212 $. Vid skrivande stund handlas NVDA‑aktierna till 179,5 $, upp 33,2 % år‑till‑datum och mer än 1 450 % under de senaste fem åren.

Som ett resultat av enorma investeringar av AI‑företag i infrastruktur rapporterade chipstillverkaren Nvidias datacenterverksamhet ett rekord på 51,2 miljarder dollar i intäkter, en ökning med 25 % från föregående kvartal och 66 % från ett år sedan. Dess kundbas inkluderar Google, Amazon, Meta, Microsoft (MSFT ) och Oracle.

Enligt företaget har denna verksamhet drivits av en acceleration av kraftfulla AI‑modeller, agentbaserade applikationer och beräkning. Försäljningen av Nvidias Blackwell‑GPU‑chip har också varit “utanför diagrammen”, och moln‑GPU:er har sålts slut.

Som ett resultat meddelade företaget AI‑fabrik, specialiserad beräkningsinfrastruktur och andra infrastrukturprojekt totalt 5 miljoner GPU:er, som omfattar “varje marknad, CSP:er, suveräner, moderna byggare, företag och superdatorcenter.”

“Beräkningsbehovet fortsätter att accelerera och fördubblas över både träning och inferens — varje växer exponentiellt. Vi har gått in i en positiv cykel för AI. AI‑ekosystemet skalar snabbt — med fler nya grundmodells‑skapare, fler AI‑startup‑företag, över fler industrier och i fler länder. AI är överallt, gör allt, på en gång,” sade VD Jensen Huang i Nvidias senaste Q3‑resultat.

Senaste nyheter om Nvidia Corporation (NVDA) aktie

Slutsats: AI:s klimatpåverkan och investeringsinsikter

När AI blir mer personlig och kapabel, får förmågan att resonera och lösa komplexa problem, är dess adoption och energiförbrukning fortfarande i ett tidigt skede. Utbyggnaden av denna teknik driver enorma byggnationer av datacenter, pressar befintliga elsystem och väcker oro kring elefterfrågan och koldioxidutsläpp.

Men enligt den senaste forskningen är AI:s nationella energipåverkan fortfarande modest, även om dess lokala fotavtryck kan vara betydande. Allt beror på att den underliggande energimixen skiftar mot låga koldioxidkällor. Så AI är inte bara en drivkraft för energiförbrukning utan även ett verktyg för energioptimering, som hjälper till att modernisera nät, förbättra effektivitet och påskynda klimatfokuserad innovation samtidigt som den frigör det ekonomiska värde den lovar.

Klicka här för en lista över undervärderade disruptiva teknikaktier.

Referenser

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