Mas Maliit sa Inaasahan ang Epekto ng AI sa Klima, Ayon sa Bagong Pananaliksik

Ang kasabikan sa artificial intelligence (AI) ay nagdala ng merkado sa mga bagong taas.

Patuloy na dumadaloy ang bilyong dolyar patungo sa mga gumagawa ng chip at data center, habang ang patuloy na kasabikan sa AI ay nagpapatuloy ng pinalakas na merkado nang higit sa dalawang taon nang walang senyales ng pagbagal. Gayunpaman, marami na ang nagsimulang magtanong kung tayo ay nasa isang AI bubble.

Ang mga analyst tulad ng mga nasa JPMorgan (JPM ) ay talagang nananawagan sa mga mamumuhunan na maghanda para sa kaguluhan sa hinaharap. Ngunit habang lumalago ang bula sa parehong pribado at pampublikong merkado, ang kasabikan sa AI ay hindi walang halaga, dahil ang teknolohiya ay may maraming ekonomikong halaga sa paglikha ng madaling ma-access, makapangyarihang intelihensiya, na pinaniniwalaang kahalintulad ng paglikha ng internet.

Sa kanilang pananaw para sa 2026, tinawag ng JPMorgan ang AI na “ang pinaka-transformative na teknolohiya mula noong computing,” at “nagdadala ng mas maraming paglago ng GDP kaysa sa paggastos ng mga konsyumer.”

Kasabay nito, nagbabala ang bangko tungkol sa kakulangan sa kuryente, limitasyon sa tubig, at regulasyong pagsusuri.

Sa mas malawak na pananaw, ang mabilis na paglawak ng AI ay may kasamang malalaking presyur sa kapaligiran na natuklasang mas mababa kaysa sa inaasahan. Ito ay dahil ang enerhiya na kinakailangan at emisyon ng isang query ay nakadepende sa mga salik tulad ng uri at laki ng modelo, ang output na nililikha, ang grid ng enerhiya na nagpapagana sa data center na humahawak ng kahilingan, ang oras ng araw na ito ay pinoproseso, at iba pang mga variable.

Tinatantiya din ng JPMorgan na 60% ng mga trabaho sa maunlad na mundo ay humaharap sa ilang antas ng panganib ng awtomasyon mula sa AI, ngunit habang nawawala ang mga lumang tungkulin, dapat lumitaw ang mga bagong tungkulin.

Sa pangkalahatan, ang pinakamalaking panganib, ayon sa bangko, “ay ang hindi pagkakaroon ng exposure sa transformative na teknolohiya.”

Pag-aampon ng AI, Paggamit ng Enerhiya, at Pabigat sa Klima

Ang kakayahan ng AI na i-automate ang paulit-ulit na gawain, pagbutihin ang paggawa ng desisyon, at palakasin ang kahusayan at produktibidad sa iba’t ibang larangan ay nagdulot ng malawak na pag-aampon nito.

Ayon sa isang survey ng McKinsey, 88% ng mga sumagot ang nag-ulat ng regular na paggamit ng AI sa hindi bababa sa isang function ng negosyo, isang 10% na pagtaas mula isang taon ang nakalipas. Gayunpaman, binanggit na sa antas ng enterprise, karamihan ay nasa yugto pa ng eksperimento, na halos isang-katlo ang nagsasabing nagsimulang i-scale ng kanilang mga kumpanya ang kanilang mga AI program.

Sa kasalukuyan na tinatayang nasa $400 bilyon, inaasahang aabot ang pamilihan ng AI sa $1.8 trilyon sa pagtatapos ng dekadang ito.

Pagdating sa pamumuhunan, ang pribadong pondo para sa AI sa US ay lumagpas sa $109 bilyon noong 2024, na halos 24 na beses ng sa UK na $4.5 bilyon at 12 na beses ng sa $9.3 bilyon ng China. Sa hinaharap, 92% ng mga kumpanya ang nagplano na mamuhunan sa generative AI sa susunod na tatlong taon.

Habang lumalago ang pag-aampon ng AI dahil sa mga pangakong walang kapantay na produktibidad, ito ay may kasamang seryosong hamon sa enerhiya at kapaligiran. Ang katotohanan, napaka-greedy ng AI sa enerhiya.

Ang pagsasanay ng mga modelo ng AI ay nangangailangan ng napakaraming enerhiya, sapat upang mapatakbo ang ilang daang kabahayan taun-taon, at maaaring mas mataas pa sa inference. Tinatayang 80% hanggang 90% ng kapangyarihan sa pagkompyut para sa AI ay ginagamit para sa inference.

Kaya, ang paggamit ng enerhiya ng AI ay pangunahing kaugnay ng kapangyarihan sa kompyutasyon na kinakailangan upang sanayin at patakbuhin ang mga modelong ito sa loob ng mga data center, kung saan ang mga AI model ay niloload sa mga grupo ng server na may GPU tulad ng Nvidia’s (NVDA ) Blackwells.

Ang mga data center ay mga pasilidad na naglalaman ng mga computer server, mga sistema ng imbakan ng data, mga suplay ng kuryente, cooling systems, at kagamitan sa networking. Lahat ng imprastrukturang ito ay susi hindi lamang sa pagbibigay ng pinakabagong digital na serbisyo tulad ng pagtatanong kay ChatGPT, kundi pati na rin sa pagpapadala ng email o pag-stream ng video.

Kaya, matagal nang umiiral ang mga data center, ngunit sa mga nakaraang taon lamang sila lumawak nang malaki.

Sa kasalukuyan, may higit sa 100,000 data center, na nakakalat sa buong mundo, kung saan ang US ang may pinakamarami na higit sa 4,200, sinundan ng UK at Germany, na parehong may humigit-kumulang 500 bawat isa. Sa US, isang ikatlo ng mga data center ay nasa tatlong estado lamang: California, Texas, at Virginia, kung saan ang huli ay lubos na umaasa sa fossil fuels para sa kanilang pangangailangan sa enerhiya.

Sa pangkalahatan, ang mga data center ay nahahati sa tatlong kategorya. Ang tradisyonal na pasilidad ng enterprise ay pinapatakbo ng mga kumpanya para sa kanilang sariling workload: ang mga colocation provider ay nag-uupahan ng espasyo sa rack at kuryente sa maraming iba’t ibang customer sa mga pinagsamang gusali. Sa mataas na antas ay ang mga “hyperscale” campus—malalawak, kahawig ng bodega na puno ng sampu-sampung libong server na humahawak sa pinakamabigat na AI at cloud computing na trabaho.

Ayon sa JPMorgan, ang kapital na paggastos ng mga hyperscaler ay inaasahang lalagpas sa $500 bilyon sa susunod na taon habang nagmamadaling magtayo ng mga data center at mag-secure ng limitadong kuryente.

Kaya, gaano karaming enerhiya ang ginagamit ng mga data center na ito? Marami. Ang mga data center sa US ay kumonsumo ng 183 TWh ng kuryente noong nakaraang taon, nang ang kabuuang taunang konsumo ng kuryente ng bansa ay umabot sa rekord na mataas.

Ang konsumo ng enerhiya ng mga data center na ito ay tinatayang lalaki ng 133% pagsapit ng 2030, umabot sa 426 TWh. Sa buong mundo, inaasahan ng IEA na ang pagbuo ng kuryente na nakalaan sa mga data center ay higit sa doble sa base case, mula sa humigit-kumulang 460 TWh noong 2024 hanggang sa higit sa 1,000 TWh pagsapit ng 2030.

Sa US, ang mga data center ay kumakatawan sa 4% ng kabuuang konsumo ng kuryente, na katumbas ng taunang pangangailangan ng kuryente ng Pakistan. Pagkatapos manatiling hindi nagbabago nang higit sa isang dekada, ang pag-aampon ng AI ay inaasahang itataas ang bahaging ito sa 12% pagsapit ng 2028.

Swipe to scroll →

Tungkol sa kung gaano karaming konsumo ng enerhiya ng data center ang responsibilidad ng AI, mahirap tukuyin, dahil ang mga data center ay humahawak ng iba’t ibang uri ng workload. Gayunpaman, ang isang tipikal na AI-optimized hyperscaler ay taun-taon kumokonsumo ng kuryente na katumbas ng 100,000 kabahayan.

Ayon sa mga kamakailang proyeksiyon ng Lawrence Berkeley National Laboratory, sa susunod na tatlong taon, higit sa kalahati ng kuryente na kinokonsumo ng mga data center ay gagamitin para sa AI, na katumbas ng taunang paggamit ng kuryente ng 22% ng lahat ng kabahayan sa US.

Ang Halo ng Enerhiya na Nagpapatakbo sa Core ng AI 

Sa mabilis na pag-usbong ng AI, ang mga data center ay nakararanas ngayon ng strain, humaharap sa lumalaking presyon habang tumataas ang pangangailangan para sa kuryente.

Karamihan ng kuryente, karaniwang 60%, na ginagamit ng mga data center ay aktwal na nagpapagana sa mga server na nagpoproseso at nag-iimbak ng digital na impormasyon. Pagkatapos, ang mga cooling system ay responsable para sa pangalawang pinakamalaking paggamit ng enerhiya, na naglalaro mula 7% hanggang 30%, depende sa kahusayan ng pasilidad.

Ang mga cooling system na ito pinipigilan ang sobrang pag-init ng mga server, na nangangailangan ng malaking dami ng tubig. Noong 2023, ang mga US data center ay direktang kumonsumo ng humigit-kumulang 17 bilyong galon ng tubig, kung saan 84% nito ay kinonsumo ng mga colocation at hyperscale na pasilidad, na inaasahang kumonsumo ng humigit-kumulang 16-33 bilyong galon ng tubig taun-taon pagsapit ng 2028.

Tungkol sa mga pinagmumulan ng enerhiya na ginagamit ng mga data center, ang natural gas ang nagbigay ng pinakamarami (higit sa 40%) ng kuryente sa mga data center sa US, sinundan ng mga renewable tulad ng solar at hangin (24%), nuclear power (20%), at coal (15%).

Ang mga higanteng teknolohiya tulad ng Google (GOOG ), Amazon (AMZN ), at Meta (META ) ay talagang nangako na gagamit ng mas maraming nuclear power, na kasalukuyang bumubuo lamang ng 20% ng suplay ng kuryente sa US, upang mabawasan ang carbon emissions ng mga data center.

Ito ang dahilan kung bakit inaasahan ng IEA na ang CO2 emissions mula sa pagbuo ng kuryente para sa mga data center ay aabot sa tuktok na humigit-kumulang 320 Mt CO2 pagsapit ng 2030, bago bumaba sa humigit-kumulang 300 Mt CO2 pagsapit ng 2035.

Ayon sa IEA:

“Sa kabila ng mabilis na paglago, ang mga data center ay nananatiling isang medyo maliit na bahagi ng kabuuang sistema ng kuryente, tumataas mula humigit-kumulang 1% ng pagbuo ng kuryente sa buong mundo ngayon hanggang 3% sa 2030, na bumubuo ng mas mababa sa 1% ng kabuuang global CO2 emissions.”

Ngunit hindi ito iniisip ng publiko. Ayon sa isang 2024 Pew Research Center survey tungkol sa mas malawak na epekto ng AI sa kapaligiran sa susunod na dalawang dekada, isang kwarter ng mga adultong Amerikano ang naniniwala na magiging negatibo ang epekto, at ang parehong bahagi ay nagsasabi na ang epekto ay magiging pantay na positibo at negatibo.

Parehong ang mga kumpanya at mga mananaliksik ay patuloy na naghahanap ng mga paraan upang bawasan ang paggamit ng enerhiya ng parehong computation at mga data center.

Sa katunayan, malalaking pagtaas sa kahusayan ng enerhiya ang naabot sa hardware na ginagamit para sa computation. Gayunpaman, ang bilis ng mga benepisyo sa kahusayan ay bumabagal habang ang pangangailangan sa computation ng AI ay nagpapabilis.

Ang katotohanan, ang mga epekto ng AI sa paggamit ng enerhiya ay lampas pa sa direktang paggamit ng kuryente para sa computation. Ang enerhiya, sa huli, ay isang kritikal na input sa halos lahat ng aktibidad pang-ekonomiya, nagpapagana sa mga industriya at sumusuporta sa imprastruktura ng modernong buhay.

At ipinapakita ng mga pag-aaral ang malakas na ugnayan sa pagitan ng konsumo ng enerhiya at output ng ekonomiya, na nagpapahiwatig na  energy use ay malapit na konektado sa paglago ng GDP. Kaya, kung AI pinapabuti ang produktibidad ng ekonomiya, maaari rin itong magdulot ng pagtaas sa kabuuang paggamit ng enerhiya. Higit pa rito, ang patuloy na paggamit ng fossil fuels upang paganahin ang ekonomiya ay magpapalakas sa mga epekto ng produksyon ng kuryente sa kapaligiran sa pamamagitan ng pag-ambag sa pagbabago ng klima.

Ngunit pagdating sa AI, maaari itong talagang bawasan ang paggamit ng enerhiya. Maaaring makamit ito sa pamamagitan ng pamamahala sa panig ng demand o pagpapabuti ng resiliency ng imprastruktura ng enerhiya.

Sa malapit na hinaharap, gayunpaman, ang pag-asa sa fossil fuels para sa pagbuo ng enerhiya ay nagreresulta sa pagtaas ng polusyon sa hangin, pagkasira ng kalidad ng tubig, at pinalala ang pagbabago ng klima.

Habang inaasahang mananatiling pangunahing pinagmumulan ng kuryente para sa mga data center ang natural gas sa malapit na hinaharap, inaasahan ng pandaigdigang research at advisory firm na Gartner na “mabilis na paglago sa mga battery energy storage system upang balansehin ang pag-fluctuate ng solar at wind energy” sa susunod na tatlo hanggang limang taon. Sinabi ng kumpanya ang sumusunod sa isang research note:

“Ang mga bagong malinis na on-site power alternatives – tulad ng green hydrogen, geothermal at maliliit na modular reactors – ay nagsisimulang lumitaw at magiging viable na alternatibo sa fuel para sa mga microgrid ng data center sa pagtatapos ng dekada.”

Ang Green Potential ng AI at ang Trade-Offs sa Emisyon ng Klima

Habang ang AI ay may malinaw at malawak na mga epekto sa kapaligiran, natuklasan ng bagong pananaliksik na ang mga panganib sa kapaligiran ng kasalukuyang antas ng paggamit ng AI ay mas mababa kaysa sa ating iniisip. Gayundin, maaari itong talagang suportahan ang pag-unlad ng kapaligiran at paglago ng ekonomiya.

Upang maiproyekto ang mga posibleng resulta sa kapaligiran ng AI kung magpapatuloy itong lumawak sa kasalukuyang bilis, sa pag-aaral na pinamagatang “Watts and bots: the energy implications of AI adoption” na inilathala sa Environmental Research, pinagsama ng mga siyentipiko mula sa University of Waterloo at Georgia Institute of Technology ang datos tungkol sa aktibidad pang-ekonomiya ng US kasama ang mga pagtatantiya kung gaano kalawak ang pag-aampon ng teknolohiya sa iba’t ibang propesyon at industriya.

Sa antas ng industriya, tinatayang ang taunang pagtaas sa paggamit ng enerhiya ay maglalaro mula 0 hanggang 12 petajoules (PJ) habang ang carbon emissions ay maaaring mag-iba mula 0 tonelada hanggang 272 kt (ktCO2).

Gaano Karaming Enerhiya at CO₂ ang Maaaring Idagdag ng AI sa Pambansang Antas?

Isa pang 28 PJ ng paggamit ng enerhiya, na humigit-kumulang 0.03% ng taunang pambansang konsumo ng enerhiya, ay maaaring magmula sa pag-aampon ng AI kapag pinagsama-sama sa buong ekonomiya. Magdadagdag din ito ng 896 ktCO₂ sa taunang emisyon, na katumbas ng humigit-kumulang 0.02% ng taunang CO₂ output ng bansa.

Ito ay dahil, ayon sa datos mula sa US Energy (BSIN ) Information Administration, 83% ng bansa ay patuloy na umaasa sa fossil fuels, tulad ng coal, petroleum, at natural gas.

Binuo mula sa fossilized na labi ng mga organismo, tumatagal ng milyong taon upang mabuo at itinuturing na hindi nababagong mapagkukunan. Bagaman limitado ang suplay, ang mga fossil fuel ay nagsisilbing mahalagang pinagkukunan ng enerhiya para sa pagbuo ng kuryente, transportasyon, at mga prosesong industriyal. Kapansin-pansin, ang paggamit ng mga fuel na ito ay naglalabas ng mga greenhouse gases (GHG) na nag-trap ng init at nag-aambag sa pagbabago ng klima.

Natuklasan ng mga mananaliksik na bagaman ang konsumo ng kuryente na may kaugnayan sa AI sa US ay katumbas ng kabuuang paggamit ng enerhiya ng Iceland, ang halagang ito ay nananatiling napakaliit upang magkaroon ng makabuluhang epekto sa pambansa o pandaigdigang antas.

“Mahalagang tandaan na ang pagtaas sa paggamit ng enerhiya ay hindi magiging pantay-pantay. Mas mararamdaman ito sa mga lugar kung saan ginagawa ang kuryente para patakbuhin ang mga data center,” sabi ng environmental economist, Dr. Juan Moreno-Cruz, isang propesor sa Faculty of Environment sa Waterloo at Canada Research Chair sa Energy Transitions. Mula sa lokal na pananaw, binigyang-diin niya na maaaring ito ay isang “malaking bagay,” kung saan ang ilang lugar ay makakakita ng dobleng dami ng output ng kuryente at emisyon.

Sa mas malaking sukat, gayunpaman, “ang paggamit ng enerhiya ng AI ay hindi mapapansin,” dagdag pa ni Moreno-Cruz.

Bagaman hindi sinuri ng mga mananaliksik ang mga epekto sa lokal na ekonomiya kung saan matatagpuan ang mga data center, nakakita sila ng ilang nakaka-encourage na resulta.

“Para sa mga taong naniniwala na ang paggamit ng AI ay magiging malaking problema para sa klima at iniisip na dapat natin itong iwasan, nag-aalok kami ng ibang pananaw,” sabi niya. “Ang mga epekto sa klima ay hindi ganoon kalaki, at maaari nating gamitin ang AI upang bumuo ng mga green technology o pagbutihin ang mga umiiral na.”

Maaari itong mag-ambag sa mga solusyon para sa kahusayan ng enerhiya at pagbawas ng emisyon sa pamamagitan ng pag-optimize ng mga renewable energy source at mga prosesong industriyal, ayon sa pag-aaral.

Upang mabuo ang kanilang mga konklusyon, sinuri ng mga mananaliksik ang iba’t ibang sektor ng ekonomiya, mga trabaho sa mga sektor na iyon, at kung anong bahagi ng mga ito ang maaaring gawin ng AI. Plano nilang ulitin ang pag-aaral lampas sa US, sa ibang mga bansa, upang sukatin ang mga epekto ng pag-aampon ng AI sa buong mundo at makakuha ng mas komprehensibong larawan ng epekto ng teknolohiya sa paggamit ng enerhiya at emisyon.

Sa pagbanggit ng mga limitasyon ng pag-aaral, itinuturo ng mga mananaliksik ang limitadong availability ng datos at nag-iiba-ibang granularity na nakakaapekto sa pagsusuri, kakulangan ng impormasyon sa spatial distribution ng paggamit ng enerhiya, at pag-aakala na ang AI ay nakakaapekto sa produktibidad lamang sa pamamagitan ng mga gawain na dati nang ginagawa sa mas mababang gastos, at hindi isinasaalang-alang ang teknolohiya na nagdadala ng mga bagong gawain o nakakaapekto sa ibang anyo ng produksyon tulad ng kapital.

Sa kanilang pag-aaral, layunin ng mga mananaliksik na magbigay ng kapaki-pakinabang na batayan upang maunawaan ang mas malawak na implikasyon ng mas malawak na paggamit ng AI sa buong ekonomiya.

At ipinapakita ng kanilang mga natuklasan na ang lawak ng pagtaas sa paggamit ng enerhiya at emisyon mula sa pag-aampon ng AI ay “relatibong katamtaman kumpara sa kabuuang aktibidad pang-ekonomiya.”

Kaya, habang binabago ng AI ang iba’t ibang sektor at hinuhubog muli ang iba’t ibang aspeto ng ating lipunan, nananawagan ang pag-aaral para sa pangangailangan na balansehin ang mga benepisyo sa ekonomiya at pagtaas ng produktibidad kasama ang posibleng pagtaas sa pangangailangan para sa enerhiya at kaugnay na carbon emissions.

Upang maabot ang balanse na iyon, binanggit ng pag-aaral ang pamumuhunan sa mga renewable energy source, pagbibigay-diin sa mga AI technology na energy-efficient, pagbuo ng mga estratehiya upang mapawi ang pagtaas ng emisyon sa mga industriyang maraming AI, at paggamit ng AI upang mapagaan ang kahinaan sa pagbabago ng klima.

Sa pamamagitan ng patuloy na pagsusuri at pagmamanman ng mga epekto ng AI sa enerhiya at kapaligiran, maaari nating makamit ang napapanatiling pag-unlad ng mga transformative na teknolohiya, sabi ng pag-aaral.

Pamumuhunan sa AI: Data Center, Chip, at Panganib sa Klima

Ang pinakamalaking panalo ng patuloy na kasabikan sa AI ay Nvidia (NVDA ), isang full-stack computing infrastructure company na nag-aalok ng AI solutions at software bukod pa sa pagkakaroon ng gaming segment, professional visualization, at robotics.

Ang Nvidia ay ang pinakamahalagang kumpanya sa mundo na may market cap na $4.3 trilyon, na lumagpas sa $5 trilyon noong nakaraang buwan nang umabot ang mga share nito sa 52-week high na $212. Sa pagsulat nito, ang mga share ng NVDA ay nagte-trade sa $179.5, tumaas ng 33.2% YTD at higit sa 1,450% sa nakaraang limang taon.

Bilang resulta ng napakalaking paggastos ng mga AI company sa imprastruktura, ang data centre business ng chip maker na Nvidia ay nag-ulat ng rekord na $51.2 bilyon sa kita, tumaas ng 25% mula sa nakaraang quarter at 66% mula isang taon ang nakalipas. Kabilang sa mga kliyente nito ang Google, Amazon, Meta, Microsoft (MSFT ), at Oracle.

Ayon sa kumpanya, ang negosyo na ito ay pinasigla ng pagbilis ng makapangyarihang AI models, agentic applications, at computing. Ang benta ng Nvidia’s Blackwell GPU chips ay “off the charts,” at ang cloud GPUs ay ubos na.

Bilang resulta, inanunsyo ng kumpanya ang AI factory, espesyal na computing infrastructure, at iba pang mga proyekto sa imprastruktura na umabot sa 5 milyong GPU, na sumasaklaw sa “bawat merkado, CSPs, sovereigns, modern builders, enterprises, at super computing centers.”

“Ang demand para sa compute ay patuloy na nagpapabilis at nagko-compound sa training at inference — bawat isa ay lumalago nang exponential. Pumasok na tayo sa virtuous cycle ng AI. Ang AI ecosystem ay mabilis na lumalaki — may mas maraming bagong foundation model makers, mas maraming AI startups, sa mas maraming industriya, at sa mas maraming bansa. Ang AI ay napupunta sa lahat ng dako, ginagawa ang lahat, sabay-sabay,” sabi ng CEO na si Jensen Huang sa kamakailang Nvidia Q3 earnings statement.

Pinakabagong Balita sa Stock ng Nvidia Corporation (NVDA)

Konklusyon: Ang Epekto ng AI sa Klima at Mga Takeaway sa Pamumuhunan

Sa AI na nagiging mas personalized at may kakayahan, na nakakakuha ng kakayahan na mag-isip at lutasin ang kumplikadong problema, ang pag-aampon at konsumo ng enerhiya nito ay nasa maagang yugto pa. Ang paglawak ng teknolohiyang ito ay nagtutulak ng malawak na pagbuo ng mga data center, na nagpapahirap sa umiiral na mga sistema ng kuryente, at nagdulot ng mga alalahanin tungkol sa pangangailangan ng kuryente at carbon emissions.

Gayunpaman, ayon sa pinakabagong pananaliksik, ang pambansang epekto ng AI sa enerhiya ay nananatiling katamtaman, bagaman ang lokal na bakas nito ay maaaring maging makabuluhan. Nakabatay ito sa paglipat ng pinagbabatayang halo ng kuryente patungo sa mga low-carbon na mapagkukunan. Kaya, ang AI ay hindi lamang tagapagpasigla ng konsumo ng enerhiya kundi pati na rin isang kasangkapan para sa pag-optimize ng enerhiya, tumutulong sa modernisasyon ng mga grid, pagpapabuti ng kahusayan, at pagpapabilis ng inobasyon na nakatuon sa klima habang binubuksan ang ekonomikong halaga na ipinapangako nito.

I-click dito para sa listahan ng undervalued disruptive tech stocks.

Mga Sanggunian

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 in Filipino (Tagalog).