Er AI-datacentre skadelige for miljøet?

AI-datacentre kan udgøre en reel belastning for miljøet, men det er for simplistisk at sige, at alle AI-datacentre automatisk er skadelige for miljøet. Den samme arbejdsbelastning kan have meget forskellige konsekvenser afhængigt af elnettet, kølesystemet, de lokale vandforhold og hardwareeffektiviteten.

Et datacenter, der hovedsageligt forsynes med kulstoffattig elektricitet, anvender effektiv køling og har en gennemsigtig rapportering, har et andet miljøaftryk end et datacenter, der er afhængigt af et elnet med høj andel af fossile brændstoffer, forbruger knappe lokale vandressourcer eller belaster et elnet, der i forvejen er under pres.

Det relevante spørgsmål er ikke, om AI-datacentre i sig selv er gode eller dårlige. Det handler om, hvad de forbruger, hvor de er placeret, hvad de erstatter eller muliggør, og om de lokale samfund har et klart overblik over de forskellige afvejninger.

AI-datacentre har til formål at udføre beregninger. Store AI-systemer er afhængige af tætpakkede stativer med GPU’er, netværk med høj båndbredde, lagringskapacitet, hukommelse og strømforsyningsudstyr. Når disse systemer træner modeller eller behandler inferensforespørgsler, forbruger de løbende elektricitet.

Den pågældende elektricitets miljøpåvirkning afhænger i høj grad af elnettet. En megawatt-time fra et elnet med lavt CO₂-udslip har en anden klimapåvirkning end en megawatt-time, der hovedsageligt er produceret på kul eller gas. Derfor er placeringen lige så vigtig som selve udstyret inde i bygningen.

For en mere uddybende forklaring på, hvorfor kunstig intelligens bruger så meget energi, se Hvorfor bruger AI så meget elektricitet?.

AI-chips genererer varme. Datacentre skal fjerne denne varme for at sikre, at serverne fungerer pålideligt og effektivt. Nogle anlæg anvender luftkøling, andre bruger kølevandskredsløb, andre igen anvender fordampningskøling, og mange benytter hybridløsninger, der tilpasses udendørsforholdene.

Vandbaseret køling kan under visse omstændigheder reducere elforbruget, men det kan også øge det lokale vandforbrug. Denne afvejning er ikke nødvendigvis hverken god eller dårlig. Det afhænger af det lokale klima, vandknaphed, energimixet og af, om vandet er drikkevand, genbrugsvand eller på anden måde forvaltes.

For yderligere oplysninger om køling og vandforbrug, se Hvorfor bruger AI-datacentre så meget vand?.

Størstedelen af CO₂-udledningen fra AI-datacentre er indirekte. Serverne udleder normalt ikke CO₂ på selve anlægget, men den elektricitet, der bruges til at drive dem, kan stamme fra fossile brændstoffer et eller andet sted i elnettet.

Det betyder, at den samme AI-model kan have forskellige CO₂-aftryk afhængigt af, hvornår og hvor den kører. Den regionale elnetsintensitet, indkøb af vedvarende energi, reservekraft og timebaseret elafstemning kan alle påvirke det faktiske CO₂-aftryk.

Da detaljerede oplysninger om energikilder specifikt for AI sjældent offentliggøres, bør CO₂-skøn betragtes som vejledende. Gennemsigtige antagelser er mere troværdige end at lade som om, at de nøjagtige globale tal er kendt.

Datacentre er fysiske industrianlæg. De kræver arealer, nettilslutninger, transformerstationer, fiberkabler, backup-systemer, byggematerialer og køleinfrastruktur. Selv når de globale emissioner er det centrale emne, kan lokale konsekvenser være afgørende for, om et projekt bliver godkendt.

Lokalsamfundene kan være bekymrede over vandforbruget, elregningerne, overbelastning af elnettet, støj, skatteincitamenter, arealanvendelse, gener i forbindelse med byggeriet eller om de lovede arbejdspladser står mål med omfanget af den offentlige opbakning. Disse bekymringer er ikke de samme overalt.

Derfor bør en seriøs miljøvurdering se ud over den samlede efterspørgsel efter kunstig intelligens. Den bør undersøge, hvilke konsekvenser et bestemt datacenter har for et bestemt elnet, et bestemt afvandingsområde og et bestemt lokalsamfund.

Den offentlige rapportering om AI-infrastruktur bliver bedre, men er stadig ufuldstændig. Mange virksomheder offentliggør tal for deres energiforbrug eller vandforbrug, men ikke altid de detaljer, der er nødvendige for at udskille AI-arbejdsbelastninger, enkelte anlæg eller specifikke systemer til modelbetjening.

Uden klare oplysninger må eksterne skøn baseres på en kombination af offentlige rapporter, antagelser om infrastruktur, hardwarespecifikationer og forskning. Dette kan give nyttige størrelsesordener, men det bør ikke forveksles med reviderede målinger på anlægsniveau.

Større gennemsigtighed ville gøre debatten mere konkret: hvor meget elektricitet der er brug for, hvilke netressourcer der anvendes, hvordan kølingen fungerer, hvilken vandkilde der er tale om, og hvordan virkningerne ændrer sig over tid.

AI-datacentres miljøaftryk kan forbedres gennem mere effektive chips, bedre modelbetjening, mindre specialiserede modeller, genbrug af varme, forbedret køling, bedre placering, el med lavere CO₂-udledning og strengere rapporteringsstandarder.

Effektivitet alene er ingen garanti for en lavere samlet miljøpåvirkning. Hvis brugen af kunstig intelligens stiger hurtigere, end effektiviteten forbedres, kan det samlede elforbrug, kølebehovet og udbygningen af infrastrukturen stadig stige.

Den realistiske konklusion er nuanceret: AI-datacentre er ikke i sig selv skadelige, men de er heller ikke uden miljøpåvirkning. Deres miljøpræstation afhænger af tekniske valg, lokale ressourcebegrænsninger, offentlig ansvarlighed og omfanget af den efterspørgsel, de er bygget til at imødekomme.