Hvad er AI's materialefodaftryk?

En AI-model kan fremstå som software på en skærm, men driften kræver en lang fysisk kæde. Miner og raffinaderier leverer råstoffer; halvlederfabrikker fremstiller processorer og hukommelse; udstyrsproducenter samler servere; og datacentre leverer strøm, netværk og køling.

Denne skelnen er vigtig, fordi elektricitet til drift kun er én del af livscyklussen. Inden en server behandler sin første prompt, er der allerede brugt energi og materialer til at fremstille dens chips, printkort, strømforsyninger, lagerenheder og køleudstyr samt bygningen, der huser dem.

Intet enkelt tal dækker hele dette fodaftryk. Afgrænsningerne varierer mellem undersøgelser: Nogle medregner kun computerudstyr, mens andre omfatter bygninger, elinfrastruktur, vand, netværk, udskiftningscyklusser eller behandling ved endt levetid. Et troværdigt estimat skal angive, hvad der er medregnet.

AI-acceleratorer kombinerer processorer, hukommelse med høj båndbredde, printkort, kølekomponenter og kompleks chipindkapsling. Produktionen kræver ekstremt kontrollerede fremstillingsforhold, gentagne procestrin, ultrarent vand, elektricitet, specialgasser og kemikalier.

Mindre procesnoder i halvlederproduktionen kan give højere beregningsydelse, men fremstillingen bliver ikke uden miljøpåvirkning. Gennemgangen fra The Shift Project påpeger, at energiforbrug, vandforbrug og drivhusgaspåvirkning pr. enhed siliciumareal kan stige, når fremstillingsprocesserne bliver mere avancerede, mens offentlige produktdata fortsat er ufuldstændige.

Effektivitet skal derfor vurderes på to niveauer. En nyere accelerator kan håndtere samme arbejdsbelastning med mindre elektricitet, men tidlig udskiftning af udstyr skaber også et nyt produktionsfodaftryk. Det bedste resultat afhænger af, hvor effektivt arbejdsbelastningen håndteres, udstyrets brugbare levetid, udnyttelsesgraden og hvad der sker med det udskiftede hardware.

Servere indeholder stål, aluminium, kobber, silicium og mange mindre mængder specialmaterialer, der bruges i elektronik, batterier, magneter, stik og strømforsyningssystemer. Forskningen fra ADEME, som The Shift Project sammenfatter, peger på, at der kan forekomme mere end 50 metaller i digitalt udstyr.

Det handler ikke blot om massen af hvert materiale. Minedrift, raffinering og komponentproduktion foregår i forskellige lande med meget forskellige forhold omkring energi, vand, forurening, arbejdsvilkår og forvaltning. En lille mængde af et materiale, der er vanskeligt at raffinere, kan have en påvirkning, som ikke fremgår af den færdige servers vægt.

Forsyningskæderne er også geografisk koncentrerede. Stanfords AI Index fremhæver, at produktionen af avancerede halvledere og beregningskapaciteten til AI er koncentreret i et lille antal lande. Denne koncentration kan skabe industrielle flaskehalse og fordele gevinster og miljøbelastninger ulige.

AI-infrastruktur kræver mere end serverracks med acceleratorer. Datacentre bruger beton, konstruktionsstål, transformerstationer, reservesystemer, batterier, transformere, koblingsanlæg, kabler, pumper, varmevekslere, køletårne og netværksudstyr.

Indlejrede emissioner fra fremstilling og byggeri er ofte mindre end driftsudledningerne på et elnet med en høj andel fossil energi, men de er ikke ubetydelige. Deres relative betydning vokser, når elektricitetens CO₂-intensitet falder, fordi beton, stål, elektronik og udskiftningsudstyr fortsat indgår i livscyklussen.

Anlægget og IT-udstyret ældes heller ikke i samme tempo. En indberetning fra 2026 for Googles Agate-datacenter i Nebraska beskriver en typisk dimensionerende levetid for anlægget på mere end 25 år og en bygningskonstruktion med en levetid på 30 til 50 år, mens interne delsystemer til databehandling, elektricitet og køling udskiftes eller moderniseres modulvis. Det er en operatørs beskrivelse af ét datacenter, ikke en universel regel for branchen.

Efterspørgslen efter hurtigere acceleratorer kan forkorte de faktiske udskiftningscyklusser, selv når ældre hardware stadig fungerer. Nyt udstyr kan forbedre ydelsen pr. watt, men fremstillingen kræver endnu en omgang materialer, industriel energi, transport og installation.

Hardware, der tages ud af drift, bliver ikke automatisk til affald. Nogle servere og komponenter kan omplaceres til mindre krævende arbejdsbelastninger, istandsættes, videresælges eller bruges som reservedele. Sikker datahåndtering, kompatibilitet, energieffektivitet og vedligeholdelsesomkostninger afgør, om genbrug er praktisk muligt.

Det, der ikke kan genbruges, går videre til håndtering som elektronikaffald. Rapporten fra UNU-INWEH henviser til en fremskrivning på op til 2,5 millioner ton AI-relateret elektronikaffald om året i 2030. Det er et fremadrettet estimat og ikke en målt nutidig total, og det afhænger i høj grad af antagelser om udrulning og udskiftning.

Fremstilling af halvledere og elektronik kan forbruge vand og involvere opløsningsmidler, specialgasser og svært nedbrydelige kemikalier. PFAS bruges i visse halvlederprocesser og anvendelser til varmeoverførsel, men den offentligt tilgængelige dokumentation giver ikke grundlag for at tilskrive AI alene en præcis global PFAS-mængde.

Arealanvendelse er en anden afgrænsning. Miner, fabrikker, elproduktion, transmissionsledninger og datacenterområder optager alle plads, men opgørelsen af arealfodaftrykket afhænger i høj grad af elkilden og beregningsmetoden. Rapporten fra UNU-INWEH viser, hvorfor valg med lavt CO₂-aftryk, lavt vandforbrug og lavt arealforbrug ikke altid er det samme valg.

Disse påvirkninger kan opstå langt fra dem, der bruger den endelige tjeneste. Mineraler kan udvindes i én region, raffineres i en anden, forarbejdes til chips et tredje sted og installeres i datacentre, der betjener brugere over hele verden. Livscyklusvurdering gør disse spredte påvirkninger synlige uden at foregive, at de alle kan reduceres til én samlet score.

De mest direkte tiltag er længere brugbar levetid for hardware, høj serverudnyttelse, reparerbare og modulære systemer, genbrug før genanvendelse, renere produktion og bedre genvinding af værdifulde materialer. Operatører kan også offentliggøre fodaftryk på produktniveau og politikker for udskiftning, så forbedringer kan verificeres.

Softwarevalg har også betydning. Mindre modeller, der passer til formålet, effektiv inferens, batchbehandling, kvantisering og videresendelse af enkle opgaver til mindre ressourcekrævende systemer kan levere nyttigt arbejde med eksisterende hardware. Effektivisering reducerer kun det samlede fodaftryk, hvis væksten i efterspørgslen ikke opvejer besparelserne.

Bedre målinger er afgørende. Rapportering bør adskille elektricitet til drift fra indlejrede emissioner, angive livscyklussens afgrænsninger og skelne mellem virksomhedsgennemsnit og data for det enkelte anlæg. Målet er ikke at knytte ét præcist materialetal til hver prompt, men at gøre infrastrukturbeslutninger mere gennemsigtige og sammenlignelige.