Aká je materiálová stopa AI?

Model AI môže pôsobiť ako softvér na obrazovke, no jeho prevádzka si vyžaduje dlhý fyzický reťazec. Bane a rafinérie dodávajú suroviny, polovodičové závody vyrábajú procesory a pamäte, výrobcovia zariadení zostavujú servery a datacentrá zabezpečujú napájanie, sieťové pripojenie a chladenie.

Toto rozlíšenie je dôležité, pretože elektrina spotrebovaná počas prevádzky tvorí iba jednu časť životného cyklu. Ešte predtým, ako server spracuje prvý prompt, sa už energia a materiály využili na výrobu jeho čipov, dosiek plošných spojov, napájacích zdrojov, úložísk, chladiacich zariadení aj na výstavbu budovy, v ktorej sa nachádzajú.

Žiadne jediné číslo nevystihuje celú túto stopu. Hranice posudzovania sa medzi štúdiami líšia: niektoré započítavajú iba výpočtovú techniku, iné zahŕňajú aj budovy, elektrickú infraštruktúru, vodu, siete, cykly výmeny alebo spracovanie po skončení životnosti. Dôveryhodný odhad musí uvádzať, čo zahŕňa.

Akcelerátory AI spájajú procesory, pamäte s vysokou priepustnosťou, dosky plošných spojov, chladiace súčasti a zložité technológie puzdrenia. Ich výroba si vyžaduje mimoriadne prísne kontrolované podmienky, opakované kroky spracovania, ultračistú vodu, elektrinu, špeciálne plyny a chemikálie.

Menšie technologické uzly môžu prinášať vyšší výpočtový výkon, no výroba polovodičov tým nestráca svoje environmentálne vplyvy. Prehľad The Shift Project uvádza, že spotreba energie a vody aj emisie skleníkových plynov na jednotku plochy kremíka môžu s pokročilejšími výrobnými procesmi rásť, zatiaľ čo verejné údaje o jednotlivých produktoch zostávajú neúplné.

Efektívnosť preto treba posudzovať na dvoch úrovniach. Novší akcelerátor môže spracovať rovnakú výpočtovú záťaž s menšou spotrebou elektriny, no predčasná výmena zariadenia vytvára ďalšiu výrobnú stopu. Najlepší výsledok závisí od efektívnosti spracovania úloh, doby používania, miery využitia a ďalšieho osudu nahradeného hardvéru.

Servery obsahujú oceľ, hliník, meď, kremík a menšie množstvá mnohých špecializovaných materiálov používaných v elektronike, batériách, magnetoch, konektoroch a napájacích systémoch. Výskum ADEME zhrnutý v prehľade The Shift Project uvádza, že v digitálnych zariadeniach sa môže nachádzať viac ako 50 kovov.

Nejde len o hmotnosť jednotlivých materiálov. Ťažba, rafinácia a výroba súčiastok prebiehajú v rôznych krajinách a môžu sa výrazne líšiť z hľadiska energetických a vodných nárokov, znečistenia, pracovných podmienok a správy. Malé množstvo materiálu náročného na rafináciu môže mať vplyv, ktorý z hmotnosti hotového servera nie je zrejmý.

Dodávateľské reťazce sú aj geograficky koncentrované. AI Index Stanfordovej univerzity upozorňuje na sústredenie výroby pokročilých polovodičov a výpočtových kapacít AI do malého počtu krajín. Táto koncentrácia môže vytvárať úzke miesta v priemysle a nerovnomerne rozdeľovať prínosy aj environmentálnu záťaž.

Infraštruktúra AI potrebuje viac než len racky s akcelerátormi. Datacentrá využívajú betón, konštrukčnú oceľ, elektrické rozvodne, záložné systémy, batérie, transformátory, rozvádzače, káble, čerpadlá, výmenníky tepla, chladiace veže a sieťové zariadenia.

Zabudované emisie z výroby a výstavby bývajú pri sieti s vysokým podielom fosílnych palív menšie než prevádzkové emisie, nie sú však zanedbateľné. Ich relatívny význam rastie s klesajúcou uhlíkovou náročnosťou elektriny, pretože betón, oceľ, elektronika a náhradné zariadenia zostávajú súčasťou životného cyklu.

Budovy a IT vybavenie navyše starnú rôznym tempom. Podanie z roku 2026 týkajúce sa datacentra Agate spoločnosti Google v Nebraske opisuje bežnú návrhovú životnosť objektu dlhšiu ako 25 rokov a životnosť stavebnej konštrukcie a plášťa od 30 do 50 rokov, zatiaľ čo vnútorné výpočtové, elektrické a chladiace podsystémy sa vymieňajú alebo modernizujú po moduloch. Ide o opis jedného datacentra jeho prevádzkovateľom, nie o univerzálne pravidlo odvetvia.

Dopyt po rýchlejších akcelerátoroch môže v praxi skracovať cykly výmeny, aj keď starší hardvér stále funguje. Nové vybavenie môže zvýšiť výkon na watt, no jeho výroba si vyžaduje ďalšie materiály, energiu pre priemysel, dopravu a inštaláciu.

Vyradený hardvér sa nestáva automaticky odpadom. Niektoré servery a súčiastky možno preradiť na menej náročné úlohy, repasovať, predať alebo použiť ako náhradné diely. O uskutočniteľnosti opätovného použitia rozhodujú bezpečné nakladanie s údajmi, kompatibilita, energetická účinnosť a náklady na údržbu.

To, čo sa nedá opätovne použiť, vstupuje do systému nakladania s elektroodpadom. Správa UNU-INWEH cituje projekciu až 2.5 milióna ton elektroodpadu súvisiaceho s AI ročne do roku 2030. Ide o odhad budúceho vývoja, nie o nameraný súčasný súhrn, a výrazne závisí od predpokladov o nasadzovaní a výmene zariadení.

Výroba polovodičov a elektroniky môže spotrebúvať vodu a využívať rozpúšťadlá, špeciálne plyny a perzistentné chemické látky. PFAS sa používajú v niektorých polovodičových procesoch a aplikáciách prenosu tepla, no verejné podklady neumožňujú priradiť presné celosvetové množstvo PFAS iba AI.

Ďalšou hranicou posudzovania je záber pôdy. Bane, továrne, zdroje elektriny, prenosové vedenia aj areály datacentier zaberajú priestor, no výsledky hodnotenia tejto stopy výrazne závisia od zdroja elektriny a metódy výpočtu. Správa UNU-INWEH ukazuje, prečo voľby s nízkymi emisiami, nízkou spotrebou vody a malým záberom pôdy nie sú vždy totožné.

Tieto vplyvy môžu vznikať ďaleko od ľudí, ktorí využívajú výslednú službu. Nerastné suroviny sa môžu ťažiť v jednom regióne, rafinovať v inom, spracúvať na čipy inde a následne inštalovať v datacentrách slúžiacich používateľom na celom svete. Analýza životného cyklu pomáha tieto rozptýlené vplyvy zviditeľniť bez predstierania, že sa všetky dajú zhrnúť do jediného skóre.

Najpriamejšími opatreniami sú dlhšia doba používania hardvéru, vysoká miera využitia serverov, opraviteľné a modulárne systémy, opätovné použitie pred recykláciou, čistejšia výroba a lepšie spätné získavanie cenných materiálov. Prevádzkovatelia môžu zverejňovať aj stopy jednotlivých produktov a pravidlá výmeny zariadení, aby sa zlepšenia dali overiť.

Záleží aj na softvérových rozhodnutiach. Menšie modely prispôsobené účelu, efektívna inferencia, dávkové spracovanie, kvantizácia a smerovanie jednoduchých úloh do menej náročných systémov umožňujú vykonávať užitočnú prácu na existujúcom hardvéri. Efektívnosť znižuje celkovú stopu iba vtedy, keď rast dopytu nezmaže dosiahnuté úspory.

Kľúčové je kvalitnejšie meranie. Vykazovanie by malo oddeľovať prevádzkovú spotrebu elektriny od zabudovaných emisií, vymedzovať hranice životného cyklu a rozlišovať celofiremné priemery od údajov za jednotlivé objekty. Cieľom nie je priradiť každému promptu jedno presné číslo materiálovej stopy, ale zabezpečiť transparentnejšie a lepšie porovnateľné rozhodnutia o infraštruktúre.