ИИ в мировом масштабе потребляет энергии, как целая страна — в будущем его аппетиты будут только расти

Глобальная экспансия систем искусственного интеллекта, от генерации изображений до обработки поисковых запросов, оборачивается неожиданным и тревожным побочным эффектом. Согласно расчетам аналитиков, к 2027 году совокупное энергопотребление ИИ-инфраструктуры может достигнуть 134 ТВт·ч в год. Эта цифра сопоставима с ежегодными нуждами в электричестве таких государств, как Нидерланды, Аргентина или Швеция. Речь идет не просто о росте счетов за электричество для дата-центров, а о формировании нового глобального вызова на стыке технологического прогресса и климатической повестки.

Цена одного запроса: от бытовой экономии до национальных масштабов

Исследователь Алекс де Врис из Амстердамского свободного университета провел детальный анализ энергоемкости современных нейросетей. Отправной точкой для беспокойства стали данные компании Hugging Face: только обучение их большой языковой модели потребовало 433 МВт·ч. Этого объема хватило бы для круглогодичного энергоснабжения 40 среднестатистических американских домохозяйств. Однако еще более показателен пример ежедневной эксплуатации. ChatGPT, как более масштабный и востребованный сервис, расходует порядка 564 МВт·ч в сутки — это уже сопоставимо с энергопотреблением небольшого города. Особую остроту проблеме придает масштаб внедрения. Если гипотетически интегрировать генеративные ИИ-алгоритмы в каждый поисковый запрос Google (а их обрабатывается до 9 миллиардов в день), годовой расход энергии взлетит до 29,2 ТВт·ч. Это уровень потребления целой Ирландии. Хотя такой сценарий пока маловероятен, тренд на увеличение нагрузки очевиден: серверы, оптимизированные под ИИ-задачи, будут лишь наращивать аппетиты.

Парадокс эффективности: почему экономия энергии ведет к ее росту

Ключевой вывод работы де Вриса парадоксален: попытки сделать ИИ более энергоэффективным могут усугубить ситуацию. В экономике это явление известно как парадокс Джевонса. Повышение КПД ИИ-ускорителей и оптимизация алгоритмов снижают стоимость одного вычислительного действия. Это, в свою очередь, делает технологию доступнее и привлекательнее для бизнеса. Разработчики начинают перепрофилировать процессоры на решение все новых задач, связанных с нейросетями, что в конечном итоге провоцирует взрывной рост совокупного потребления ресурсов, а не его снижение.

Бездумная автоматизация как роскошь

Несмотря на активную работу инженеров по всему миру над аппаратной и программной оптимизацией, фундаментальная проблема сохраняется. ИИ остается крайне энергозатратной технологией. Внедрение нейросетей в процессы, где они не дают критического прироста производительности или качества, превращается в неоправданное расточительство. Это ставит перед бизнесом и обществом непростой вопрос о приоритетах. За последние полтора года, с момента взрывного роста популярности генеративных моделей, индустрия пережила бум инвестиций в вычислительные мощности. Однако обратной стороной этого бума стал колоссальный углеродный след. Вероятнее всего, в ближайшие годы нас ждет не просто технологическая гонка, а поиск баланса. Компаниям придется тщательно взвешивать, стоит ли каждый конкретный случай использования ИИ тех гигаватт, которые он потребляет. Человечеству предстоит научиться применять эту мощь точечно, избегая соблазна автоматизировать всё подряд, иначе счета за «цифровую эволюцию» станут неподъемными для всей планеты.