Ślad węglowy AI i zużycie wody. Ile kosztuje nas ChatGPT?

W dyskusjach o ekologii technologii najczęściej skupiamy się na emisjach dwutlenku węgla. Najnowsze dane pokazują jednak, że ślad węglowy to tylko jeden z wymiarów oddziaływania sektora AI na środowisko. Równie istotne, choć rzadziej nagłośnione, jest zużycie wody przez centra danych. Każde zapytanie do modeli językowych wiąże się z poborem wody niezbędnej do chłodzenia serwerów oraz procesów w elektrowniach. W rezultacie ekologia cyfrowa staje się kluczową pozycją w bilansach środowiskowych i raportach ESG nowoczesnych firm.

Ile dokładnie wody zużywa jedna interakcja z botem? Szacunki naukowców, m.in. z pracy Making AI Less Thirsty, są uderzające. Sam trening modelu GPT-3 w USA mógł doprowadzić do odparowania 700 tysięcy litrów czystej wody. Zatem w przypadku pojedynczych zapytań przyjmuje się, że sesja składająca się z 10–50 pytań odpowiada zużyciu butelki wody o pojemności 500 ml. Okazuje się jednak, że dane te są rozbieżne – od 0,3 ml do nawet 25 ml na zapytanie – co wynika z różnic w architekturze modeli i klimacie, w którym pracują serwery.

Infrastruktura pod presją

Lokalizacja serwerów ma kluczowy wpływ na to, jak duży ślad węglowy generuje dana usługa. Polska, dzięki swojemu chłodniejszemu klimatowi, jest uznawana za relatywnie korzystną lokalizację dla branży IT. Region Azure Poland Central pod Warszawą pozwala na chłodzenie powietrzem zewnętrznym bez użycia wody przez ponad 98% czasu w roku. Warto dodać, że projektowy wskaźnik WUE (Water Usage Effectiveness) wynosi tam zaledwie 0,023 litra na kilowatogodzinę, co jest wartością bardzo niską na tle starszych ośrodków obliczeniowych.

Prawdziwym wyzwaniem pozostaje jednak skala zapotrzebowania na energię. Obecnie polskie centra danych zużywają około 1,7–1,8 TWh rocznie, co stanowi niecały 1% krajowego zapotrzebowania. Z kolei prognozy PSE wskazują na gwałtowny wzrost – do połowy lat 30. sektor ten może potrzebować nawet 18 TWh rocznie. Ponadto moc przyłączeniowa ma wzrosnąć z obecnych 200 MW do blisko 5 GW w perspektywie 2040 roku. Z pewnością wymaga to gigantycznych inwestycji w modernizację około 140 stacji elektroenergetycznych oraz budowę nowych linii przesyłowych prądu stałego (HVDC).

Ekologia AI w praktyce

Ograniczenie wpływu AI na środowisko jest możliwe dzięki nowoczesnej infrastrukturze. W Polsce pojawiają się już pionierskie rozwiązania, które przekształcają centra danych z konsumentów energii w jej dostawców. Przykładowo poznański kampus Beyond.pl, zasilany w 100% zieloną energią, planuje przekazywać ciepło odpadowe z serwerów do miejskiej sieci ciepłowniczej Veolii. Dzięki temu odzyskana energia może pokryć nawet 20% potrzeb cieplnych miasta, co znacząco obniża sumaryczny ślad węglowy całego regionu.

Równocześnie branża stawia na chłodzenie cieczą – bezpośrednio na układy scalone lub przez pełną imersję serwerów w specjalnym płynie. Okazuje się, że taka zmiana może obniżyć zużycie energii na chłodzenie nawet o połowę. Na poziomie oprogramowania kluczowa staje się optymalizacja modeli poprzez procesy takie jak kwantyzacja czy destylacja, które zmniejszają liczbę operacji potrzebnych do udzielenia odpowiedzi. Dzięki temu sztuczna inteligencja staje się „lżejsza” dla środowiska, nie tracąc przy tym na jakości generowanych treści.

Podsumowując, rewolucja AI stawia przed polską infrastrukturą ogromne wymagania. Bez wątpienia firmy muszą zacząć uwzględniać ślad węglowy i wodny swoich dostawców cyfrowych w strategiach raportowania CSRD. To transparentność dostawców chmurowych i inwestycje w stabilne źródła energii, takie jak atom czy OZE, będą decydować o tym, czy rozwój nowoczesnych technologii w Polsce będzie rzeczywiście zrównoważony.

Przeczytaj także: Recykling opon jako fundament nowoczesnej gospodarki

Opracowanie na podstawie: akademiaesg.pl

Last Updated on 16 kwietnia, 2026 by Karolina Bandulet