Компании почти не учитывают углеродный след Gen AI

Незамеченные масштабы выбросов углерода Gen AI

Генеративный искусственный интеллект революционизирует отрасли, однако его экологическая стоимость остаётся слепым пятном для многих компаний. Углеродный след ошеломляет: обучение моделей, таких как GPT-3, привело к выбросу примерно столько же CO2, сколько выбрасывает Нью-Йорк в 2025 году, согласно исследованию, на которое ссылается Алекс де Врис Гао. Это не единичный удар; ожидается, что выбросы центров обработки данных, питающих ИИ, утроятся к 2030 году, добавляя миллиарды тонн ежегодно.

Пока компании спешат внедрять ИИ для повышения производительности, они часто игнорируют тот факт, что один запрос к ChatGPT потребляет почти в десять раз больше электроэнергии, чем поиск в Google. Совокупный эффект огромен: прогнозы предполагают, что рост ИИ может выбрасывать в атмосферу от 24 до 44 миллионов метрических тонн CO2 ежегодно к 2030 году — это эквивалентно появлению на дорогах США ещё от 5 до 10 миллионов автомобилей. Это упущение проистекает из фокуса на инновациях любой ценой, но данные ясно показывают: игнорировать углеродный след больше недопустимо.

Почему корпоративные приоритеты отодвигают устойчивость на второй план

В гонке за использование генеративного ИИ компании ставят во главу угла скорость, стоимость и конкурентное преимущество, а не экологические показатели. Отчёты указывают, что, несмотря на высокие совокупные выбросы, многие фирмы относятся к энергопотреблению ИИ как к второстепенному вопросу, движимые заблуждением, что отдельные запросы незначительны. Например, хотя средний запрос к Gemini потребляет энергию, сравнимую с просмотром телевизора в течение девяти секунд, триллионы запросов превращают это в значительную нагрузку.

Это пренебрежение усугубляется креативным учётом, когда реальные выбросы от центров обработки данных могут быть более чем в 7,6 раза выше заявленных, как показывает анализ The Guardian. Компаниям часто не хватает прозрачности, а добровольная отчётность скрывает истинное воздействие. Без регуляторного давления или спроса со стороны потребителей углеродный след ускользает из виду, поддерживая цикл, в котором краткосрочные выгоды преобладают над долгосрочным здоровьем планеты.

Центры обработки данных: скрытые двигатели воздействия ИИ

Центры обработки данных являются основой генеративного ИИ, и их экологический ущерб растёт экспоненциально. К 2030 году ожидается, что они будут выбрасывать в три раза больше CO2 по сравнению с уровнем до бума ИИ, внося вклад в 40% текущих годовых выбросов США, как отмечает Morgan Stanley. Плотность мощности, необходимая для кластеров обучения ИИ, может быть в семь-восемь раз выше, чем для типичных вычислительных нагрузок, что создаёт нагрузку на энергосистемы и увеличивает зависимость от ископаемого топлива.

Эффект домино для глобальных выбросов

Это не изолированное явление; в 2025 году выбросы парниковых газов в США выросли впервые за два года, отчасти из-за центров обработки данных, питающих спрос на ИИ. Глобальное потребление электроэнергии центрами обработки данных достигло 460 тераватт-часов в 2022 году, что сопоставимо с потреблением таких стран, как Франция. Как указывает Номан Башир из MIT, неустойчивые темпы строительства новых центров обработки данных означают, что большая часть этой энергии поступает из невозобновляемых источников, подрывая климатические цели.

Повышение эффективности: проблеск надежды на фоне мрачных прогнозов

Несмотря на мрачную статистику, технологические достижения снижают углеродный след ИИ на один запрос. Google сообщает о 33-кратном снижении энергопотребления и 44-кратном снижении выбросов углерода для средних текстовых запросов за последний год благодаря оптимизированным моделям и чистой энергии. Инновации, такие как архитектуры Mixture-of-Experts и пользовательские TPU, сокращают вычисления в 10–100 раз, делая отдельные инференции менее углеродоёмкими.

Эти улучшения показывают, что при целенаправленных усилиях ИИ может стать экологичнее. Например, наименее углеродоёмкие текстовые модели генерируют в 6 833 раза меньше углерода, чем модели для изображений, а эффективные развёртывания могут сократить потребление воды до нескольких капель на запрос. Однако эти успехи часто локализованы у технологических гигантов, оставляя более мелкие компании позади в плане внедрения и осведомлённости.

Двойственная роль ИИ: усугубитель и смягчитель изменения климата

Генеративный ИИ — это палка о двух концах для окружающей среды. С одной стороны, он усугубляет выбросы за счёт энергоёмкого обучения и инференса; с другой — обладает потенциалом для смягчения от 5 до 10% выбросов парниковых газов к 2030 году при разумном применении, согласно Boston Consulting Group. ИИ может оптимизировать энергосистемы, прогнозировать загрязнение и улучшать управление отходами, предлагая инструменты для борьбы с тем самым кризисом, которому он способствует.

Баланс между инновациями и ответственностью

Этот парадокс подчёркивает необходимость более разумного внедрения. Компании могут использовать ИИ для проектов в области устойчивого развития, одновременно минимизируя его углеродный след с помощью эффективных алгоритмов и экологичных центров обработки данных. Ключ — переход от мышления «рост любой ценой» к такому, которое ценит интеграцию экологических аспектов, гарантируя, что ИИ служит чистым благом, а не скрытым загрязнителем.

Преодоление разрыва в осведомлённости в корпоративной стратегии

Для большинства компаний углеродный след Gen AI не находится в поле зрения из-за разрозненных метрик и отсутствия отраслевых стандартов. Без комплексных измерений, включающих простаивающие машины и полную динамику системы, как выступает Google, оценки остаются теоретическими. Это приводит к занижению оценок, когда, например, некоторые расчёты упускают факторы, которые могут увеличить реальный операционный след.

Чтобы решить эту проблему, бизнесу необходимо внедрить прозрачную отчётность и уделять приоритетное внимание показателям энергопотребления ИИ. Инициативы, такие как рейтинги ML.ENERGY, могут направлять выбор в сторону более эффективных моделей, но для широкого внедрения требуется культурный сдвиг, при котором устойчивое развитие будет заложено в политиках закупок и использования ИИ.

Прокладывая устойчивый путь вперёд с ИИ

Будущее генеративного ИИ не обязательно должно противоречить экологической ответственности. Внедряя инновации, такие как углеродные кредиты, использование возобновляемых источников энергии и повышение эффективности алгоритмов, компании могут сократить свой углеродный след, одновременно пожиная плоды ИИ. Быстрый прогресс в снижении выбросов на запрос показывает, что изменения возможны, когда эффективность становится основополагающим принципом проектирования.

В конечном счёте, игнорирование углеродного следа — это стратегическая ошибка. По мере роста выбросов центров обработки данных и усиления климатических воздействий дальновидные компании будут интегрировать устойчивое развитие в свои ИИ-фреймворки, превращая упущение в возможность. Эпоха слепого внедрения подходит к концу; следующая волна инноваций должна уравновесить интеллект с экологической целостностью, обеспечивая прогресс ИИ без оставления тяжёлого углеродного наследия.