I dagens raskt voksende AI-teknologilandskap dukker det opp en bekymringsfull virkelighet: kraften som kreves for et enkelt ChatGPT-søk er nesten 10 ganger større enn et Google-søk.
Dette betydelige gapet fremhever ikke bare den grunnleggende forskjellen i energiforbruk mellom AI-teknologier og tradisjonelle internetttjenester, men signaliserer også et dyptgripende skifte i det globale energiforbruksmønsteret.
Nylig ga det anerkjente konsulentfirmaet Gartner en advarsel i sin siste rapport, og spådde at innen 2027 vil 40 % av eksisterende AI-datasentre møte driftsproblemer på grunn av utilstrekkelig strømforsyning. Denne prognosen understreker den økende spenningen mellom AI-utvikling og energiforsyning.
Samtidig gir forskning fra den internasjonale investeringsbanken Goldman Sachs lignende utsikter: innen 2030 vil den globale etterspørselen etter strøm fra datasentre øke med 160 %. Dette har utløst stor bekymring mhtenergiforsyning, infrastrukturutvikling og miljøpåvirkning.
Diagram|Gartners prognose: Ekstra energiforbruk fra nye AI-servere i AI-datasentre hvert år (Kilde: Gartner)
Nylig har teknologigiganter som Google, Microsoft, Amazon og Meta investert aktivt i kjernekraftanlegg. En av grunnene til dette er deres bekymring for at det enorme energibehovet til AI-datasentre i fremtiden kanskje ikke blir dekket.
Historisk sett har energibehovet til datasentre vist bemerkelsesverdig stabilitet. Fra 2015 til 2019, til tross for nesten dobling av arbeidsmengden til datasentre, holdt deres årlige strømforbruk seg relativt stabilt på rundt 200 terawatt-timer.
Denne stabiliteten skyldtes i stor grad kontinuerlige forbedringer i energieffektivitet i datasentre. Imidlertid gjennomgikk denne situasjonen et grunnleggende skifte etter 2020.
Gartner-analytiker Bob Johnson bemerket: "Konstruksjonen av neste generasjons hyperskalerte datasentre skaper enorme strømbehov som vil overgå evnen til forsyningsleverandører til å skalere opp forsyningen. Spesielt når det gjelder prosessering og opplæring av store modeller, de nødvendige beregningsressursene og energiforbruket har nådd enestående nivåer."
For øyeblikket står globale datasentre for 1-2 % av det totale strømforbruket, men det anslås at innen 2030 vil denne andelen stige til 3-4 %, og denne veksten er spesielt fremtredende i utviklede land.
Spesielt i USA er det spådd at innen 2030 vil strømforbruket til datasentre øke fra dagens 3 % til 8 %, noe som får USAs etterspørsel etter strøm til å vokse med den raskeste hastigheten på nesten 25 år.
Diagram|Goldman Sachs-prognoserEnergiEtterspørsel etter datasentre (Kilde: Goldman Sachs)
For å møte denne utfordringen, må amerikanske energiselskaper investere omtrent 50 milliarder dollar i ny kraftproduksjonskapasitet spesielt for datasentre.
I tillegg, innen 2030, vil den økte etterspørselen etter elektrisitet fra datasentre alene resultere i en daglig økning på rundt 3,3 milliarder kubikkfot av etterspørselen etter naturgass, noe som vil kreve bygging av ny rørledningsinfrastruktur.
Goldman Sachs bemerker at situasjonen i Europa er enda mer kompleks. Som et viktig knutepunkt for globale datasentre er 15 % av datasentrene lokalisert i Europa. Innen 2030 vil energibehovet til disse datasentrene tilsvare det totale strømforbruket til Portugal, Hellas og Nederland til sammen.
Gitt at Europa har de eldste elektrisitetsnettsystemene i verden, vil regionen måtte investere nesten 800 milliarder euro i løpet av det neste tiåret for å oppgradere overførings- og distribusjonssystemene sine, samt ca. 850 milliarder euro i utviklingen av fornybare energikilder som f.eks. som sol, landvind og offshore vindkraft for å møte energibehovet til nye datasentre.
Diagram|Gjennomsnittlig alder for kraftnett i ulike regioner og Kina (Kilde: Goldman Sachs)
Det som er enda mer bekymringsfullt er at denne økningen i etterspørsel etter elektrisitet vil direkte påvirke strømprisene. Forskning tyder på at store datasenteroperatører forhandler med store kraftprodusenter for å sikre langsiktig, stabil strømforsyning uavhengig av andre nettbehov.
Denne konkurransen vil uunngåelig drive opp strømprisene, og disse kostnadene vil til slutt overføres til brukere av AI-produkter og -tjenester.
Som et resultat anbefaler eksperter at organisasjoner forbereder seg på økende strømkostnader og streber etter å signere langsiktige datasenterservicekontrakter til rimelige priser.
Miljøpåvirkningen er også bekymringsfull. Det forventes at innen 2030 kan karbonutslippene fra datasentre mer enn dobles sammenlignet med 2022, noe som utgjør en ny utfordring for globale utslippsreduksjonsmål.
Ifølge Goldman Sachs vil de «sosiale kostnadene» ved økningen i karbonutslipp fra datasentre alene utgjøre 125 til 140 milliarder dollar (nåverdi).
Gartner anslår at innen 2027 vil strømbehovet for å kjøre AI-optimaliserte servere nå 500 terawatt-timer per år, 2,6 ganger nivået i 2023.
På kort sikt, for å møte den økende etterspørselen etter elektrisitet, kan noen kraftverk med fossilt brensel som opprinnelig var planlagt for avvikling, måtte forlenge levetiden, noe som ytterligere forverrer miljøtrykket.
Datasentre krever 24-times uavbrutt strøm, og for tiden må de stole på vannkraftverk, fossilt brensel eller kjernekraftverk for å gi en slik stabil strømforsyning.
Mens fornybare energikilder som vind og sol er miljøvennlige, uten å støtte energilagringssystemer, er de vanskelige å stole på for å møte de kontinuerlige strømkravene til datasentre.
Diagram|Endringer i datasenterbelastning og energiforbruk de siste ni årene (Kilde: Goldman Sachs)
For å møte disse utfordringene, utforsker industrien ulike løsninger. Noen selskaper øker investeringene i fornybar energi og fremmer aktivt kommersialisering av nye kjernekraftteknologier.
Teknologiselskaper utforsker også innovative metoder for å forbedre energieffektiviteten. På sikt kan utviklingen av nye batterilagringsteknologier eller rene energiteknologier (som små atomreaktorer) gi nye løsninger.
Det er verdt å nevne at AI-teknologi i seg selv kan bidra til løsninger ved å akselerere innovasjon på felt som helsevesen, landbruk og utdanning, samt forbedre energieffektiviteten.
Til slutt antyder begge selskapenes forskningsrapporter at virksomheter fullt ut bør vurdere potensielle risikoer for strømmangel når de formulerer AI-utviklingsstrategier, vurdere virkningen av økende kraftkostnader i fremtiden og aktivt søke alternative løsninger.
Lovende løsninger inkluderer bruk av avansert databehandlingsteknologi, ta i bruk mindre store modeller og prioritering av beregningseffektivitet ved utvikling av generative AI-applikasjoner.
Det er klart at utviklingen av AI-teknologi omformer det globale energilandskapet. Å balansere teknologisk innovasjon, energisikkerhet og miljøvern vil være en betydelig utfordring som den globale teknologi- og energiindustrien vil møte sammen i fremtiden. (Artikkel publisert på nytt fra DeepTech)
