Raport Basel Action Network o e-odpadach ujawnia ukryty problem sprzętowy AI

Basel Action Network szacuje obecnie, że sprzęt powiązany z AI może do 2050 roku wygenerować nawet 617 mln ton elektroodpadów. Raport Basel Action Network o e-odpadach dochodzi do tej wartości, uwzględniając znacznie więcej niż procesory i serwery. Obejmuje systemy elektryczne, chłodzenia, sieciowe, pamięci masowej i zasilania awaryjnego, które utrzymują centra danych AI w działaniu.

Tak szeroko zakreślona granica analizy daje prognozę wielokrotnie wyższą od wcześniejszych badań, koncentrujących się głównie na sprzęcie obliczeniowym. W górnym wariancie wycofany sprzęt wypełniłby około 23 mln 40-stopowych kontenerów morskich. Ustawione w rzędzie kontenery okrążyłyby planetę mniej więcej sześć razy.

Główna liczba jest prognozą, a nie zmierzonym wynikiem. Raport ujawnia jednak bezpośredni problem dla dostawców chmurowych, producentów sprzętu, firm recyklingowych i regulatorów. Fizyczny ślad AI nie kończy się na energii elektrycznej i wodzie. Każde nowe centrum danych tworzy również przyszły strumień przestarzałych maszyn, materiałów niebezpiecznych i metali możliwych do odzyskania.

Szacunek e-odpadów AI właśnie znacząco wzrósł

Nowy szacunek zmienia granicę rachunkowości, a nie tylko założenie dotyczące wzrostu.

Organizacja non-profit Basel Action Network, czyli BAN, opublikowała swoją analizę 15 września 2026 roku. Przewiduje ona, że między 2025 a 2050 rokiem zostanie wycofanych z użycia od 395 mln do 617 mln ton sprzętu elektronicznego związanego z AI.

Górny szacunek odpowiada około 23 mln kontenerów morskich. Nawet dolny wariant oznacza strumień odpadów znacznie większy niż prognozy skoncentrowane na serwerach, które dotychczas kształtowały debatę.

BAN szacuje, że roczne wycofania sprzętu mogą do 2030 roku osiągnąć od 8,6 mln do 13,1 mln ton. Organizacja opisuje to jako wartość około 40–60 razy wyższą od niektórych szacunków skupionych na serwerach i procesorach graficznych.

Różnica wynika z tego, co BAN umieszcza wewnątrz granicy systemu. Centrum danych potrzebuje serwerów, ale nie może funkcjonować wyłącznie dzięki nim. Wymaga też przełączników, urządzeń pamięci masowej, sprzętu do dystrybucji energii, baterii, generatorów, urządzeń chłodzących, kabli i innego wyspecjalizowanego sprzętu.

Raport wskazuje, że badania skupione na serwerach pomijają około 87 procent szerszej infrastruktury elektromechanicznej centrum danych. BAN stosuje więc model pełnej infrastruktury, który przypisuje około 70 000 ton sprzętu każdemu gigawatowi mocy centrum danych.

Prognozy dotyczące mocy napędzają następnie przewidywania. Model opiera się na szacunkach, według których globalna moc centrów danych może do 2030 roku osiągnąć 219 gigawatów. Rozciągnięcie wymiany sprzętu na późniejsze scenariusze ekspansji daje skumulowany zakres BAN do 2050 roku.

Metoda obejmuje również to, co organizacja nazywa „zarażeniem odpadami AI”. Ta kategoria dotyczy powiązanego sprzętu telekomunikacyjnego i urządzeń osobistych, które rozwój AI może skłonić właścicieli do wcześniejszej wymiany.

To najbardziej rozległy i niepewny element modelu. Wycofanie serwera można bezpośrednio powiązać z modernizacją centrum danych. Trudniej ustalić, czy funkcja AI spowodowała, że konsument wymienił telefon lub komputer.

Główne ustalenie BAN pozostaje istotne, nawet jeśli tę kategorię należy interpretować ostrożnie. Szacunek pełnej infrastruktury identyfikuje sprzęt, który węższe badania często pozostawiają poza swoimi modelami.

Wyrzucony procesor graficzny jest widoczny i łatwo powiązać go z AI. Wycofane pompy chłodzące, rozdzielnice, baterie zapasowe, przełączniki sieciowe i systemy zasilania przyciągają mniej uwagi. Łącznie mogą ważyć więcej niż sprzęt obliczeniowy w tym samym obiekcie.

Rozszerzony zakres wyjaśnia, dlaczego raport nie jest po prostu kolejnym ostrzeżeniem opartym na szybszym wzroście modeli. BAN twierdzi, że znaczna część przyszłych odpadów nie była uwzględniana, zanim ktokolwiek zaczął debatować nad tempem wzrostu.

W rezultacie każdy ogłoszony kampus AI należy postrzegać jako odroczone zobowiązanie do gospodarowania odpadami. Budowa determinuje nie tylko krótkoterminowe zapotrzebowanie na energię elektryczną, lecz także ilość sprzętu, który ktoś będzie musiał ostatecznie ponownie wykorzystać, poddać recyklingowi, przechować lub wyrzucić.

Dlaczego centra danych AI tworzą cykl wymiany sprzętu

Infrastruktura AI staje się odpadem wskutek powtarzającej się wymiany, a nie jednego odległego wydarzenia związanego z rozbiórką.

Centra danych zawierają sprzęt o różnym okresie użytkowania. Serwery mogą być modernizowane, gdy budynek pozostaje operacyjny. Baterie, komponenty chłodzące, dyski i sprzęt sieciowy podlegają odrębnym harmonogramom konserwacji i wymiany.

AI przyspiesza ten cykl, ponieważ operatorzy konkurują wydajnością na wat, gęstością obliczeń i kosztem usług. Nowszy akcelerator może przetwarzać więcej pracy w ograniczonym budżecie energetycznym. Może to sprawić, że działający starszy sprzęt stanie się komercyjnie nieatrakcyjny, zanim fizycznie ulegnie awarii.

Powstające odpady nie ograniczają się do uszkodzonego sprzętu. Obejmują urządzenia wycofane, ponieważ nowszy system oferuje lepszą ekonomię. Część sprzętu może trafić na rynek wtórny, lecz inne urządzenia mają wyspecjalizowaną konstrukcję lub ograniczony popyt odsprzedażowy.

Duże klastry AI zmieniają również systemy wokół nich. Większa gęstość szaf rack wymaga innych układów chłodzenia, dostarczania energii, sieci i fizycznej organizacji. Wymiana warstwy obliczeniowej może więc wymusić zmiany w innych częściach obiektu.

Tworzy to konflikt między szybkim wdrażaniem a długim okresem użytkowania sprzętu. Dostawcy chmurowi chcą szybko uruchamiać każdą generację sprzętu. Ograniczanie odpadów działa najlepiej, gdy sprzęt pozostaje użyteczny dłużej, jest naprawiany lub trafia do zastosowania drugiego życia.

Wcześniejsze badania uchwyciły część tej presji. Recenzowane badanie z 2024 roku oszacowało, że generatywna AI może zgromadzić od 1,2 mln do 5 mln ton e-odpadów w latach 2020–2030. Jego model skupiał się szczególnie na sprzęcie obliczeniowym dla dużych modeli językowych.

To samo badanie generatywnej AI wykazało, że strategie cyrkularne mogą zmniejszyć modelowaną ilość odpadów o 16–86 procent. Strategie te obejmowały wydłużanie życia sprzętu, ponowne wykorzystywanie urządzeń i poprawę odzysku materiałów.

Oddzielna analiza akademicka z 2026 roku przedstawiła niższy szacunek krótkoterminowy. Prognozowała, że serwery AI mogą do 2030 roku generować rocznie od 131 000 do 224 800 ton e-odpadów.

Ta ponowna ocena skupiona na serwerach stwierdziła, że AI może mieć mniejszy udział w globalnych e-odpadach, niż sugerowały wcześniejsze szacunki. Podkreślała również brak danych o łańcuchach dostaw i realistycznych informacji o okresie eksploatacji serwerów.

Na pierwszy rzut oka wniosek ten stoi w sprzeczności z liczbami BAN. Badania nie mierzą jednak dokładnie tego samego. Jedno podkreśla serwery AI, podczas gdy BAN próbuje policzyć otaczającą infrastrukturę i wymianę urządzeń wywołaną przez AI.

To rozróżnienie ma znaczenie, ponieważ „e-odpady AI” nie mają powszechnie przyjętej granicy rachunkowości. Analitycy mogą liczyć akceleratory, całe serwery, kompletne obiekty, powiązane zasoby telekomunikacyjne lub urządzenia konsumenckie, na które wpływa wdrażanie AI.

Każdy wybór odpowiada na inne pytanie. Model obejmujący wyłącznie serwery może oszacować bezpośrednie obciążenie sprzętowe obliczeń. Model pełnego systemu lepiej nadaje się do badania zobowiązań odpadowych tworzonych przez rozbudowę infrastruktury.

Raport BAN nie unieważnia więc automatycznie szacunków akademickich. Podważa raczej to, czy ich granice są wystarczająco szerokie dla polityki publicznej i długoterminowego planowania gospodarki odpadami.

Konkurencyjne wyniki ujawniają głębszy problem przejrzystości. Zewnętrzni badacze zazwyczaj nie mają dostępu do kompletnych ewidencji sprzętu, harmonogramów wycofywania, wskaźników odnowy ani końcowych danych o utylizacji od głównych operatorów centrów danych.

Bez tych danych modele muszą łączyć publiczne prognozy mocy z założeniami dotyczącymi masy sprzętu i jego żywotności. Niewielkie zmiany kumulują się przez dziesięciolecia, zwłaszcza gdy prognozy sięgają 2050 roku.

Niepewność jest realna, ale nie sprawia, że sprzęt znika. Pokazuje, dlaczego operatorzy powinni raportować zasoby fizyczne z taką samą powagą, jaką stosują wobec zużycia energii i emisji dwutlenku węgla.

Raport Basel Action Network o e-odpadach zwiększa presję na recyklerów

Rozbudowa AI tworzy wyspecjalizowane odpady szybciej, niż systemy recyklingu stają się przejrzyste i rozliczalne.

Według Global E-waste Monitor świat wytworzył w 2022 roku 62 mln ton e-odpadów. Tylko 22,3 procent zostało udokumentowane jako formalnie zebrane i poddane recyklingowi w sposób bezpieczny dla środowiska.

Globalna inwentaryzacja odpadów przewiduje, że roczna produkcja e-odpadów osiągnie 82 mln ton do 2030 roku. Tego wzrostu oczekiwano już przed zastosowaniem przez BAN szerszej definicji infrastruktury AI.

BAN szacuje, że sprzęt związany z AI może ostatecznie stanowić 15–20 procent globalnych e-odpadów. Porównuje ten udział z przewidywaną światową łączną ilością 211 mln ton rocznie do 2050 roku.

Nie należy traktować tych liczb jako gwarantowanego wyniku. Łączą one długoterminowy wzrost centrów danych, intensywność wykorzystania sprzętu, cykle wymiany i globalne prognozy dotyczące odpadów. Każdy z tych elementów może się zmienić.

Mimo to scenariusz pokazuje problem z przepustowością, przed którym stoją recyklerzy. Sprzęt centrów danych zawiera wartościową miedź, aluminium, stal, płytki drukowane i inne materiały możliwe do odzyskania. Może także zawierać baterie i substancje wymagające kontrolowanego postępowania.

Zbieranie jest dopiero pierwszym wyzwaniem. Nowoczesne produkty elektroniczne łączą materiały w sposób utrudniający ich rozdzielenie. Odzyskiwanie metali masowych jest zazwyczaj łatwiejsze niż wydobywanie niewielkich ilości materiałów krytycznych ze zintegrowanych komponentów.

Recyklerzy potrzebują również wiarygodnych informacji o tym, co do nich trafia. Ewidencje sprzętu, skład komponentów, historia serwisowa i wymogi bezpieczeństwa danych wpływają na to, czy sprzęt można wykorzystać ponownie, czy musi zostać zdemontowany.

Urządzenia zawierające dane tworzą kolejną przeszkodę. Firmy mogą niszczyć użyteczny sprzęt pamięci masowej, aby zapobiec wyciekowi informacji. Bezpieczne kasowanie danych i zweryfikowane systemy łańcucha nadzoru mogą zachować opcje ponownego wykorzystania, ale wymagają planowania przed wycofaniem sprzętu.

Sektor AI ma zachęty do odzyskiwania części wartości sprzętu. Akceleratory, serwery i urządzenia sieciowe mogą pozostać użyteczne w mniej wymagających zadaniach. Części mogą także wspierać naprawy lub wdrożenia wtórne.

Ponowne wykorzystanie zależy jednak od wsparcia programowego, efektywności energetycznej, kompatybilności i dostępu do nabywców. Działający serwer może mieć niewielką praktyczną wartość, jeśli jego koszty operacyjne przewyższają koszty nowszego sprzętu.

To napięcie sprawia, że decyzje projektowe są istotne. Systemy modułowe pozwalają operatorom wymieniać pojedyncze komponenty zamiast całych zestawów. Standardowe części i dokumentacja napraw mogą również wydłużyć okres użytkowania.

Producenci wpływają na te wybory, ale klienci hyperscale mają znaczną siłę oddziaływania. Dostawcy chmurowi zamawiają sprzęt w ogromnych ilościach i często pomagają kształtować niestandardowe projekty. Ich zasady zakupowe mogą wymagać możliwości naprawy, ujawniania składu materiałowego i usług odbioru zużytego sprzętu.

Plany recyklingu muszą także obejmować infrastrukturę obiektu otaczającą serwer. Zasilacze, sprzęt chłodzący, baterie, kable i systemy sieciowe podlegają różnym kanałom ponownego użycia i odzysku. Jeden wykonawca może nie radzić sobie dobrze z każdym strumieniem.

Presja obejmuje zatem cały łańcuch. Właściciele centrów danych decydują, kiedy sprzęt opuszcza eksploatację. Producenci kontrolują informacje projektowe. Dostawcy logistyki transportują wycofane zasoby, a recyklerzy określają, które materiały wracają do produkcji.

Każde przerwanie tego łańcucha może zamienić sprzęt, który dałoby się jeszcze odzyskać, w eksportowany złom lub odpady trafiające na składowiska. Skala prognozy BAN sprawia, że rozproszona odpowiedzialność staje się coraz trudniejsza do obrony.

Zasady eksportu ujawniają geografię odpadów AI

Najtrudniejsze pytanie nie dotyczy wyłącznie tego, ile sprzętu zostaje wycofane, lecz także tego, dokąd trafia później.

Odpady elektroniczne często przekraczają granice, ponieważ koszty pracy, przetwarzania i normy środowiskowe znacznie się różnią. Przesyłka oznaczona jako przeznaczona do ponownego użycia może zawierać sprzęt o niewielkiej pozostałej wartości.

Konwencja bazylejska reguluje międzynarodowe przemieszczanie odpadów niebezpiecznych i innych odpadów kontrolowanych. Jej poprawki dotyczące odpadów elektronicznych weszły w życie 1 stycznia 2025 roku, rozszerzając wymogi uprzedniej świadomej zgody dla międzynarodowych przesyłek e-odpadów.

W ramach tego procesu kraj eksportujący zazwyczaj potrzebuje pisemnej zgody właściwych krajów importujących i tranzytowych, zanim kontrolowana przesyłka zostanie zrealizowana. Przepisy mają zapobiegać trafianiu niechcianych odpadów do miejsc pozbawionych bezpiecznych możliwości ich przetwarzania.

Stany Zjednoczone podpisały Konwencję bazylejską, ale jej nie ratyfikowały. Oznacza to, że największy rynek infrastruktury AI pozostaje poza pełnymi ramami państw-stron traktatu, choć przepisy krajowe i regulacje państw docelowych nadal mogą ograniczać przesyłki.

BAN od dawna koncentruje się na tej luce regulacyjnej. Jego dochodzenia śledziły wyrzuconą elektronikę opuszczającą zamożniejsze rynki i trafiającą do przetwarzania w krajach o słabszym egzekwowaniu przepisów lub rozległych sektorach nieformalnego recyklingu.

Dochodzenie z 2025 roku zidentyfikowało przesyłki amerykańskiej elektroniki kierowane do miejsc docelowych w Azji Południowo-Wschodniej i na Bliskim Wschodzie. Władze kilku państw odbiorczych już nasilały konfiskaty i działania egzekucyjne.

Dochodzenie dotyczące eksportu opisywało pracowników demontujących sprzęt bez odpowiedniej ochrony. Taki proces może uwalniać toksyczny dym, skażony pył i niebezpieczne pozostałości.

Sprzęt AI nie musi automatycznie podążać tymi trasami. Duzi operatorzy mogą wymagać certyfikowanego przetwarzania, audytować dostawców i prowadzić dokumentację od wycofania sprzętu aż po końcowe zagospodarowanie.

Ryzyko rośnie, gdy sprzęt przechodzi przez pośredników i wiele firm działających na dalszych etapach łańcucha. Każde przekazanie może ograniczać widoczność tego, czy zasób został ponownie wykorzystany, właściwie poddany recyklingowi, przechowywany bezterminowo czy wyrzucony.

Firmowe wskaźniki recyklingu nie zawsze odpowiadają na to pytanie. Firma może raportować odsetek odpadów skierowanych poza składowiska, nie ujawniając ostatecznych miejsc docelowych ani poziomu odzysku poszczególnych materiałów.

Podobnie „poddane recyklingowi” nie oznacza, że każdy komponent stał się nowym produktem. Termin ten może obejmować procesy od starannego odzysku materiałów po niskowartościowe rozdrabnianie, pozostawiające znaczną ilość odpadów resztkowych.

Argument polityczny raportu opiera się na zamknięciu tych luk w widoczności. BAN chce silniejszych kontroli eksportu odpadów, niezależnej certyfikacji recyklingu i wyraźniejszej odpowiedzialności za sprzęt przez cały jego cykl życia.

Jedną z dróg jest rozszerzona odpowiedzialność producenta. Takie przepisy czynią producentów odpowiedzialnymi za finansowanie lub organizację zbiórki i przetwarzania po zakończeniu okresu użytkowania produktów.

Takie podejście może przenieść koszty odpadów na firmy wpływające na projektowanie. Może również zachęcać do tworzenia produktów, które działają dłużej, łatwiej je rozdzielić na części lub zachowują wartość na rynkach wtórnych.

Infrastruktura centrów danych nie wpisuje się jednak łatwo w programy dotyczące urządzeń konsumenckich. Niestandardowy sprzęt, sprzedaż między firmami, dzierżawiony hardware i globalne operacje chmurowe wymagają zasad zaprojektowanych dla technologii przemysłowej.

Z tego samego powodu znaczenie ma międzynarodowe ujednolicenie. Rygorystyczny program na jednym rynku ma ograniczony zasięg, jeśli wycofany sprzęt może przemieścić się przez inną jurysdykcję o słabszym raportowaniu.

Rozbudowa infrastruktury AI sprawia, że tę niespójność regulacyjną coraz trudniej ignorować. Sprzęt działa w granicach państw, ale łańcuchy dostaw i rynki odpadów mają charakter globalny.

Największa liczba jest zarazem najbardziej niepewna

Prognoza BAN jest scenariuszem ostrzegawczym, a nie precyzyjnym pomiarem odpadów, które już powstały.

Organizacja jest środowiskowym strażnikiem o wyraźnym stanowisku politycznym w sprawie eksportu odpadów niebezpiecznych. Jej analizę należy oceniać jako badanie rzecznicze, a nie mylić z recenzowanym naukowym konsensusem.

Kilka założeń może istotnie zmienić prognozę. Przyszła moc centrów danych może rosnąć szybciej lub wolniej, niż zakładano. Intensywność sprzętowa na gigawat może się zmienić, gdy obiekty poprawiają gęstość i efektywność.

Równie ważna jest żywotność sprzętu. Wydłużenie średniego okresu eksploatacji zmniejsza liczbę cykli wymiany przed 2050 rokiem. Krótsze cykle zwiększają zarówno zapotrzebowanie produkcyjne, jak i wolumen wycofywanego sprzętu.

Model musi także odróżniać wymianę od odpadów. Wycofany akcelerator sprzedany innemu operatorowi opuścił swoje pierwotne centrum danych, ale nie osiągnął końca życia. Traktowanie wycofania i utylizacji jako tego samego zawyżałoby bieżącą ilość odpadów.

BAN określa swój zakres wokół sprzętu elektronicznego wycofanego z użytkowania. Czytelnicy powinni zatem unikać interpretowania każdej tony jako materiału wysłanego bezpośrednio na składowisko w okresie objętym prognozą.

Użytkowanie w drugim obiegu może opóźnić utylizację o lata. Nie eliminuje jednak ostatecznego obowiązku zagospodarowania odpadów. Sprzęt ostatecznie osiąga punkt, w którym naprawa, odsprzedaż lub ponowne wdrożenie przestają być praktyczne.

Kategoria „zarażenia odpadami AI” wprowadza kolejną warstwę niepewności. Funkcje AI mogą zachęcać do wymiany urządzeń, lecz konsumenci zastępują je z wielu nakładających się powodów. Rozdzielenie tych przyczyn jest trudne.

Prognozy do 2050 roku zależą również od technologii, które jeszcze nie istnieją. Przyszłe akceleratory mogą wykorzystywać mniej materiałów na jednostkę obliczeń. Nowe projekty chłodzenia mogą zmniejszać masę sprzętu, a gęstsze wdrożenia mogą wymagać bardziej wyspecjalizowanych systemów.

Polityka także może zmienić wynik. Wymogi dotyczące napraw, standardy udziału materiałów z recyklingu, przepisy o odpowiedzialności producenta i kontrole eksportu zmieniłyby zarówno ilość odpadów, jak i ścieżki ich przetwarzania.

Niepewności te osłabiają twierdzenia o ścisłej dokładności, ale wzmacniają argument za lepszym ujawnianiem danych. Operatorzy mogliby zastąpić założenia zmierzonymi danymi, publikując liczbę urządzeń, masę, wiek, wskaźniki ponownego użycia i zweryfikowane miejsca docelowe.

Porównywalne raportowanie rozstrzygnęłoby również spory między wąskimi i szerokimi szacunkami. Badacze mogliby osobno wykazywać odpady serwerowe i infrastrukturę wspierającą, bez łączenia obu kategorii w jedną liczbę.

Użyteczny system ujawniania danych śledziłby co najmniej cztery etapy: zakupiony sprzęt, wdrożony sprzęt, wycofany sprzęt oraz sprzęt przekazany do końcowego przetwarzania. Ponowne użycie powinno pozostać oddzielone od recyklingu.

Firmy powinny również raportować odzysk materiałów, zamiast opierać się wyłącznie na liczbie jednostek. Jeden ponownie użyty serwer i jeden poddany recyklingowi system chłodzenia oznaczają odmienne skutki środowiskowe.

Najsilniejszą odpowiedzią na prognozę BAN nie jest akceptowanie każdego założenia z górnego zakresu. Jest nią żądanie wystarczających dowodów operacyjnych, aby zastąpić niepewne szacunki audytowalnymi zapisami.

Do tego czasu zarówno zapewnienia branży, jak i zewnętrzne prognozy pozostają trudne do zweryfikowania. Luka informacyjna sprzyja optymistycznym twierdzeniom, ponieważ odpady pojawiają się lata po tym, jak zapowiedzi infrastrukturalne przyciągają uwagę opinii publicznej.

Trzy sygnały pokażą, czy prognoza się sprawdzi

Wzrost mocy, trwałość sprzętu i zweryfikowany odzysk zdecydują, czy AI zbliży się do górnego szacunku BAN.

Pierwszym sygnałem jest tempo i struktura budowy centrów danych. Ogłoszona moc nie zawsze staje się mocą operacyjną. Opóźnienia związane z przyłączami energetycznymi, finansowaniem, pozwoleniami lub podażą chipów mogą zmienić prognozy wycofywania sprzętu.

Co ważniejsze, deweloperzy powinni publikować intensywność sprzętową obok informacji o megawatach. Dwa obiekty o takiej samej mocy mogą zawierać różne ilości sprzętu chłodzącego, zapasowego, sieciowego i obliczeniowego.

Jeśli wdrożona moc zbliży się do obecnych prognoz wysokiego wzrostu bez niższej intensywności materiałowej, zakres BAN stanie się bardziej wiarygodny. Wolniejsza budowa lub lżejsza infrastruktura osłabiłyby argument za górnym wariantem.

Drugim sygnałem jest rzeczywisty okres eksploatacji sprzętu AI. Operatorzy rzadko udostępniają spójne dane publiczne pokazujące, jak długo akceleratory, serwery i systemy wspierające pozostają wdrożone.

Warto obserwować dowody na to, że starsze akceleratory trafiają do zadań inferencyjnych, badań lub obciążeń na rynku wtórnym. Działający kanał odsprzedaży zmniejszyłby krótkoterminową ilość odpadów i poprawił ekonomię dłuższego użytkowania sprzętu.

Znaczenie ma także wsparcie producenta. Zgodność oprogramowania, części zamienne, dostęp do napraw i aktualizacje firmware mogą decydować o tym, czy starszy sprzęt pozostaje użyteczny.

Jeśli dostawcy chmurowi wymieniają systemy już po kilku latach bez znaczącego ponownego wdrożenia, roczna ilość odpadów szybko wzrośnie. Dłuższa eksploatacja i udokumentowane drugie życie przesunęłyby wyniki w kierunku dolnego krańca zakresu.

Trzecim sygnałem jest weryfikowalny odzysk na dalszych etapach łańcucha. Raporty firm dotyczące zrównoważonego rozwoju powinny wskazywać, ile sprzętu zostało ponownie użyte, odnowione, poddane recyklingowi i przekazane do ostatecznej utylizacji.

Raporty te powinny również wskazywać regiony przetwarzania i opisywać metody audytu. Odsetek recyklingu bez danych o miejscu docelowym nie może pokazać, czy niebezpieczny materiał trafił do słabo kontrolowanego przetwarzania.

Organy regulacyjne mogą wzmocnić ten sygnał poprzez rejestry przesyłek i egzekwowanie przepisów. Zasady bazylejskie dotyczące e-odpadów zapewniają ramy dla zgody i międzynarodowego śledzenia, choć udział krajów i egzekwowanie przepisów pozostają nierówne.

Przejrzyste raportowanie pozwoliłoby klientom porównywać dostawców chmurowych pod kątem nie tylko szybkości, dostępu do modeli i deklaracji dotyczących energii elektrycznej. Nabywcy korporacyjni mogliby uwzględniać wymagania dotyczące życia sprzętu i odzysku w zamówieniach na infrastrukturę.

Deweloperzy i pracownicy wiedzy mają mniej bezpośredniej kontroli, ale ich decyzje zakupowe nadal wpływają na popyt. Wybieranie modeli o odpowiedniej skali i wydłużanie życia urządzeń może zmniejszyć presję na obrzeżach systemu.

Raport Basel Action Network dotyczący e-odpadów ostatecznie podważa ideę, że AI istnieje głównie jako oprogramowanie. Każdy model zależy od fizycznych systemów o ograniczonym okresie działania i skomplikowanych miejscach docelowych.

Szacunek 617 milionów ton może spaść, jeśli poprawią się technologia, polityka i praktyki ponownego użycia. Może też okazać się konserwatywny, jeśli jednocześnie przyspieszą wzrost mocy i cykle wymiany.

Najważniejsze jest teraz to, czy operatorzy ujawnią wystarczająco dużo dowodów, by można było rozróżnić te scenariusze. Zapytaj dostawców, jak długo ich sprzęt pozostaje w użyciu, dokąd trafiają wycofane systemy i jak weryfikowany jest odzysk. Odpowiedzi pokażą, czy boom sprzętowy AI buduje gospodarkę o obiegu zamkniętym, czy jedynie odracza znacznie większy kryzys odpadowy.