Efektywność centrów danych z trudem dotrzymuje kroku rozwojowi AI

Google News zwrócił uwagę na wyraźny konflikt: centra danych stają się bardziej efektywne, lecz rozwój AI wciąż zwiększa ich całkowite zapotrzebowanie na energię.

To rozróżnienie ma znaczenie dla celów środowiskowych, społecznych i ładu korporacyjnego. Operatorzy mogą poprawiać efektywność chłodzenia, dostarczania energii i przetwarzania, jednocześnie zużywając z roku na rok więcej energii elektrycznej, wody i materiałów budowlanych.

Presja wykracza dziś poza Google. Microsoft, Amazon, Meta, dostawcy kolokacji, przedsiębiorstwa użyteczności publicznej i nabywcy korporacyjni stają przed tym samym testem. Efektywność musi poprawiać się szybciej, niż rozbudowywana jest infrastruktura, inaczej firmowe cele klimatyczne będą coraz bardziej odległe.

Google News wskazuje przejście od opcjonalnej efektywności do konieczności operacyjnej

Efektywność centrum danych stała się wymogiem dotyczącym przepustowości, a nie jedynie preferencją środowiskową.

Bezpośrednią zmianą nie jest nowe urządzenie chłodzące ani ramy raportowania. Jest nią skala zapotrzebowania na energię elektryczną związana z planami rozwoju infrastruktury AI.

Międzynarodowa Agencja Energetyczna szacuje, że centra danych zużyły na świecie około 415 terawatogodzin energii elektrycznej w 2024 roku. Stanowiło to około 1,5% globalnego zużycia energii elektrycznej.

Według scenariusza bazowego agencji zużycie osiągnie około 945 terawatogodzin do 2030 roku. To ponad dwukrotność poziomu z 2024 roku i nieco więcej, niż obecnie zużywa Japonia.

AI jest największym motorem prognozowanego wzrostu. Oczekuje się, że zużycie energii elektrycznej przez serwery akcelerowane, obejmujące GPU i inne wyspecjalizowane systemy, będzie rosło o około 30% rocznie do 2030 roku.

Przewiduje się, że zużycie energii elektrycznej przez konwencjonalne serwery będzie rosło o 9% rocznie. Serwery akcelerowane odpowiadają za niemal połowę oczekiwanego wzrostu netto zapotrzebowania centrów danych.

Szacunki te przedstawiono w analizie IEA dotyczącej zapotrzebowania na energię. Wyznaczają one skalę, na tle której należy oceniać firmowe deklaracje dotyczące efektywności.

Centra danych to coś więcej niż sprzęt obliczeniowy. Potrzebują również systemów chłodzenia, sprzętu sieciowego, pamięci masowej, urządzeń do konwersji energii, baterii i zasilania awaryjnego.

Według IEA serwery odpowiadają za około 60% zapotrzebowania na energię elektryczną w nowoczesnym obiekcie. Chłodzenie może stanowić od około 7% w wydajnych obiektach hyperscale do ponad 30% w mniej efektywnych centrach przedsiębiorstw.

Ta różnica tworzy realną szansę. Lepszy przepływ powietrza, wyższe temperatury pracy, chłodzenie cieczą, wydajne systemy zasilania i skuteczniejsze zarządzanie mocą mogą zmniejszyć narzut.

Wskaźnik efektywności wykorzystania energii, czyli PUE, mierzy ten narzut. Dzieli on całkowite zużycie energii przez obiekt przez energię zużywaną przez sprzęt IT.

PUE na poziomie 1,2 oznacza, że obiekt zużywa o 20% więcej energii, niż wymaga jego sprzęt obliczeniowy. PUE bliższe 1,0 wskazuje na niższy narzut infrastrukturalny.

Definicja PUE opracowana przez TechTarget wyjaśnia, dlaczego operatorzy wykorzystują ten wskaźnik do porównywania obiektów i oceny zmian operacyjnych.

PUE nie pokazuje jednak, czy serwery wykonują użyteczną pracę. Nie mierzy też emisyjności energii elektrycznej, zużycia wody, produkcji sprzętu ani całkowitego wzrostu popytu.

Obiekt może więc raportować doskonałe PUE, zużywając jednocześnie więcej energii elektrycznej niż rok wcześniej. Może też działać wydajnie w sieci elektroenergetycznej o wysokiej emisyjności.

To kluczowa zmiana stojąca za dyskusją w Google News. Efektywność nadal ma znaczenie, lecz pojedyncze wskaźniki dotyczące obiektu nie dostarczają już wystarczających dowodów na potrzeby deklaracji ESG.

Operatorzy muszą obecnie łączyć efektywność obiektu z wynikami obciążeń, lokalnymi warunkami sieciowymi, stresem wodnym i emisjami bezwzględnymi. W przeciwnym razie każdy wskaźnik pokazuje tylko część kosztu środowiskowego.

Moment jest szczególnie istotny, ponieważ podaż energii elektrycznej stała się ograniczeniem dla wdrożeń. Przedsiębiorstwa użyteczności publicznej muszą obsługiwać duże, skoncentrowane obciążenia, które mogą przypominać zakłady przemysłowe.

Centra danych AI wymagają także niezawodnego zasilania przez całą dobę. Ich profil operacyjny komplikuje plany oparte wyłącznie na niestabilnej produkcji energii wiatrowej lub słonecznej.

Rezultatem jest nowy warunek konkurencyjności. Firmy nie mogą oddzielać strategii obliczeniowej od strategii energetycznej, gdy przyłącza do sieci decydują o tym, kiedy nowa moc staje się dostępna.

Rozwój AI wywiera presję na zobowiązania klimatyczne szybciej, niż efektywność może je chronić

Firmy budujące najwydajniejszą infrastrukturę tworzą jednocześnie największy nowy popyt na energię.

Google stanowi wyraźny przykład tego konfliktu. Jego centra danych obsługują Search, Google News, Gemini, YouTube, Cloud, reklamę oraz liczne usługi dla przedsiębiorstw.

Google podał, że zapotrzebowanie jego centrów danych na energię elektryczną wzrosło o 27% w 2024 roku. Firma poinformowała także, że emisje energetyczne centrów danych spadły w tym roku o 12%.

To połączenie pokazało, że czystsza energia elektryczna i usprawnienia operacyjne mogą osłabiać związek między rozwojem przetwarzania a emisjami energetycznymi. Nie wykazało jednak, że bezwzględne zapotrzebowanie na zasoby przestało rosnąć.

Raport środowiskowy Google za 2026 rok dodaje kolejną warstwę. Firma twierdzi, że w 2025 roku uzupełniła około 7,7 miliarda galonów wody.

Wolumen ten odpowiadał około 78% całkowitego zużycia słodkiej wody przez firmę w tym roku. Google rozszerzył również portfolio działań na rzecz odpowiedzialnego gospodarowania wodą do 165 projektów w 97 zlewniach.

Uzupełnianie zasobów może finansować odtwarzanie siedlisk, ochronę środowiska, infrastrukturę i projekty dostępu do wody. Nie oznacza, że woda pobrana z jednej zlewni fizycznie wraca w to samo miejsce w tym samym czasie.

Lokalizacja ma znaczenie, ponieważ wpływ na zasoby wodne jest lokalny. Galon zużyty w regionie dotkniętym stresem wodnym wiąże się z innym ryzykiem niż galon zużyty tam, gdzie woda jest obfita.

Rozliczanie energii elektrycznej rodzi podobny problem. Coroczny zakup energii odnawialnej może na papierze równoważyć zużycie, podczas gdy centrum danych nadal korzysta z produkcji opartej na paliwach kopalnych w określonych godzinach.

Dopasowanie bezemisyjnej energii przez całą dobę ustanawia bardziej rygorystyczny standard. Pyta ono, czy czysta energia elektryczna jest dostępna w tej samej sieci i w tych samych godzinach, w których następuje zużycie.

Osiągnięcie tego standardu wymaga czegoś więcej niż zakupu certyfikatów. Firmy potrzebują nowych źródeł wytwarzania, przepustowości przesyłowej, magazynów energii, elastycznych obciążeń i niezawodnych niskoemisyjnych źródeł energii.

Google, Microsoft, Amazon i Meta realizują połączenie inwestycji w odnawialne źródła energii, energetykę jądrową, projekty geotermalne i magazynowanie energii. Inwestycje te mogą zwiększyć podaż czystej energii, lecz harmonogramy budowy pozostają nierównomierne.

Gaz ziemny również zyskuje na znaczeniu, ponieważ deweloperzy potrzebują mocy dyspozycyjnej. IEA oczekuje, że produkcja energii z gazu pokryje część wzrostu zapotrzebowania centrów danych na energię elektryczną do 2035 roku.

Tworzy to bezpośrednie napięcie z firmowymi obietnicami dekarbonizacji. Firma może kupować czystą energię elektryczną gdzie indziej, podczas gdy jej lokalna ekspansja przyczynia się do budowy nowych źródeł opartych na paliwach kopalnych.

Presja nie kończy się na hyperscalerach. Firmy kolokacyjne muszą dostarczać klientom wiarygodnych informacji o energii, wodzie i emisjach.

Nabywcy korporacyjni uwzględniają następnie te dane we własnych inwentaryzacjach Scope 3. Scope 3 obejmuje emisje w łańcuchu wartości poza bezpośrednią działalnością firmy lub zakupioną energią elektryczną.

Słabe dane o infrastrukturze mogą zatem osłabiać dokładność raportowania klientów. Mogą również sprawiać, że migracje do chmury wyglądają na bardziej ekologiczne, niż są w rzeczywistości.

Regulatorzy i inwestorzy coraz częściej oczekują porównywalnych informacji zamiast ogólnego języka zrównoważonego rozwoju. Potrzebują spójnych granic, metod pomiaru i okresów raportowania.

Lokalne społeczności mają inne obawy. Chcą wiedzieć, czy planowany obiekt wpłynie na ceny energii elektrycznej, wody gruntowe, dochody podatkowe, wykorzystanie gruntów lub niezawodność sieci.

Pytania te czynią efektywność kwestią społeczną i związaną z ładem korporacyjnym. Same korzyści techniczne nie mogą rozstrzygnąć sporów o to, kto otrzymuje korzyści gospodarcze, a kto ponosi koszty infrastruktury.

Relacje Google News pomagają ukazać to rozszerzające się grono odbiorców. Wydajność centrów danych nie jest już wyspecjalizowanym tematem dotyczącym obiektów, omawianym wyłącznie przez inżynierów.

Wpływa teraz na rady nadzorcze firm, planistów przedsiębiorstw użyteczności publicznej, regulatorów, inwestorów, klientów i mieszkańców w pobliżu planowanych kampusów. Każda z tych grup ocenia efektywność przez pryzmat innego ryzyka.

Prawdziwa rywalizacja to wzrost efektywności kontra całkowity wzrost zużycia zasobów

Poprawa efektywności wspiera cele ESG tylko wtedy, gdy zmienia trajektorię całkowitego wpływu na środowisko.

To problem skali oparty na dwóch zmiennych, które jednocześnie się zmieniają. Pierwszą jest energia zużywana na każdą jednostkę pracy obliczeniowej.

Drugą jest ilość wymaganych obliczeń. Firmy AI poprawiają pierwszą zmienną, jednocześnie szybko zwiększając drugą.

Bardziej wydajne chipy mogą przetwarzać więcej obliczeń na wat. Lepsze oprogramowanie może ograniczać niepotrzebne operacje, poprawiać kierowanie modeli i przydzielać pracę do odpowiedniego sprzętu.

Wyższe wykorzystanie serwerów rozkłada także wpływ związany z ich wytworzeniem i eksploatacją na większą ilość użytecznej pracy. Nieaktywne akceleratory nadal zużywają energię elektryczną, choć generują niewielką wartość dla klienta.

Niższe koszty mogą jednak pobudzać większe użycie. Ekonomiści często opisują ten rezultat jako efekt odbicia, w którym efektywność czyni usługę tańszą i zwiększa całkowite zużycie.

Systemy AI ilustrują to ryzyko. Tańsze zapytanie tekstowe może skłonić deweloperów do umieszczania modeli w wyszukiwarkach, oprogramowaniu biurowym, obsłudze klienta, narzędziach programistycznych i zautomatyzowanych agentach.

Modele rozumujące mogą wykonywać powtarzające się kroki obliczeniowe przed udzieleniem odpowiedzi. Generowanie wideo i systemy multimodalne mogą wymagać znacznie więcej przetwarzania niż proste odpowiedzi tekstowe.

Agenci mogą również wykonywać łańcuchy wywołań modeli bez ciągłego udziału człowieka. Każde pojedyncze zadanie może stawać się bardziej wydajne, podczas gdy całkowita liczba zadań rośnie szybciej.

IEA poinformowała w 2026 roku, że w ostatnich latach zużycie energii na jedno zadanie AI spadało co roku co najmniej o rząd wielkości. Stwierdziła również, że zużycie energii elektrycznej przez centra danych skoncentrowane na AI wzrosło o 50% w 2025 roku.

Ustalenia te nie są sprzeczne. Pokazują, dlaczego postęp w przeliczeniu na zadanie i popyt w skali całego systemu muszą być raportowane razem.

Projektowanie obiektów napotyka to samo napięcie. Chłodzenie cieczą może skuteczniej odprowadzać ciepło z gęstych szaf AI niż tradycyjne chłodzenie powietrzem.

Systemy cieczowe wprowadzają jednak nowe decyzje projektowe dotyczące pomp, wymienników ciepła, źródeł wody i urządzeń do odprowadzania ciepła. Ich wydajność zależy od klimatu i konfiguracji.

Większa gęstość szaf może ograniczyć fizyczną przestrzeń potrzebną dla określonej ilości przetwarzania. Może także koncentrować zapotrzebowanie na energię elektryczną i ciepło na mniejszym obszarze.

Ta koncentracja wpływa na transformatory, rozdzielnice, systemy zapasowe i przyłącza do sieci. Budynek efektywny technicznie może nadal wymagać znacznych modernizacji poza swoimi ścianami.

PUE musi zatem stanowić część szerszego zestawu pomiarów. Departament Energii USA zaleca łączenie wskaźników typu PUE z wskaźnikami dotyczącymi wody, emisji dwutlenku węgla, ponownego wykorzystania energii i wyników obliczeniowych.

Jego przewodnik po efektywności projektowej opisuje wartości PUE około 1,6 jako standardowe, 1,4 jako dobre, a 1,1 jako lepsze.

Przewodnik ostrzega także, że PUE nie definiuje efektywności całego centrum danych. Nie mówi nic o tym, czy zainstalowane serwery są produktywne lub odpowiednio udostępnione.

Wskaźnik efektywności wykorzystania wody, czyli WUE, mierzy roczne zużycie wody w danym obiekcie w relacji do energii zużywanej przez sprzęt IT. Wskaźnik efektywności wykorzystania emisji łączy emisje ze zużyciem energii elektrycznej przez IT.

Efektywność ponownego wykorzystania energii uwzględnia energię przekazywaną do innego celu. Ciepło odpadowe może wspierać sieci ciepłownicze, procesy przemysłowe lub pobliskie budynki tam, gdzie istnieje odpowiednia infrastruktura.

Metryki obliczeniowe dodają brakującą stronę dotyczącą efektów. Operatorzy mogą śledzić liczbę transakcji, tokenów modelu, postępy treningu lub inną jednostkę właściwą dla danego obciążenia na wat.

Żadna pojedyncza metryka wyników nie sprawdza się dla każdego rodzaju obciążenia. Trenowanie modelu, obsługa wideo, przechowywanie rekordów i przetwarzanie transakcji finansowych dostarczają różnych form wartości.

To ograniczenie nie usprawiedliwia ignorowania wyników. Oznacza ono, że firmy muszą wystarczająco jasno publikować metody, granice i kategorie obciążeń, aby osoby z zewnątrz mogły interpretować rezultaty.

Program ESG oparty wyłącznie na PUE może premiować niewłaściwe zachowania. Wymiana starszego sprzętu może poprawić wskaźnik narzutów infrastruktury, pozostawiając nietknięte niewykorzystane serwery.

Przeniesienie obciążeń do dostawcy hiperskalowego może obniżyć mierzone zużycie energii elektrycznej przez firmę. Bazowy popyt na energię nadal jednak istnieje i zostaje przeniesiony do ewidencji dostawcy.

Certyfikaty energii odnawialnej mogą obniżyć emisje Scope 2 liczone metodą rynkową. Nie zmniejszają automatycznie fizycznych emisji związanych z lokalnym zużyciem energii elektrycznej.

Podobnie coroczne uzupełnianie zasobów wodnych może wspierać wartościowe projekty odtworzeniowe. Nie może zastąpić informacji na poziomie obiektu o poborze wody podczas suszy lub szczytowego zapotrzebowania.

Najbardziej wiarygodne podejście łączy pięć warstw: użyteczne wyniki obliczeniowe, całkowite zużycie energii przez obiekt, godzinowe źródła energii elektrycznej, lokalny wpływ na wodę oraz emisje w łańcuchu dostaw.

Taka szersza karta wyników zmienia decyzje zakupowe. Nabywcy mogą porównywać dostawców pod względem rezultatów usług i konsekwencji środowiskowych, zamiast akceptować jeden wskaźnik efektywności.

Zmienia ona również priorytety inżynieryjne. Zespoły mogą optymalizować modele, harmonogramowanie, wykorzystanie sprzętu, chłodzenie i źródła energii jako jeden połączony system.

Lepszy sprzęt nie naprawi słabego pomiaru i ujawniania danych

Największa niepewność nie dotyczy tego, czy technologie poprawiające efektywność działają, lecz tego, czy raportowane metryki ujawniają wystarczająco dużo, by zweryfikować deklaracje firm.

Branża poprawiła wydajność obiektów w ciągu ostatnich dwóch dekad. Te zyski są realne, ale tempo postępu spowolniło w znacznej części istniejącej infrastruktury.

Globalne badanie Uptime Institute z 2025 roku wykazało, że średni PUE zmieniał się niewiele przez sześć kolejnych lat. Starsza infrastruktura i ograniczenia chłodzenia zależne od klimatu ograniczały dalszy postęp.

To samo badanie wykazało, że zbieranie i raportowanie kluczowych wskaźników zrównoważonego rozwoju nie poprawiło się w 2025 roku. Uptime powiązał stagnację częściowo z presją komercyjną związaną z AI oraz łagodniejszymi regulacjami w niektórych regionach.

Wyniki te przedstawiono w wynikach badania.

Luka w ujawnianiu danych utrudnia porównania. Firmy wybierają różne granice organizacyjne, metody księgowania i definicje zużycia wody lub energii odnawialnej.

Niektóre publikują zużycie energii elektrycznej w całej firmie bez wyodrębniania centrów danych. Inne raportują sumy regionalne, ale pomijają poszczególne obiekty.

Ujawnianie danych na poziomie obiektów może rodzić obawy dotyczące bezpieczeństwa i kwestii handlowych. Agregacja może jednak ukrywać miejsca, w których sieci energetyczne i zlewnie wodne są pod największą presją.

Obciążenia AI tworzą kolejne wyzwanie pomiarowe. Dostawcy rzadko publikują kompletne dane energetyczne według modelu, rodzaju zadania, lokalizacji i czasu.

Jedna średnia może łączyć efektywne zapytania tekstowe z energochłonnym generowaniem wideo. Może też ukrywać różnice między rozmiarami modeli i ustawieniami rozumowania.

Badacze Google zaproponowali pomiar inferencji AI w całym stosie obsługującym. Obejmuje to akceleratory, systemy hosta, niewykorzystaną moc oraz narzuty infrastruktury.

Metoda ta jest bardziej informacyjna niż pomiar wyłącznie aktywnego układu. Niezależne porównanie pozostaje jednak ograniczone, gdy dostawcy stosują różne obciążenia i prywatną infrastrukturę.

Cele korporacyjne rodzą również pytanie o zarządzanie. Rady nadzorcze często zatwierdzają długoterminowe zobowiązania klimatyczne, zanim zespoły infrastruktury wiedzą, jak szybko wzrośnie popyt na AI.

Kierownictwo staje wtedy wobec konkurencyjnych bodźców. Chce chronić obietnice klimatyczne, jednocześnie unikając opóźnień, które mogłyby osłabić pozycję firmy na rynku AI.

Problem staje się wyraźniejszy, gdy wynagrodzenie lub finansowanie zależy od wyników w zakresie zrównoważonego rozwoju. Słabe definicje mogą nagradzać korzystne księgowanie zamiast fizycznych redukcji.

Regulatorzy mogą poprawić porównywalność, ustanawiając spójne wymogi raportowania. Źle zaprojektowane przepisy mogą również prowadzić do danych zgodności, którym brakuje znaczenia operacyjnego.

Unia Europejska zaczęła wymagać raportowania zrównoważonego rozwoju od kwalifikujących się centrów danych. Niemcy przyjęły wymogi dotyczące efektywności, w tym przyszłe progi PUE dla obiektów.

Wymogi raportowania nie sprawią, że każdy obiekt będzie porównywalny. Klimat, wymagania dotyczące dostępności, rodzaj obciążenia i wiek budynku wpływają na osiągalne wyniki.

Centrum danych w gorącej i wilgotnej lokalizacji nie powinno być oceniane wyłącznie względem obiektu wykorzystującego darmowe chłodzenie w zimnym klimacie. Istotne pytanie brzmi, czy każdy obiekt stosuje odpowiednie metody.

Niezawodność wprowadza kolejny kompromis. Redundantny sprzęt zwiększa narzut zużycia energii elektrycznej, ale chroni kluczowe usługi cyfrowe przed awariami.

Usunięcie każdej warstwy redundancji mogłoby poprawić wskaźnik efektywności, jednocześnie tworząc niedopuszczalne ryzyko operacyjne. Analiza ESG musi uwzględniać odporność usług.

Woda i energia mogą również oddziaływać w przeciwnych kierunkach. Chłodzenie wyparne może zmniejszać zużycie energii elektrycznej, ale zużywać więcej wody.

Systemy chłodzone powietrzem mogą ograniczać bezpośrednie zużycie wody, wymagając jednocześnie więcej energii elektrycznej. Czystsze rozwiązanie zależy od lokalnego stresu wodnego i emisji sieci energetycznej.

Te kompromisy sprawiają, że szerokie deklaracje, takie jak „zielone centrum danych”, są trudne do zweryfikowania. Transparentny operator powinien ujawniać zarówno korzyści, jak i przeniesione skutki.

Niezależna analiza pozostaje niezbędna, ponieważ raporty firmowe służą kilku grupom odbiorców. Dostarczają użytecznych danych, ale również przedstawiają strategię korporacyjną w korzystnym świetle.

Relacje Associated Press udokumentowały, jak ekspansja AI komplikuje obietnice klimatyczne największych firm technologicznych. Ich analiza celów klimatycznych wskazuje, że firmy coraz częściej przyznają, iż jest to trudne.

To przyznanie jest ważne, ale nie stanowi dowodu postępu. Czytelnicy powinni rozróżniać cele, podpisane kontrakty energetyczne, ukończone projekty i mierzone wyniki operacyjne.

Google News może prezentować wszystkie cztery kategorie w jednym strumieniu. Redaktorzy i czytelnicy muszą unikać traktowania ich jako równoważnych dowodów.

Proponowana umowa dotycząca energii jądrowej nie jest działającą produkcją energii. Zobowiązanie do uzupełniania zasobów wodnych nie oznacza odtworzonej wody, dopóki projekty nie przyniosą zweryfikowanych korzyści.

Twierdzenie o efektywności oparte na sprzęcie laboratoryjnym nie jest wynikiem dla całej floty. Cel budowlany nie jest ukończonym niskoemisyjnym obiektem.

Najsilniejsze raportowanie ESG uwidacznia te etapy. Wyjaśnia również niedociągnięcia, zamiast zastępować starsze cele nowym językiem.

Trzy sygnały pokażą, czy efektywność zdoła dogonić rozbudowę AI

Kolejna faza będzie oceniana na podstawie bezwzględnych wyników, a nie kolejnej rundy odizolowanych komunikatów o efektywności.

Pierwszym sygnałem będzie to, czy całkowite emisje centrów danych zaczną spadać, podczas gdy zużycie energii elektrycznej nadal będzie rosnąć.

Efektywność ma realną wartość, jeśli spowalnia popyt i zmniejsza emisje w porównaniu z niekontrolowaną ekspansją. Zobowiązania klimatyczne firm ostatecznie wymagają jednak bezwzględnych redukcji.

Czytelnicy powinni porównywać roczny wzrost zużycia energii elektrycznej z emisjami liczonymi metodą lokalizacyjną i rynkową. Dane lokalizacyjne odzwierciedlają sieci zasilające działalność, podczas gdy dane rynkowe uwzględniają zakupy kontraktowe.

Rosnąca różnica między tymi wartościami wskazywałaby na większą zależność od instrumentów księgowych. Spadek obu zapewniłby mocniejsze dowody fizycznej dekarbonizacji.

Drugim sygnałem będzie to, czy firmy będą publikować bardziej szczegółowe informacje o energii i wodzie.

Użyteczne ujawnienia oddzielałyby centra danych od biur i pozostałej działalności. Wskazywałyby również główne regiony, lokalizacje dotknięte stresem wodnym oraz metody stosowane do obliczania zużycia.

W przypadku AI dostawcy powinni wyjaśniać, które komponenty systemu są uwzględniane w szacunkach na zadanie. Powinni ujawniać kategorie obciążeń bez ujawniania wrażliwych informacji o klientach.

Bardziej spójne raportowanie wzmocniłoby argument, że cele ESG kierują decyzjami infrastrukturalnymi. Utrzymująca się agregacja podtrzymywałaby wątpliwości dotyczące lokalnych skutków.

Trzecim sygnałem będzie to, czy efektywność zmienia planowanie mocy, zamiast jedynie ulepszać nowe obiekty.

Operatorzy powinni wykazywać lepsze wykorzystanie serwerów, harmonogramowanie obciążeń, wycofywanie sprzętu i elastyczność popytu. Powinni również pokazywać, że zespoły programistyczne uwzględniają energię przy wyborze modeli.

Zakłady energetyczne zapewnią praktyczny test. Projekty łączące nowe obciążenia z możliwymi do zrealizowania źródłami wytwarzania, przesyłem i magazynowaniem będą budzić mniej pytań o wiarygodność.

Projekty zależne od niepewnych przyszłych dostaw zwiększą presję na lokalne sieci energetyczne. Mogą też wywoływać opór polityczny, opóźnienia w uzyskiwaniu pozwoleń i wyższe koszty infrastruktury.

Kolejne kilka raportów środowiskowych firm ułatwi porównanie tych sygnałów. Google, Microsoft, Amazon i Meta znajdują się obecnie pod lupą w tych samych podstawowych wymiarach.

Ich raportowane wskaźniki PUE nadal będą miały znaczenie. Ważniejsze będą jednak całkowite zużycie energii elektrycznej, godzinowy udział czystej energii, zużycie wody, emisje oraz dostarczona użyteczna moc obliczeniowa.

Google News będzie nadal publikować komunikaty o wydajnych układach, chłodzeniu cieczą i nowych umowach energetycznych. Czytelnicy powinni pytać, czy każde z tych działań zmienia te większe sumy.

Programiści i nabywcy korporacyjni również mają wpływ. Mogą wybierać mniejsze modele, ograniczać niepotrzebne wywołania, buforować odpowiednie wyniki i żądać od dostawców wiarygodnych danych infrastrukturalnych.

Pracownicy wiedzy mogą kwestionować, czy każde zadanie wymaga modelu o najwyższej intensywności obliczeniowej. Zespoły produktowe mogą mierzyć jakość wyników względem zużycia energii i opóźnień, zamiast maksymalizować rozmiar modelu.

Efektywność energetyczna centrów danych jest dziś nierozerwalnie związana z wiarygodnością strategii wzrostu AI. Decydujące pytanie jest proste: czy zweryfikowane redukcje zużycia zasobów nastąpią, zanim ekspansja uczyni korporacyjne cele ESG nieosiągalnymi?