Искусственный интеллект как новый экологический фактор: скрытая цена цифровой революции

К 2030 году инфраструктура ИИ может стать одним из крупнейших потребителей воды, энергии и земельных ресурсов в мире — и этот факт уже заставляет пересматривать привычные представления о «чистой» цифровой экономике.

Цифровой прогресс с материальным следом

Искусственный интеллект долго воспринимался как почти «невесомая» технология: алгоритмы, данные, облака — всё это казалось чем-то нематериальным по сравнению с промышленностью прошлого века. Однако новый доклад, подготовленный экспертами Университета ООН, резко меняет эту картину.

Согласно оценкам исследователей, уже к 2030 году глобальная инфраструктура ИИ будет потреблять:

• около 945 ТВт·ч электроэнергии в год,
• до 9,3 трлн литров воды,
• и займёт территорию более 14,5 тыс. кв. км под дата-центры и сопутствующую инфраструктуру.

Для сравнения, это сопоставимо с тройным годовым энергопотреблением таких стран, как Пакистан, Бангладеш и Нигерия вместе взятых.

Фактически речь идёт о формировании нового «индустриального сектора», который не дымит трубами, но потребляет ресурсы планеты в сопоставимых масштабах.

Вода, земля и энергия: новая триада дефицита

Главный акцент доклада — расширение понятия экологического воздействия. Долгое время цифровую индустрию оценивали почти исключительно через выбросы CO₂. Но исследователи ООН считают такой подход устаревшим и неполным.

Центры обработки данных требуют:

• огромных объёмов воды для охлаждения серверов,
• постоянного расширения энергетической инфраструктуры,
• и значительных земельных площадей.

Важно, что «зелёная» энергетика не всегда решает проблему. Переход на возобновляемые источники может снижать выбросы углерода, но одновременно увеличивать нагрузку на воду и землю — например, через строительство гидроэлектростанций или крупных солнечных и ветровых парков.

Таким образом, экологическая нагрузка не исчезает — она перераспределяется.

Эпоха генеративного ИИ: главный потребитель уже не обучение, а использование

Одним из ключевых выводов исследования становится изменение структуры энергопотребления ИИ-систем.

Если раньше основная нагрузка приходилась на этап обучения моделей, то теперь:

80–90% энергопотребления приходится на ежедневное использование — так называемый «инференс» (генерацию ответов).

Это принципиально меняет масштаб проблемы. Так, только одна система уровня ChatGPT обрабатывает порядка 2,5 млрд запросов в день, что эквивалентно примерно 383 ГВт·ч в год.

В пересчёте на водные ресурсы это сопоставимо с годовым потреблением сотен тысяч домохозяйств в регионах с уже острым дефицитом воды.

Невидимая разница: текст, изображение, видео

Отдельный важный аспект — крайне неравномерная стоимость разных типов ИИ-задач.

По оценкам исследователей:

• генерация изображения может требовать примерно в 1450 раз больше энергии, чем анализ текста,
• создание короткого видео — сопоставимо по затратам с проверкой сотен тысяч сообщений на спам.

Таким образом, развитие мультимодальных моделей — генерации изображений и видео — может резко увеличить экологическую нагрузку даже при росте энергоэффективности отдельных алгоритмов.

Парадокс Джевонса: чем эффективнее — тем больше потребление

Отдельно в докладе подчёркивается классический экономический феномен — парадокс Джевонса.

Суть его проста: повышение эффективности технологий не снижает общее потребление ресурсов, а часто наоборот — увеличивает его.

В контексте ИИ это означает:

• более дешёвые и быстрые модели → больше пользователей,
• больше пользователей → больше запросов,
• больше запросов → рост суммарного энергопотребления.

Иными словами, технологическая оптимизация не гарантирует экологического облегчения.

Электронные отходы и глобальное неравенство

К 2030 году инфраструктура ИИ, по оценкам ООН, будет производить до 2,5 млн тонн электронных отходов ежегодно.

Но проблема выходит далеко за рамки экологии.

Сегодня:

• более 90% вычислительных мощностей ИИ сосредоточено в США и Китае,
• свыше 150 стран не имеют собственной инфраструктуры ИИ.

При этом именно развивающиеся регионы часто несут издержки:

• добыча редкоземельных металлов,
• экологический ущерб от производства оборудования,
• утилизация электронного мусора.

Возникает новая форма технологического неравенства: прибыль концентрируется в одних странах, а экологическая нагрузка — в других.

«Невидимая индустрия» становится материальной

Эксперты подчёркивают: цель доклада — не критика искусственного интеллекта как технологии. Напротив, его вклад в экономику, медицину, образование и науку признаётся значительным.

Однако авторы настаивают: ИИ больше нельзя рассматривать как «виртуальную» индустрию.

Это полноценная глобальная инфраструктура, сопоставимая с энергетикой и тяжёлой промышленностью по масштабу потребления ресурсов.

Новый вызов: регулирование без торможения инноваций

Перед мировым сообществом возникает сложная задача: как развивать ИИ, не создавая при этом экологического перекоса.

Среди возможных направлений обсуждения:

• учёт полного жизненного цикла ИИ-инфраструктуры (вода, земля, отходы),
• международные стандарты энерго- и водопотребления дата-центров,
• перераспределение выгод и издержек между странами,
• развитие более эффективных архитектур моделей.

Но главное — переход от узкой оценки «углеродного следа» к комплексной модели воздействия на планету.

Искусственный интеллект становится одной из ключевых технологий XXI века — но одновременно и одним из новых факторов давления на природные ресурсы.

Если прогнозы ООН верны, то уже в ближайшие годы человечество столкнётся с парадоксальной ситуацией: цифровой мир, который должен был экономить ресурсы, начнёт конкурировать за воду, энергию и землю с традиционной экономикой.

И вопрос будет заключаться не в том, стоит ли развивать ИИ, а в том, какой ценой и кто именно эту цену заплатит.

Ранее журналисты сайта «Пронедра» писали, что искусственный интеллект убивает стажировки: как рушится вход в карьеру для нового поколения