Czy szukamy rozwiązania problemu zrównoważonego rozwoju centrów danych AI w niewłaściwym miejscu?

Bardziej inteligentne łańcuchy dostaw mogą być kluczem do ograniczenia wpływu boomu na AI na środowisko

Liderzy działający na rzecz zrównoważonego rozwoju na całym świecie spierają się o paradoks AI. Z jednej strony rośnie jej wpływ na środowisko. Z drugiej AI aktywnie pomaga rozwiązywać niektóre z najtrudniejszych rzeczywistych problemów związanych ze zrównoważonym rozwojem. 

Korzyści płynące z AI nie ograniczają się do zwiększania produktywności w firmach czy automatyzacji procesów; są znacznie większe i mają poważniejsze konsekwencje. Zastosowana w badaniach naukowych, ochronie zdrowia i systemach energetycznych AI może ratować życie. W obliczu wyzwań związanych ze zrównoważonym rozwojem jej zdolności predykcyjne i optymalizacyjne mogą ograniczać ilość odpadów, zużycie energii i emisje. Szacunki Międzynarodowej Agencji Energetycznej (IEA) wskazują, że gdyby istniejące zastosowania AI w procesach przemysłowych wdrożono w całym sektorze, same oszczędności energii przewyższyłyby całkowite obecne zużycie energii w Meksyku. 

Nie możemy przymykać oczu na obecny wpływ AI i ekosystemu centrów danych na środowisko, ale nie możemy też ignorować znaczącego wpływu tej technologii ani jej potencjału. Rezygnacja z AI w tej chwili uniemożliwiłaby nam pełne wykorzystanie płynących z niej korzyści. Aby jednak spełniła pokładane w niej nadzieje, musimy rozbudować niezbędną infrastrukturę fizyczną i poszukać sposobów, by zrobić to w sposób zrównoważony. 

Dotychczas debata o zrównoważonym rozwoju w kontekście AI skupiała się głównie na centrach danych. Aby jednak znacząco zmniejszyć wpływ AI na środowisko, musimy wyjść poza mury centrów danych i prześledzić wcześniejsze etapy łańcucha dostaw materiałów, sprzętu i urządzeń. 

Jednym ze skutecznych sposobów ograniczenia wpływu AI na środowisko jest optymalizacja globalnych łańcuchów dostaw, na których opiera się infrastruktura AI.

Rzeczywisty wpływ AI na środowisko obejmuje również łańcuchy dostaw

Obecne skupienie uwagi na centrach danych w dyskusjach o wpływie AI na środowisko jest pod wieloma względami zrozumiałe. Obecnie obciążenia związane z AI stanowią około 20% wykorzystania centrów danych. Przewiduje się, że do 2030 r. udział ten wzrośnie dwukrotnie, do 40%. AI wymaga ogromnej mocy obliczeniowej, a jej zapewnienie wiąże się ze zużyciem olbrzymich ilości energii elektrycznej oraz wody potrzebnej do chłodzenia systemów. Według IEA typowe centrum danych przeznaczone do obsługi AI może zużywać tyle energii elektrycznej, co 100 000 gospodarstw domowych. 

Wielu wybitnych ekspertów w dziedzinie zrównoważonego rozwoju, projektowania i infrastruktury opowiada się za szerokim wykorzystaniem energii odnawialnej do zasilania centrów danych, ekologicznymi praktykami budowlanymi w każdym obiekcie oraz innowacyjnymi metodami chłodzenia zużywającymi mało wody. To kluczowe kwestie, ale dotyczą tylko części problemu. Zmiany należy zacząć od optymalizacji łańcuchów dostaw z wykorzystaniem AI. 

Wpływ AI na środowisko zaczyna się na długo przed uruchomieniem centrum danych. Centrum danych jest końcowym ogniwem rozległych łańcuchów dostaw, w których produkuje się i transportuje półprzewodniki, serwery, sprzęt sieciowy, transformatory, rozdzielnice, systemy chłodzenia, stal i beton. W łańcuchach dostaw tych produktów uczestniczy wielu dostawców z całego świata. 

Ten system jest w dużej mierze pomijany w dyskusjach o zrównoważonym rozwoju AI. Łańcuchy dostaw mają jednak znaczący udział w całkowitym wpływie AI na środowisko i należy je optymalizować, aby ograniczać ilość odpadów i emisje. 

Jak łańcuchy dostaw optymalizowane z wykorzystaniem AI ograniczają wpływ centrów danych na środowisko

Przegląd 112 recenzowanych badań z 2026 r., opublikowany w Cogent Engineering, wykazał, że AI może zasadniczo zmienić sposób optymalizacji łańcuchów dostaw, usprawniając procesy, wymianę informacji i przejrzystość. Oto, jak optymalizacja łańcuchów dostaw z wykorzystaniem AI ogranicza wpływ AI na środowisko:

• Bardziej efektywna produkcja: W produkcji AI może pomagać ograniczać ilość odpadów przez optymalizację zużycia energii, wykrywanie problemów ze sprzętem powodujących niekorzystne skutki dla środowiska oraz wskazywanie nieefektywnych procesów. Takie usprawnienia mają szczególne znaczenie w łańcuchu dostaw infrastruktury AI, ponieważ wytwarzane produkty — w tym serwery, systemy chłodzenia, urządzenia elektryczne i półprzewodniki — są wyjątkowo materiałochłonne i energochłonne w produkcji, która często wymaga wydobycia minerałów krytycznych, jak podaje BSR (Business for Social Responsibility).Utrzymanie sprzętu obliczeniowego wymaga częstej wymiany serwerów i urządzeń AI, co dwa do trzech lat. Dlatego optymalizacja produkcji na wcześniejszych etapach łańcucha dostaw jest jedną z największych możliwości ograniczenia całkowitego wpływu centrów danych na środowisko. 
• Lepsza koordynacja transportu sprzętu przy mniejszym marnotrawstwie zasobów: Po wyprodukowaniu sprzętu trzeba go przetransportować na miejsce budowy centrum danych. AI może pomóc ograniczyć zbędne przejazdy i zużycie zasobów, wspierając planowanie załadunku i transportu oraz optymalizację tras. Amerykańska Agencja Ochrony Środowiska potwierdziła, że jest to kluczowy element poprawy zrównoważonego rozwoju łańcuchów dostaw. 
• Lepsza widoczność i planowanie scenariuszy: Dzięki usprawnieniom AI w zakresie widoczności, prognozowania i planowania scenariuszy firmy nie muszą gromadzić nadmiernych zapasów ani tworzyć zdublowanych mocy, aby przygotować się na potencjalne zakłócenia. Dokładniejsze rozpoznanie źródeł ryzyka pozwala im opracować ukierunkowaną reakcję zamiast tworzyć bufory, które generują odpady.
• Współpraca w sieci, usprawniona komunikacja: Dzięki wykorzystaniu AI w całych sieciach łańcuchów dostaw producenci i inni partnerzy mogą maksymalnie usprawnić komunikację oraz wymianę informacji. Współpraca w czasie rzeczywistym oznacza, że wszyscy otrzymują te same aktualizacje w tym samym czasie. Koniec z marnowaniem wysiłku, czasu i zasobów.
• Wiedza o całym cyklu życia wydłuża okres użytkowania sprzętu: Wraz z szybkim postępem technologicznym narasta problem odpadów elektronicznych. Według raportu Globalny Monitor Odpadów Elektronicznych, w 2022 roku na świecie powstała rekordowa ilość 62 milionów ton metrycznych odpadów elektronicznych — dwa razy więcej niż w 2010 roku. Lepsza wiedza o cyklu życia sprzętu, wspierana przez AI, może znacząco ograniczyć ilość tych odpadów, dostarczając informacji przydatnych przy podejmowaniu decyzji o naprawie, modernizacji i recyklingu sprzętu centrów danych w miarę jego przyszłej wymiany. 

Ma to kluczowe znaczenie dla gospodarki o obiegu zamkniętym — podejścia o ogromnym potencjale, które może zwiększyć zrównoważony charakter łańcuchów dostaw. W ramach gospodarki o obiegu zamkniętym AI może usprawniać sortowanie materiałów, by zwiększyć poziom recyklingu, optymalizować logistykę zwrotną w celu odbierania produktów do renowacji oraz przewidywać popyt na odzyskane materiały. 

Dokładna analiza każdego elementu łańcucha dostaw infrastruktury AI oraz optymalizacja działań pod kątem większej efektywności i zrównoważonego rozwoju pozwalają firmom znacząco ograniczyć ślad środowiskowy AI. Sama AI zmienia granice tego, co dotąd było możliwe, umożliwiając planistom jednoczesną analizę ogromnej liczby złożonych zmiennych w łańcuchu dostaw centrów danych, aby podejmować jak najlepsze decyzje zarówno z punktu widzenia wyników finansowych, jak i środowiska.

Jak AI może zwiększyć własną efektywność

Mimo obaw związanych ze zużyciem zasobów przez centra danych liderzy działań na rzecz zrównoważonego rozwoju pozostają na ogół optymistycznie nastawieni do wpływu AI — raport Światowego Forum Ekonomicznego Perspektywy dyrektorów ds. zrównoważonego rozwoju wykazał, że 73% dyrektorów ds. zrównoważonego rozwoju (CSO) spodziewa się, że AI znacząco przyspieszy postępy w dziedzinie zrównoważonego rozwoju.

Ponadto AI może napędzać innowacje w dziedzinie materiałów i półprzewodników, które z kolei będą usprawniać samą technologię i zmniejszać jej zasobożerność. Naukowcy i inżynierowie wykorzystują AI do projektowania wydajniejszych układów scalonych, opracowywania energooszczędniejszych modeli AI, odkrywania nowych materiałów oraz ulepszania technologii chłodzenia i systemów energetycznych centrów danych. 

Te innowacyjne rozwiązania, wraz z szeroko zakrojoną optymalizacją łańcuchów dostaw, sprawią, że kolejna generacja centrów danych będzie wydajniejsza i bardziej zrównoważona, znacznie ograniczając ślad środowiskowy AI. 

Transformacja związana z AI i dążenie do zrównoważonego rozwoju nie muszą pozostawać ze sobą w sprzeczności. Wykorzystując tę szybko rozwijającą się technologię w centrach danych i łańcuchach dostaw, które napędzają jej rozwój, możemy nadal czerpać korzyści z AI, a jednocześnie budować wydajniejsze podstawy przyszłej infrastruktury.