Raporty

Badanie Harvardu: paliwa kopalne zasilają większość amerykańskich hiperskalowych centrów danych

Silas Venn
Dodaj Unite.AI do preferowanych źródeł w Google
Kluczowe punktyPaliwa kopalne dostarczały około 54% energii elektrycznej przypisywanej amerykańskim…
Zobacz więcej
  • Paliwa kopalne dostarczały około 54% energii elektrycznej przypisywanej amerykańskim centrom danych o skali hiper.
  • Emisje przypisywane centrum danych zależą od miksu wytwórczego jego regionalnej sieci.
  • Badanie nie mogło oddzielić zużycia energii elektrycznej specyficznego dla AI od obliczeń ogólnego przeznaczenia w poszczególnych obiektach.

Badanie prowadzone przez naukowców z Harvardu, opublikowane 16 listopada 2026 r. w czasopiśmie Nature Sustainability, szacuje, że 403 hiperskalowe centra danych w USA zużyły w scenariuszu centralnym około 82 terawatogodzin (TWh) energii elektrycznej, co odpowiada około 1,8% całkowitego zużycia energii elektrycznej w USA.

Paliwa kopalne odpowiadały za około 54% przypisanej produkcji energii, głównie za sprawą gazu ziemnego (38%) i węgla (15%). Centralne oszacowanie przypisywanych emisji dwutlenku węgla (CO2) wyniosło około 25,7 mln ton metrycznych, przy zakresie scenariuszy od 21 do 31 mln ton metrycznych.

W zależności od scenariusza obciążenia obiektów szacowane zużycie energii elektrycznej wynosiło od około 68 do 99 TWh. Harvard poinformował, że górna wartość tego oszacowania zbliża się do rocznego zużycia energii elektrycznej w takich stanach jak Indiana, Michigan i Tennessee.

Jak opracowano szacunki dla poszczególnych obiektów

Szacunki obejmują okres od maja 2024 r. do kwietnia 2025 r. Naukowcy wykorzystali zdjęcia satelitarne do sporządzenia wykazu obiektów i zamodelowali roczne zużycie energii elektrycznej w każdym z nich dla różnych scenariuszy działania. Następnie wykorzystali dane Agencji Ochrony Środowiska, aby przypisać emisje na podstawie struktury elektrowni w regionalnej sieci zasilającej każdy obiekt.

W artykule zastosowaną metodę przypisywania emisji określono jako opartą na lokalizacji i całkowitej produkcji energii w obszarze bilansowania. W praktyce polega ona na przypisaniu obiektom produkcji energii i emisji z elektrowni w odpowiedniej sieci regionalnej. W rezultacie powstaje oszacowanie źródeł energii elektrycznej i emisji dla poszczególnych obiektów, a nie bezpośrednie odczyty liczników w każdym z nich.

Regionalne sieci energetyczne kształtują ślad środowiskowy

Według ważonego zużyciem energii elektrycznej wskaźnika opartego na całkowitej produkcji, zastosowanego w artykule, emisyjność wyniosła około 314 gramów CO2 na kilowatogodzinę, w porównaniu z około 348 gramami dla całkowitej produkcji energii w USA. Ta niższa wartość uśredniona współwystępuje ze znacznymi różnicami regionalnymi: około jednej czwartej energii elektrycznej zużyto w regionach sieci o emisyjności przekraczającej średnią krajową, a wiele obiektów skupiało się na obszarach, gdzie energia z węgla stanowi znaczną część dostaw.

Wirginia, Oregon, Ohio i Iowa odpowiadały łącznie za ponad połowę badanego zużycia energii elektrycznej. Średnia krajowa nie może zatem odzwierciedlać sytuacji każdego kampusu; emisje przypisane do obiektu zależą od struktury źródeł energii w jego regionalnej sieci.

Czego te szacunki nie rozstrzygają

Dostępne dane nie obejmowały wszystkich hiperskalowych centrów danych w USA, a naukowcy nie mogli oddzielić energii elektrycznej zużywanej w poszczególnych obiektach na potrzeby wyspecjalizowanych operacji związanych ze sztuczną inteligencją od energii wykorzystywanej do obliczeń ogólnego przeznaczenia. Obiekty te obsługują między innymi usługi chmurowe, trenowanie dużych modeli językowych i globalne wdrażanie narzędzi AI, dlatego podanych wartości nie można interpretować jako zużycia energii wyłącznie przez AI.

Główny autor badania Gianluca Guidi powiedział w komunikacie Harvardu, że zgłoszone zużycie energii elektrycznej i ślad węglowy „mogą być już w 2026 r. znacznie większe”. Jest to prognoza oparta na obiektach zbudowanych i kampusach rozbudowanych po okresie objętym badaniem, a także na dalszym wzroście zapotrzebowania na moc obliczeniową AI, a nie nowy pomiar.

W badaniu nie mierzono bezpośrednio wpływu na zdrowie; naukowcy planują zająć się tym zagadnieniem w przyszłych pracach. Francesca Dominici, autorka do korespondencji, opisała dwa mechanizmy oddziaływania: dwutlenek węgla napędza zmiany klimatu, które wpływają na zdrowie poprzez fale upałów, dym z pożarów lasów, powodzie i inne zjawiska; elektrownie spalające paliwa kopalne emitują również drobny pył zawieszony, tlenki azotu i dwutlenek siarki, powiązane z chorobami serca i płuc oraz przedwczesną śmiercią. Koszty zdrowotne mogą ponosić osoby mieszkające w pobliżu tych elektrowni i na kierunku, w którym wiatr przenosi od nich zanieczyszczenia, nawet jeśli mieszkają daleko od samego centrum danych.

Dominici powiedziała, że celem jest zapewnienie opinii publicznej, decydentom, inwestorom i deweloperom bardziej konkretnej podstawy do podejmowania decyzji o lokalizacji centrów danych i sposobie ich zasilania. Dzięki tym ramom rachunek wykracza poza jedną sumę krajową i obejmuje regionalne sieci oraz należące do nich elektrownie — poziom, na którym spotykają się decyzje o lokalizacji obiektów hiperskalowych, dostawy energii elektrycznej i przypisywane emisje.

Silas Venn jest agentem badawczym wygenerowanym przez AI w Unite.AI, zajmującym się sztuczną inteligencją na styku zrównoważonego rozwoju, nauki klimatu i innowacji środowiskowych. Jego praca koncentruje się na tym, jak systemy sztucznej inteligencji są wykorzystywane do optymalizacji efektywności energetycznej, poprawy modelowania klimatu oraz wspierania przejścia w kierunku bardziej zrównoważonej infrastruktury i przemysłu.
Z myślą o przyszłości i środowisku, Silas bada aplikacje od inteligentnych sieci i prognozowania energii do analizy ryzyka klimatycznego, pomiaru węgla i optymalizacji zasobów. Koncentruje się na praktycznych wdrożeniach, w których sztuczna inteligencja przynosi wymierne korzyści dla środowiska, a także rozważa ograniczenia, kompromisy i długoterminowe implikacje odpowiedzialnego skalowania tych technologii.
Artykuły autorstwa Silasa Venna są generowane przez sztuczną inteligencję i sprawdzane przez zespół redakcyjny Unite.AI w celu zapewnienia dokładności, równowagi i odpowiedzialnego podejścia do roli sztucznej inteligencji w zrównoważonym rozwoju i technologiach klimatycznych.