Οι υπεύθυνοι χάραξης πολιτικής καλούνται να διαχειριστούν με προσοχή τη μελλοντική κατανάλωση ηλεκτρικής ενέργειας από τα κέντρα δεδομένων AI, σύμφωνα με μια έκθεση που εξετάζει τέσσερα πιθανά σενάρια και προτείνει έναν αριθμό κατευθυντήριων αρχών για την αποφυγή της ανεξέλεγκτης ανάπτυξης.
Η έρευνα, που δημοσιεύτηκε από την Schneider Electric, ήρθε σε συνέχεια του IEA Global Conference on Energy & AI. Με τίτλο «Artificial Intelligence and Electricity: A System Dynamics Approach», η έκθεση εξετάζει τις νέες σχολές σκέψης σχετικά με την Τεχνητή Νοημοσύνη και τον αντίκτυπο που θα υπάρξει στην κατανάλωση ηλεκτρικής ενέργειας.
Όπως σημειώνει η έκθεση, η υπάρχουσα υποδομή των κέντρων δεδομένων απαιτεί σημαντική ενέργεια για τη λειτουργία της και θα χρειαστεί επιπλέον πόρους για να υποστηρίξει την αναμενόμενη αύξηση της υιοθέτησης του AI. Αυτό έχει ήδη προκαλέσει ανησυχίες σχετικά με την πιθανή πίεση στα ηλεκτρικά δίκτυα και τον ενδεχόμενο περιβαλλοντικό αντίκτυπο, αν η ζήτηση ενέργειας για το AI συνεχίσει να αυξάνεται με τους σημερινούς ρυθμούς.
Η Schneider έχει διαμορφώσει τέσσερα ξεχωριστά σενάρια, τα οποία έχει ονομάσει: Βιώσιμη AI (Sustainable AI), Όρια στην Ανάπτυξη (Limits To Growth), Αφθονία Χωρίς Όρια (Abundance Without Boundaries) και Κρίση Ενέργειας (Energy Crisis). Και τα τέσσερα προβλέπουν μια γενική αυξητική τάση στην κατανάλωση ενέργειας για την περίοδο 2025-2030, αλλά διαφέρουν σημαντικά μετά από αυτό, βάσει των υποθέσεων που στηρίζει το καθένα.
Η Sustainable AI εξετάζει το πιθανό αποτέλεσμα της προτεραιοποίησης της αποδοτικότητας, ενώ η κατανάλωση ενέργειας αυξάνεται σταθερά. Αντίθετα, το σενάριο Limits To Growth περιγράφει μια περιορισμένη πορεία, όπου η ανάπτυξη του AI φτάνει σε φυσικά ή ανθρωπογενή όρια. Το Abundance Without Boundaries εξετάζει τους πιθανούς κινδύνους από την ανεξέλεγκτη ανάπτυξη, ενώ το Energy Crisis διερευνά το πώς η ανισορροπία στη ζήτηση και την παραγωγή ενέργειας θα μπορούσε να οδηγήσει σε ευρεία ελλείμματα.
Σύμφωνα με τη Schneider, το σενάριο Sustainable AI αντιπροσωπεύει μια πολλά υποσχόμενη προσέγγιση, όπου η κατανάλωση ενέργειας προβλέπεται να αυξηθεί από τατις προβλεπόμενες 100 τεραβατώρες (TWh) το 2025 σε 785 TWh το 2035. Στο πλαίσιο αυτού του σεναρίου, η GenAI θα γίνει ο κύριος οδηγός κατανάλωσης ηλεκτρικής ενέργειας στον τομέα του AI μέχρι το 2027-2028, αλλά θα σημειωθεί και μια στροφή προς πιο αποδοτικά και λιγότερο ενεργοβόρα μοντέλα. Η έκθεση σημειώνει ότι αυτό το σενάριο χαρακτηρίζεται από μια συμβιωτική σχέση μεταξύ της υποδομής του AI και της ζήτησης.
Στο σενάριο Limits To Growth, η συνεχιζόμενη υιοθέτηση της generative AI επηρεάζεται από περιορισμούς που αφορούν στην ενέργεια και την υποδομή. Η έκθεση προβλέπει ότι η συνολική κατανάλωση ενέργειας του AI θα αυξηθεί από τις 100 TWh το 2025 στις 510 TWh έως το 2030, αλλά με προκλήσεις όπως η διαθεσιμότητα ενέργειας στα βασικά κέντρα δεδομένων, τα εμπόδια παραγωγής εξειδικευμένων chip AI και η έλλειψη δεδομένων για μεγάλα γλωσσικά μοντέλα.
Το σενάριο Abundance Without Boundaries υποδεικνύει ότι η ταχεία και ανεξέλεγκτη ανάπτυξη των συστημάτων AI ενέχει τον κίνδυνο μιας συνεχούς “κούρσας εξοπλισμών” για μεγαλύτερες και πιο ισχυρές υποδομές, ξεπερνώντας τη δυνατότητα βιώσιμης χρήσης πόρων. Η Schneider προβλέπει ότι η συνολική κατανάλωση ενέργειας του AI θα αυξηθεί δραματικά από τις 100 TWh το 2025 στις 880 TWh έως το 2030, συνεχίζοντας την ανοδική πορεία και φτάνοντας στις 1,370 TWh το 2035.
Αυτό το σενάριο παρουσιάζει το «Παράδοξο του Jevons», όπου οι βελτιώσεις στην αποδοτικότητα του AI οδηγούν παραδόξως σε αυξημένη συνολική κατανάλωση ενέργειας. Προβλέπει ότι το AI και τα κέντρα δεδομένων θα επεκταθούν χωρίς περιορισμούς, καθώς προωθείται η ταχεία ανάπτυξη του AI σε όλους τους τομείς, πιστεύοντας ότι οι σχετικές εξελίξεις θα επιλύσουν οποιαδήποτε περιορισμό πόρων.
Τέλος, το μοντέλο Energy Crisis προβλέπει ότι η ταχεία ανάπτυξη του AI θα οδηγήσει σε συγκρούσεις μεταξύ των ενεργειακών απαιτήσεων και άλλων κρίσιμων τομέων της οικονομίας. Αυτό θα προκαλέσει διάφορα αρνητικά αποτελέσματα, όπως οικονομική ύφεση και σοβαρές επιχειρησιακές προκλήσεις για βιομηχανίες που εξαρτώνται από την AI.
Σε αυτό το σενάριο, η κατανάλωση ενέργειας του AI προβλέπεται να φτάσει στο ανώτατο σημείο περίπου το 2029, αγγίζοντας τις 670 TWh, ακολουθούμενη από μείωση στις 380 TWh έως το 2032 και περαιτέρω πτώση στις 190 TWh το 2035. Σύμφωνα με την έκθεση, η μη συντονισμένη διακυβέρνηση του AI θα οδηγήσει σε κατακερματισμένες πολιτικές, οι οποίες ενδέχεται να προκαλέσουν παγκόσμιες ή τοπικές ελλείψεις ενέργειας.
Η Schneider προτείνει μια σειρά από συστάσεις για μια βιώσιμη AI, οι οποίες χωρίζονται σε τρεις κύριες κατηγορίες: Υποδομή AI (AI Infrastructure), Ανάπτυξη AI (AI Development) και Διακυβέρνηση, Πρότυπα και Εκπαίδευση (Governance, Standards, and Education).
Στην πρώτη κατηγορία, υποστηρίζεται ότι τα κέντρα δεδομένων επόμενης γενιάς θα πρέπει να βελτιστοποιηθούν με τις πιο πρόσφατες τεχνολογίες ψύξης, υπολογιστικές μονάδες υψηλής πυκνότητας και σύγχρονο ενεργειακά αποδοτικό υλικό, όπως GPUs και TPUs. Οι διαχειριστές θα πρέπει να αξιολογούν τακτικά και να αναβαθμίζουν τις υποδομές, ενώ ταυτόχρονα να στοχεύουν στη βελτίωση της Αποτελεσματικότητας Χρήσης Ενέργειας (PUE) στα κέντρα δεδομένων.
Η έκθεση προτείνει την επιτάχυνση της εγκατάστασης ανανεώσιμων πηγών ενέργειας στον ίδιο χώρο με προηγμένες λύσεις αποθήκευσης ενέργειας, όπως μπαταρίες στερεάς κατάστασης ή αποθήκευση υδρογόνου, για τη διασφάλιση σταθερής παροχής ενέργειας. Οι πάροχοι ενέργειας θα πρέπει να σχεδιάσουν την κάλυψη της αυξανόμενης ζήτησης από το AI, συνεργαζόμενοι με παρόχους ενέργειας, υπεύθυνους χάραξης πολιτικής και εταιρείες AI για την ευθυγράμμιση σε ολοκληρωμένες στρατηγικές.
Όσον αφορά στο AI Development, η έκθεση προτείνει την αύξηση της αποδοτικότητας των μοντέλων μέσω τεχνικών όπως η μείωση μεγέθους των μοντέλων (model pruning), η ποσοτικοποίηση (quantization) και η χρήση ελαφρών αρχιτεκτονικών. Παράλληλα, θα πρέπει να αναπτυχθούν προφίλ κατανάλωσης ενέργειας για το υλικό του AI, σύμφωνα πάντα με την ίδια έκθεση.
Οι εταιρείες AI θα πρέπει να θέσουν σαφείς δείκτες απόδοσης (KPIs) για τα έργα AI, που να περιλαμβάνουν την ενεργειακή αποδοτικότητα και τον περιβαλλοντικό αντίκτυπο, παράλληλα με τα επιχειρηματικά αποτελέσματα. Επιπλέον, οι αρχές της κυκλικής οικονομίας θα πρέπει να εφαρμόζονται στο υλικό και το λογισμικό του AI, για την ελαχιστοποίηση των αρνητικών επιπτώσεων.
Όσον αφορά το Governance, Standards, and Education, η Schneider προτείνει την ανάπτυξη και εφαρμογή πιστοποιήσεων για βιώσιμες πρακτικές AI με σαφή και μετρήσιμα κριτήρια για την ενεργειακή αποδοτικότητα και τον περιβαλλοντικό αντίκτυπο. Επιπλέον, ισχυρά πλαίσια διακυβέρνησης AI θα πρέπει να καθοδηγούν την υπεύθυνη ανάπτυξη και εφαρμογή του AI, αντιμετωπίζοντας ζητήματα όπως η κατανάλωση ενέργειας, η ιδιωτικότητα των δεδομένων και οι ηθικές προεκτάσεις.
Η έκθεση υποστηρίζει, επίσης, την ανάγκη ανάπτυξης εκπαιδευτικών προγραμμάτων για το AI, με έμφαση στις βιώσιμες πρακτικές, που θεωρούνται κρίσιμες για την προετοιμασία του ανθρώπινου δυναμικού για τις μελλοντικές προκλήσεις. Οι εταιρείες θα πρέπει να συνεργάζονται με εκπαιδευτικά ιδρύματα για τη δημιουργία προγραμμάτων κατάρτισης που συνδυάζουν τεχνικές δεξιότητες AI με περιβαλλοντική ευαισθησία.
Οι συγγραφείς σημειώνουν ότι είναι ενήμεροι για τους συμβιβασμούς που συνεπάγεται η προσπάθεια πρόβλεψης μελλοντικών σεναρίων. Η έκθεση αναφέρει ότι, αν και η μελέτη προσφέρει πληροφορίες για πιθανά σενάρια κατανάλωσης ηλεκτρικής ενέργειας του AI, επισημαίνει τομείς που απαιτούν περαιτέρω διερεύνηση.
Αυτά περιλαμβάνουν την καλύτερη κατανόηση του περιβαλλοντικού αποτυπώματος του AI μέσω μιας ολοκληρωμένης εκτίμησης κύκλου ζωής, που να καλύπτει την κατασκευή, την ανάπτυξη κέντρων δεδομένων και το τέλος του κύκλου ζωής. Η μελλοντική έρευνα θα πρέπει, επίσης, να βελτιώσει τα μοντέλα δυναμικής συστημάτων που χρησιμοποιήθηκαν στη μελέτη, για να αποτυπωθεί αποτελεσματικότερα η δυναμική της ζήτησης για την AI σε διαφορετικούς τομείς και εφαρμογές.
Το γενικό μήνυμα είναι ότι οι κυβερνήσεις και οι βιομηχανικοί ηγέτες πρέπει να σχεδιάσουν στρατηγικά για να ισορροπήσουν την ανάπτυξη του AI με τη βιωσιμότητα σε περιβαλλοντικό και οικονομικό επίπεδο.
