Netto oszczędności energii elektrycznej dzięki sztucznej inteligencji zależą od efektywności wdrożenia w systemie elektroenergetycznym Chin

Dlaczego mądrzejsza energetyka ma znaczenie

Sztuczna inteligencja (SI) bywa przedstawiana jako niewidzialny mózg w chmurze, ale za każdym zaawansowanym chatbotem czy generatorem obrazów stoi realny strumień energii elektrycznej. W tym badaniu postawiono pytanie o daleko idące konsekwencje dla planowania klimatycznego i energetycznego: czy oszczędności energii, które SI może przynieść w systemie elektroenergetycznym, przewyższą dodatkowe zużycie przez ogromne centra danych? Koncentrując się na szybko ewoluującej sieci Chin, autorzy śledzą, jak SI może przeobrazić się z rosnącego obciążenia elektrycznego w netto oszczędzającego — jeśli zostanie wdrożona efektywnie i na wystarczająco szeroką skalę.

Dwie twarze sztucznej inteligencji

Artykuł zaczyna od nakreślenia napięcia. Z jednej strony są centra danych SI, których wyspecjalizowane serwery mogą zużywać sześć do ośmiu razy więcej energii niż tradycyjne maszyny. W miarę jak modele rosną i są częściej wykorzystywane, te obiekty stają się nowym istotnym źródłem popytu na sieć. Z drugiej strony algorytmy SI są wdrażane w samym systemie energetycznym — pomagając prognozować produkcję wiatrową i słoneczną, dopracowywać pracę elektrowni węglowych, zarządzać ogrzewaniem i chłodzeniem budynków, równoważyć obciążenia przemysłowe oraz wydłużać życie baterii. Te zastosowania mogą ograniczać marnotrawstwo i wygładzać szczyty zapotrzebowania. Kluczową zagadką jest, czy łączne oszczędności SI w sieci zrekompensują lub nawet przewyższą energię zużytą przez obliczenia SI.

Pomiary efektu netto w czasie

Aby to zbadać, badacze stworzyli dynamiczny model oceny działający w latach 2025–2060. Oszacowali własne zużycie energii przez SI „od dołu”, zaczynając od prognozowanych dostaw serwerów SI, ich okresu eksploatacji, poboru mocy podczas trenowania i codziennego użytkowania oraz poziomu energooszczędności centrów danych w czasie. Równolegle przejrzeli dekadę badań nad rozwiązaniami oszczędzającymi energię wspieranymi przez SI. Poprzez metaanalizę syntetyzują, ile energii można zaoszczędzić w siedmiu kluczowych praktykach, takich jak poprawa sprawności elektrowni węglowych, redukcja strat przesyłowych, zwiększanie efektywności budynków i przemysłu oraz optymalizacja magazynowania energii. Te oszczędności następnie skalowano dla Chin w trzech różnych założeniach dotyczących głębokości rozpowszechnienia takich narzędzi SI w systemie.

Różne przyszłości dla SI i sieci

Model łączy trzy scenariusze dotyczące zużycia energii przez SI z trzema dotyczącymi jego zdolności oszczędzania, dając dziewięć możliwych przyszłości. Po stronie konsumpcji ścieżka „napędzana technologią” zakłada szybki wzrost mocy obliczeniowej SI przy równoczesnych dużych postępach w układach scalonych serwerów i systemach chłodzenia; ścieżka „ograniczona polityką” zakłada surowe regulacje hamujące ekspansję i wymuszające dobrą efektywność; ścieżka „inercji” zakłada wolniejsze ulepszenia i luźniejsze kontrole. Po stronie oszczędności „efektywna” ścieżka wyobraża sobie szybkie, szerokie przyjęcie najwyżej ocenianych narzędzi SI w elektrowniach, liniach przesyłowych, budynkach, zakładach i magazynach; „typowa” odzwierciedla umiarkowane wdrożenie; a „nieefektywna” zakłada wolniejsze lub fragmentaryczne rozpowszechnienie. Wspólnie scenariusze te pokazują, jak zarówno lepszy sprzęt, jak i głębsze wykorzystanie SI w operacjach kształtują równowagę między dodatkowym popytem a unikniętym marnotrawstwem.

Gdzie kryją się największe oszczędności

Wśród licznych sposobów wykorzystania SI badanie wskazuje wyraźną „niewielką, ale istotną grupę”: około jedna piąta praktyk odpowiada za ponad cztery piąte całkowitego potencjału oszczędności. Na czoło wysuwają się poprawa obciążeń w budynkach, redukcja strat na liniach przesyłowych oraz udoskonalenie prognoz energii odnawialnej. Na poziomie krajowym, przy najbardziej optymistycznych założeniach odnośnie oszczędności, SI mogłaby zmniejszyć około 15% prognozowanego zużycia energii elektrycznej Chin do 2060 r.; przy typowych lub nieefektywnych założeniach spadek ten sprowadza się do jednocyfrowych procentów. Analiza regionalna pięciu prowincji pokazuje, że obszary bogate w wytwarzanie energii — takie jak Mongolia Wewnętrzna z jej elektrowniami węglowymi i odnawialnymi — korzystają najbardziej po stronie podaży, podczas gdy centra przemysłowe i usługowe, takie jak Guangdong i Jiangsu, odnoszą większe korzyści z zarządzania popytem w budynkach i zakładach.

Kiedy SI staje się oszczędzającym netto

Kluczową miarą w badaniu jest „netto oszczędność energii elektrycznej”: stosunek energii zaoszczędzonej przez SI do energii, którą SI zużywa. Wartość powyżej 100% oznacza, że SI łącznie redukuje obciążenie sieci. Spośród wszystkich dziewięciu przyszłości tylko kombinacja wysokiego rozpowszechnienia aplikacji oszczędzających i silnego postępu technologicznego w centrach danych — przypadek Efektywny–Napędzany‑Technologią — daje taki wynik wcześnie, osiągając około 130% do 2040 r. W tej ścieżce szybkie wdrożenie SI w sieci i budynkach, w połączeniu z bardzo wydajnymi układami scalonymi i niskimi kosztami chłodzenia, pozwala, by oszczędności przewyższyły własne zapotrzebowanie SI. Nawet w tym scenariuszu korzyść wypłaszcza się i nieco spada po 2050 r., gdy technologie dojrzewają, a łatwe zyski się wyczerpują. W mniej ambitnych przyszłościach oszczędność netto jest opóźniona lub nie osiągana w badanym okresie.

Co to oznacza dla codziennego życia

Dla osób niebędących specjalistami wnioskiem jest, że SI nie jest automatycznie dobra ani zła dla klimatu. Pozostawiona do rozwoju w marnotrawnych centrach danych z ograniczonym zastosowaniem w rzeczywistych operacjach sieci, w większości zwiększa zapotrzebowanie na energię. Jednak jeśli zostanie połączona z agresywnymi standardami efektywności, lepszym sprzętem i szerokim wdrożeniem w elektrowniach, liniach, budynkach, fabrykach i magazynach, SI może więcej niż zwrócić swoje własne koszty w zaoszczędzonych kilowatogodzinach. Badanie sugeruje, że Chiny — i pośrednio inne kraje — będą potrzebować przemyślanej polityki, aby skierować SI w tym kierunku: surowych ograniczeń dotyczących nieefektywnych centrów danych, zachęt do zaawansowanego chłodzenia i układów scalonych oraz silnego wsparcia dla narzędzi SI ograniczających marnotrawstwo w całym systemie energetycznym. Jeśli zostanie to zrobione prawidłowo, ta sama technologia, która grozi przeciążeniem sieci, może stać się jednym z motorów uczynienia jej czyściejszą i bardziej niezawodną.

Cytowanie: Zhou, K., Yang, Z. & Hu, R. Net electricity savings from artificial intelligence depend on deployment efficiency in China’s power system. Commun. Sustain. 1, 72 (2026). https://doi.org/10.1038/s44458-026-00080-4

Słowa kluczowe: sztuczna inteligencja i energia, efektywność centrów danych, optymalizacja sieci energetycznej, prognozowanie zapotrzebowania na energię elektryczną, integracja energii odnawialnej