AI-datacenters zullen naar verwachting de energie- en watervoorraden van de VS onder druk zetten tegen 2030

De impact van AI op energie en waterbronnen in de VS

Met de explosieve groei van het dagelijks gebruik van kunstmatige intelligentie (AI) in de afgelopen jaren, zijn ook de energiebehoeften van de computerinfrastructuur die het ondersteunt toegenomen. Het milieueffect van deze grote datacenters, die gigawatt aan energie verbruiken en enorme hoeveelheden water voor koeling vereisen, is echter moeilijk te kwantificeren.

Onderzoekers van Cornell hebben nu geavanceerde data-analyse en AI gebruikt om een staat-voor-staat overzicht van deze milieu-impact te creëren. Het team ontdekte dat de huidige groei van AI tegen 2030 jaarlijks 24 tot 44 miljoen ton kooldioxide in de atmosfeer zou brengen, wat overeenkomt met de uitstoot van 5 tot 10 miljoen extra auto’s op de Amerikaanse wegen. Ook zou er jaarlijks 731 tot 1.125 miljoen kubieke meter water verbruikt worden—gelijk aan het jaarlijkse huishoudelijke waterverbruik van 6 tot 10 miljoen Amerikanen. Het cumulatieve effect zou de netto-emissiedoelen van de AI-industrie buiten bereik brengen.

Aan de positieve kant schetst de studie ook een uitvoerbare routekaart die slim ruimtegebruik, snellere ontcarbonisatie van het elektriciteitsnet en operationele efficiëntie benut om deze impacten met ongeveer 73% (kooldioxide) en 86% (water) te verminderen in vergelijking met de slechtste scenario’s.

De bevindingen zijn gepubliceerd in Nature Sustainability. De eerste auteur is doctorandus Tianqi Xiao in het Process-Energy-Environmental Systems Engineering (PEESE) lab. “Kunstmatige intelligentie verandert elke sector van de samenleving, maar de snelle groei gaat gepaard met een echte ecologische voetafdruk op het gebied van energie, water en koolstof,” zei Fengqi You, de Roxanne E. en Michael J. Zak Professor of Energy Systems Engineering aan Cornell Engineering, die het project leidde.

“Onze studie is opgebouwd om een eenvoudige vraag te beantwoorden: Gezien de omvang van de AI-computingboom, welke milieu-impact zal dit hebben? En belangrijker nog, welke keuzes sturen het naar duurzaamheid?”

Om de ecologische voetafdruk van de AI-computerinfrastructuur van het land te kwantificeren, begon het team drie jaar geleden met het verzamelen van “meerdere dimensies” van financiële, marketing- en productiedata om te begrijpen hoe de industrie zich uitbreidt, gecombineerd met locatie-specifieke gegevens over energiesystemen en hulpbronnenverbruik, en hoe deze verband houden met klimaatveranderingen.

Volgens You is er veel data en dat is een enorme inspanning. “Duurzaamheidsinformatie, zoals energie, water en klimaat, is vaak openbaar. Maar industriële data is moeilijk te verkrijgen, omdat niet elk bedrijf alles rapporteert. En natuurlijk moeten we uiteindelijk naar meerdere scenario’s kijken. Er is geen oplossing die voor iedereen werkt. Elke regio heeft andere regelgeving. We hebben AI gebruikt om enkele data-tekorten op te vullen.”

Maar het projecteren van de impact was niet voldoende. De onderzoekers wilden ook data-gedreven richtlijnen geven voor duurzame groei van de AI-infrastructuur. “Er is geen wondermiddel,” zei You. “Slimme locatiekeuze, ontcarbonisatie van het net en efficiënte operaties werken samen—zo krijg je reducties van ongeveer 73% voor koolstof en 86% voor water.”

Een van de belangrijkste factoren is: locatie, locatie, locatie. Veel huidige dataclusters worden gebouwd in waterschaarse gebieden, zoals Nevada en Arizona. In sommige knooppunten, zoals het noorden van Virginia, kan snelle clustering de lokale infrastructuur en watervoorzieningen onder druk zetten.

Het plaatsen van faciliteiten in regio’s met minder waterschaarste en het verbeteren van de koel efficiëntie zou de waterbehoefte met ongeveer 52% kunnen verlagen. Wanneer dit wordt gecombineerd met de beste praktijken voor netwerken en operaties, zouden totale waterreducties tot 86% kunnen bereiken, zo blijkt uit de studie. De Midwest en “windbelt” staten—vooral Texas, Montana, Nebraska en South Dakota—zouden het beste gecombineerde profiel voor koolstof en water opleveren.

“De staat New York blijft een laag-koolstof, klimaatvriendelijke optie dankzij de schone elektriciteitsmix van nucleaire energie, waterkracht en groeiende hernieuwbare energiebronnen,” zei You, “hoewel prioriteit geven aan water-efficiënte koeling en extra schone energie essentieel is.”

Als de ontcarbonisatie niet gelijke tred houdt met de vraag naar computerkracht, kunnen de emissies met ongeveer 20% stijgen. “Zelfs als iedere kilowattuur schoner wordt, kunnen de totale emissies stijgen als de vraag naar AI sneller groeit dan het net ontcarboniseert,” zei You. “De oplossing is om de overgang naar schone energie te versnellen in dezelfde gebieden waar de AI-computerinfrastructuur zich uitbreidt.”

Echter, het ontcarboniseren van het net kan maar tot op zekere hoogte helpen. Zelfs in het ambitieuze scenario met hoge hernieuwbare energiebronnen zou de kooldioxide-uitstoot tegen 2030 met ongeveer 15% dalen ten opzichte van de basislijn, en zouden er ongeveer 11 miljoen ton residuele emissies overblijven, wat ongeveer 28 gigawatt aan wind- of 43 gigawatt aan zonne-energiecapaciteit vereist om netto-nul te bereiken.

De onderzoekers hebben vastgesteld dat het inzetten van een reeks energie- en water-efficiënte technologieën, zoals geavanceerde vloeistofkoeling en verbeterde serverbenutting, mogelijk nog eens 7% van de kooldioxide kan verwijderen en het waterverbruik met 29% kan verlagen, voor een totale waterreductie van 32% wanneer deze worden gecombineerd.

Nu bedrijven zoals OpenAI en Google steeds meer geld investeren in het snel bouwen van AI-datacenters om aan de vraag te voldoen, is dit een cruciaal moment voor gecoördineerde planning tussen de industrie, nutsbedrijven en regelgevers om lokale waterschaarste en hogere netuitstoot te voorkomen, volgens You. “Dit is het moment van uitbouw,” zei hij. “De keuzes die we deze decennium maken voor de AI-infrastructuur zullen bepalen of AI de klimaatvoortgang versnelt of een nieuwe ecologische last wordt.”