Влияние ИИ и дата-центров на экологию планеты

В 2026 году серверы для искусственного интеллекта (ИИ) впервые обгонят по энергопотреблению все остальное оборудование дата-центров, а ООН предупреждает: к 2030 году центры обработки данных (ЦОД) будут потреблять до 945 ТВт•ч – почти втрое больше совокупного годового потребления Пакистана, Бангладеш и Нигерии, где живет около 650 млн. человек.

Уже в 2025 году, по данным университета ООН (UNU-INWEH), дата-центры поглотили около 448 ТВт·ч энергии – этого хватило, чтобы вывести всю мировую инфраструктуру ЦОД на 11-е место в рейтинге энергопотребления, если сравнивать ее с отдельными странами. Углеродный след ИИ давно перестал быть побочным эффектом и превратился в инфраструктурный риск, который техногиганты пытаются закрыть сразу с двух сторон: чистой генерацией и компенсацией. Разбираемся, откуда берется этот след, почему рост эффективности чипов его не сокращает и какие альтернативы действительно работают.

Почему рост ИИ-инфраструктуры опережает экологические обещания техногигантов и как лесоклиматические проекты помогают закрывать углеродный след, который нельзя убрать иначе.

Обучение – не главный потребитель

Общественная дискуссия сосредоточена на обучении моделей, хотя реальная картина энергопотребления устроена иначе: 80-90% энергии уходит на повседневное использование ИИ, то есть на инференс – процесс работы уже обученной модели. Один крупный сервис обрабатывает 2,5 млрд. запросов в день, и, по оценке UNU-INWEH, такой объем обращений к системе, подобной ChatGPT, генерирует около 383 ГВт·ч в год – это сопоставимо с годовым потреблением небольшой страны. Для сравнения, само обучение крупных языковых моделей вроде GPT-3 и GPT-4 в свое время обходилось в 10-70 ГВт·ч разово, тогда как эксплуатация растянута на годы и включает миллиарды обращений.

Генерация одного изображения требует примерно в тысячу раз больше энергии, чем анализ текста того же объема, а в 2025 году на инференс приходилось до 65% энергопотребления ИИ-дата-центров. Внутри самого ЦОД нагрузка распределяется неравномерно: серверы на базе процессоров и графических ускорителей (GPU) обеспечивают порядка 60% электропотребления, системы хранения и сетевое оборудование добавляют еще около 10%. Оставшуюся значительную долю забирает охлаждение – до 30% в обычных корпоративных дата-центрах и, по оценке Goldman Sachs, до 35-40% в крупных гиперскейлерских кластерах, где серверы работают на пределе мощности круглосуточно. Получается, что оптимизация процесса обучения решает меньшую часть проблемы, тогда как растущая масса ежедневных запросов формирует ее большую часть.

Эффект Джевонса, или почему эффективные чипы не спасают

Переход на трехнанометровый техпроцесс дает троекратный прирост энергоэффективности отдельного чипа. Но снижение стоимости вычислений закономерно стимулирует еще больший спрос – это классический эффект Джевонса, при котором рост эффективности использования ресурса ведет не к сокращению, а к росту его совокупного потребления. Каждый новый эффективный ускоритель позволяет запускать более крупные модели, и суммарное энергопотребление в итоге растет, а не падает.

Показательна здесь оценка Goldman Sachs: реальный прирост энергоэффективности современных ИИ-чипов в полевых условиях составляет лишь около 4-5% в год, что заметно скромнее лабораторных трехкратных показателей отдельных техпроцессов. Правило, которое раньше формулировали как золотое правило Мура – удвоение вычислительной мощности без роста энергопотребления, – сегодня нарушено: для удвоения реальной вычислительной мощности индустрии требуется около трех лет, и это удвоение сопровождается ростом, а не стагнацией потребления энергии.

Цифры Gartner подтверждают динамику напрямую: мировое потребление ИИ-серверов должно вырасти с 95 ТВт·ч в 2025 году до 175 ТВт·ч в 2026-м, то есть на 84%, а к 2027 году – достичь 258 ТВт·ч. По той же оценке Gartner, доля специализированных ИИ-серверов в общем энергопотреблении дата-центров должна увеличиться с примерно 20% в 2025 году до 31% в 2026-м, а уже в 2027 году суммарное потребление ИИ-оборудования способно превысить потребление всех остальных серверов вместе взятых. Эффективность отдельного чипа в этой картине – не решение проблемы, а лишь ускоритель спроса, который сама эта эффективность и порождает.

Газ вместо ветра: почему возобновляемые источники не успевают и не успеют

ИИ-кластер требует гарантированной мощности в режиме 24/7, тогда как солнце и ветер по своей природе прерывисты и не могут обеспечить такую стабильность без дорогих систем накопления. Один ускоритель H100 потребляет до 700 Вт, стойка из восьми таких ускорителей – около 10 кВт, а кластер из 10 тысяч H100 превращается в объект со стабильным потреблением около 100 МВт. Здесь вступает в силу разница в скорости: строительство газовой турбины занимает 18-24 месяца, тогда как подключение к возобновляемым источникам энергии (ВИЭ) через электросеть растягивается на 3-5 лет.

Наглядный пример – дата-центр Amazon в Техасе с собственной газовой электростанцией мощностью 180 МВт, который генерирует около 680 тысяч тонн CO₂-эквивалента выбросов в год. Скорость развертывания здесь победила экологическую повестку, и газ в этой логике оказывается не идеологическим выбором, а вынужденным решением, продиктованным сроками. Показательно, что тот же Amazon параллельно заявляет о покрытии 100% энергопотребления своих операций возобновляемыми источниками по итогам 2025 года. Формальное противоречие объясняется тем, что общий баланс компании считается по всему портфелю мощностей, тогда как конкретные ИИ-кластеры строятся под собственную газовую генерацию именно там, где скорость запуска важнее источника энергии.

Проблема носит не точечный, а системный характер. По оценке Gartner, нехватка электроэнергии уже стала главной преградой для масштабирования ИИ-дата-центров, а значительная часть проектов задерживается именно из-за ограничений сетевой инфраструктуры. Компания McKinsey прогнозирует глобальный спрос на мощности для дата-центров на уровне около 220 ГВт к 2030 году, что потребует инвестиций в сотни миллиардов долларов – и этот темп не гарантируют ни текущие планы развития ВИЭ, ни скорость модернизации электросетей.

Вода и земля – след, который не измеряют в CO₂

К 2030 году потребление воды дата-центрами сравняется с годовым бытовым потреблением 1,3 млрд. человек, а земельный след энергетической инфраструктуры превысит 14,5 тысячи кв. км – это вдвое больше площади Джакартской агломерации. Более 90% специализированных вычислительных мощностей для ИИ сегодня сосредоточено в США и Китае, что делает экологическую нагрузку крайне неравномерной географически.

Углеродный след при этом не сводится к абстрактным тоннам. По оценке Cornell Engineering, текущий рост ИИ-технологий способен привести к выбросам 24-44 млн. тонн CO₂ в год (что эквивалентно выбросам 5-10 млн. автомобилей) к 2030 году, и заметное снижение этой цифры возможно только при опережающей декарбонизации энергосетей – сама по себе индустрия этот темп не выдержит. Даже если каждый киловатт-час электричества станет чище, общий объем выбросов продолжит расти пропорционально экспоненциальному росту нагрузки на серверы.

Вода и земля добавляют к этой картине собственное отдельное измерение, которое нельзя пересчитать напрямую в углеродные единицы. Один только инференс системы уровня ChatGPT требует объема воды на охлаждение, достаточного для годовых нужд примерно 500 тысяч человек, а площадь леса, необходимая для компенсации выбросов CO₂ через естественное поглощение, сопоставима по размеру с крупным мегаполисом. Прямой корреляции между низким углеродным следом и низким водным следом не существует: дата-центр может работать на чистой энергии и при этом оставаться крайне ресурсоемким по воде и земле.

Ежегодный рост энергопотребления дата-центров в России составляет около 18%, заявлял вице-премьер Александр Новак. К 2030 году крупные инвесторы – «Сбер», «Яндекс», «Ростелеком» и «Росатом» – совокупно потребуют порядка 2 ГВт мощностей. Компания En+ через свою платформу Cloud X строит в Усть-Илимске крупнейший в стране ЦОД для ИИ мощностью 154 МВт на 2880 стоек с инвестициями около 60 млрд. рублей и планом завершения в 2027 году, а рядом с Усть-Илимской ГЭС планируются еще три подобных центра. Россия здесь идет по тому же пути, что и США: размещение мощностей рядом с дешевой генерацией – гидроэлектростанциями и атомными станциями, а не рядом с конечными потребителями. Углеродный след оказывается лишь верхушкой айсберга, тогда как полная цена включает воду, землю и растущее геополитическое неравенство в распределении вычислительных мощностей.

Что техногиганты пытаются сделать

Технологические гиганты действуют по двум основным направлениям – атомная генерация и масштабные контракты на возобновляемую энергию, дополненные компенсационными механизмами там, где технологически убрать след пока невозможно.

Microsoft заключила контракт с Helion Energy на поставку термоядерной энергии к 2028 году и инвестирует в Kairos Power, разрабатывающую малые модульные реакторы. Не все атомные ставки оказались удачными: проект NuScale в Айдахо был отменен после того, как его стоимость выросла с $5,8 млрд. до $9,3 млрд., что показывает реальные экономические пределы этого пути. Google заключила соглашение с Fervo Energy на 5 МВт геотермальной мощности в Неваде, а также подписала около 35 ГВт долгосрочных контрактов на солнечную и ветровую энергию в период с 2010 по 2025 год, поставив целью выйти на 100-процентное безуглеродное энергоснабжение в режиме 24/7 к 2030 году. Один из дата-центров Google в бельгийском Сент-Жилене уже сегодня снабжается энергией от примыкающей к комплексу крупной солнечной станции – но такие решения пока ограничены конкретной географией и доступностью подходящих площадок.

Там, где неизбежные выбросы остаются даже после перехода на чистую энергию – из-за импортной угольной генерации в энергосистеме региона или замещенной старой инфраструктуры – компании прибегают к покупке компенсаций. Microsoft, Google и другие техногиганты приобретают углеродные кредиты и контракты на удаление CO₂ через такие проекты, как Re.green и Climeworks, включая программы восстановления амазонских лесов. Регуляторное давление усиливает эту тенденцию: с 2024 года Евросоюз требует от ЦОД мощностью свыше 500 кВт публиковать данные о потреблении энергии и углеродном следе, а к 2027 году не исключено введение обязательных целевых показателей.

Где здесь вклад леса

Лесоклиматические проекты эффективно работают как способ закрыть именно тот неустранимый остаток углеродного следа, который нельзя убрать ни оптимизацией кода, ни сменой региона размещения дата-центра. Рослесхоз оценивает поглощение российских лесов примерно в 1 гигатонну CO₂-эквивалента, и этот природный ресурс способен работать как часть углеродного баланса для энергоемких индустрий вроде ИИ-инфраструктуры.

Важно различать два принципиально разных действия: посадить тысячу деревьев и выпустить тысячу углеродных единиц как климатический актив. Для второго варианта нужна отдельная методология подсчета, базовая линия сравнения, регулярный мониторинг территории, независимая верификация результата и учет риска утраты поглощения из-за пожара или вырубки. Правильная последовательность здесь такая: сначала сокращение собственных выбросов через эффективность чипов, выбор локации и оптимизацию самих моделей, и только затем компенсация оставшегося неустранимого следа через верифицируемые лесоклиматические проекты, а не наоборот. Лес в этой модели выступает не разовым жестом, а активом с доказуемым результатом, у которого есть своя цена верификации.

Что важно для IT-индустрии

Углеродный след ИИ – управляемый параметр, а не стихийное бедствие, с которым невозможно совладать. Компания, которая считает свой след, осознанно выбирает локацию размещения мощностей и системно оптимизирует модели, управляет собственными издержками заранее – до того, как это за нее сделают регулятор и рынок углеродных квот. Ни одна отдельная мера не решает проблему целиком: ни эффективность чипов, ни переход на возобновляемую энергию, ни компенсационные проекты сами по себе. Работает только сочетание всех подходов сразу – размещение мощностей в регионах с доступной чистой энергией и достаточным запасом воды, декарбонизация энергосетей, технологические инновации вроде жидкостного охлаждения и, наконец, компенсация того остатка, который технологически убрать пока нельзя. Лесоклиматические проекты закрывают именно этот остаток, но только при условии полноценной верификации и постоянного мониторинга – без них любая ссылка на посаженный лес превращается в гринвошинг, а не в реальный климатический результат.