Přejít k hlavnímu obsahu

Skrytá cena umělé inteligence: energie, voda a Jevonsův paradox, před kterým varuje OSN

AI article illustration for jarvis-ai.cz
Když mluvíme o umělé inteligenci, obvykle řešíme její schopnosti, cenu předplatného nebo to, jestli konečně přestane halucinovat. Málokdo se ale ptá, co její provoz doopravdy stojí planetu. Podle nové zprávy OSN zveřejněné 9. června 2026 může být odpověď nepříjemně překvapivá: do konce dekády by AI mohla spotřebovávat 3 % celosvětové elektřiny — a na chlazení datacenter více vody, než kolik ročně vypije celé lidstvo.

Jevonsův paradox: proč efektivnější AI nutně neznamená úspory

Logika velí, že čím efektivnější technologie, tím méně zdrojů spotřebuje. Jenže ekonom William Stanley Jevons už v 19. století ukázal, že to tak nefunguje. Když parní stroje začaly být účinnější a spotřebovávaly méně uhlí, cena provozu klesla — a poptávka po uhlí naopak vystřelila nahoru. Přesně tento scénář nyní hrozí i v oblasti umělé inteligence.

Nová zpráva OSN s názvem The Environmental Cost of Artificial Intelligence: Carbon, Water, and Land Footprints, na kterou upozornil server 100+1 zahraniční zajímavost, varuje, že rostoucí efektivita AI modelů ve skutečnosti povede k ještě větší spotřebě, nikoliv k úsporám. Levnější provoz znamená širší nasazení, nové způsoby použití a vyšší celkovou zátěž.

„Když technologie zlevní, lidé ji začnou používat všude. To je princip, který platí od vynálezu kola,“ komentuje jeden z autorů zprávy. A u AI, zdá se, nebude jinak.

Data, ze kterých mrazí: elektřina, voda a emise

Zpráva OSN odhaduje, že do roku 2030 by se spotřeba energie související s AI mohla zdvojnásobit a dosáhnout úrovně odpovídající 3 % celosvětové výroby elektřiny. Pro srovnání — jde zhruba o stejný podíl, jaký dnes spotřebovává celé Japonsko, pátá největší ekonomika světa.

Neméně alarmující je pohled na emise. Podle zprávy by uhlíková stopa AI mohla do roku 2030 odpovídat celkovým emisím Velké Británie — země se 67 miliony obyvatel, průmyslem, dopravou a zemědělstvím dohromady.

Největší šok ale přináší číslo o vodě: na chlazení AI datacenter by se mohlo spotřebovat více vody, než kolik činí roční spotřeba pitné vody pro celé lidstvo. Datová centra totiž potřebují obří množství vody pro chlazení serverů — a s každým novým, výkonnějším čipem tato potřeba dál roste.

Konkrétní čísla z historie

Už v roce 2021 spotřebovala AI divize Googlu 10–15 % z celkových 18,3 TWh, které firma ten rok odebrala ze sítě. Trénink modelu GPT-3 si vyžádal 1 287 MWh — zhruba roční spotřebu 121 amerických domácností. A to mluvíme o modelu z roku 2020. Dnešní modely jako GPT-5 nebo Gemini 3 jsou o řád náročnější.

Mezinárodní energetická agentura (IEA) ve své analýze z roku 2024 upozornila, že kapitálové investice Googlu, Microsoftu a Amazonu do datových center v roce 2023 poprvé překonaly investice celého amerického ropného a plynárenského průmyslu — dohromady představovaly zhruba 0,5 % amerického HDP.

Co na to technologičtí giganti

Velcí hráči si problém uvědomují — a masivně investují do obnovitelné energie. Amazon, Microsoft, Meta a Google jsou čtyřmi největšími korporátními odběrateli zelené energie na světě a dosud prostřednictvím smluv PPA (Power Purchase Agreements) nasmlouvali téměř 50 GW obnovitelných zdrojů, což odpovídá výrobní kapacitě celého Švédska.

Google i Microsoft se navíc zavázaly, že do roku 2030 budou svá datová centra provozovat výhradně na bezuhlíkovou energii 24 hodin denně, 7 dní v týdnu. To je podstatně ambicióznější cíl než pouhé „roční vyrovnání“ spotřeby nákupem zelených certifikátů — jde o reálné pokrytí každé megawatthodiny v reálném čase.

Problém ale je, že tyto závazky nestíhají držet krok s tempem růstu. Podle IEA se spotřeba elektřiny datových center v USA v některých státech už nyní vyšplhala nad 10 % celkové spotřeby. V Irsku je to přes 20 % — a země musela kvůli přetížení sítě dočasně pozastavit výstavbu nových center.

Evropský kontext: regulace, která může pomoci

Pro Českou republiku a Evropskou unii je téma zvlášť aktuální. EU už v roce 2024 zavedla povinné reportování energetické náročnosti datových center (v rámci revidované směrnice o energetické účinnosti, EED). Každé datové centrum s instalovaným výkonem nad 500 kW musí od května 2024 hlásit celkovou spotřebu energie, podíl obnovitelných zdrojů, spotřebu vody a míru využití odpadního tepla.

Směrnice CSRD (Corporate Sustainability Reporting Directive) navíc od roku 2024 vyžaduje, aby velké technologické firmy podrobně reportovaly svůj dopad na životní prostředí. To vytváří tlak na transparentnost — a zároveň dává regulátorům data, na jejichž základě mohou zavádět minimální výkonnostní standardy.

Česká republika je členem IEA a tyto evropské regulace se na ni plně vztahují. V tuzemsku sice zatím nedochází k tak dramatickému růstu datových center jako v Irsku nebo Nizozemsku, ale s rostoucí digitalizací firem i státní správy bude otázka energetické náročnosti čím dál palčivější.

Co by měl čtenář vědět — a co může dělat

Pro běžného uživatele ChatGPT, Gemini nebo Midjourney je prakticky nemožné odhadnout, kolik energie jeho jednotlivý dotaz spotřebuje. Odborné odhady se výrazně liší — jeden chatovací dotaz může podle složitosti představovat od 0,001 do 0,01 kWh, tedy zhruba ekvivalent provozu LED žárovky po dobu několika minut až desítek minut.

Klíčové je ovšem měřítko: zatímco žárovku má doma jedna rodina, ChatGPT používá stovky milionů lidí denně. A s rozmachem AI agentů, kteří samostatně vykonávají desítky či stovky dotazů za sebou, se ekologická stopa násobí.

Zpráva OSN proto vyzývá k přijetí principů transparentnosti, rovnosti a udržitelného využívání zdrojů. A stejně jako u jiných environmentálních výzev platí: technologie sama problém nevyřeší. Bude to chtít kombinaci regulace, inovací a — hlavně — vědomého používání.

Je provoz AI skutečně srovnatelný s emisemi celé Velké Británie?

Ano, podle nové zprávy OSN z června 2026 by emise skleníkových plynů související s provozem a tréninkem AI mohly do roku 2030 dosáhnout úrovně, která odpovídá celkovým ročním emisím Velké Británie. Jde ale o scénář založený na současném tempu růstu — při zásadním zvýšení efektivity a využití obnovitelných zdrojů může být realita příznivější.

Může datové centrum využívat odpadní teplo efektivně?

Ano, a v Evropě už existují úspěšné projekty. Například ve Stockholmu a Helsinkách dodávají datová centra odpadní teplo do městských teplárenských sítí a vytápějí tisíce domácností. Využití odpadního tepla je ale podmíněno blízkostí infrastruktury — centrum musí být poblíž sítě dálkového vytápění. To v českém prostředí znamená, že největší smysl dávají centra v blízkosti větších měst s teplárenskou sítí.

Jaký je rozdíl mezi tréninkem modelu a jeho provozem (inferencí)?

Trénink je jednorázový, extrémně náročný proces — jde o učení modelu na obřích datech, které trvá týdny až měsíce a spotřebuje obří množství energie. Inference je samotné používání modelu — tedy každý váš dotaz v ChatGPT nebo vygenerovaný obrázek. Přestože jeden dotaz spotřebuje málo energie, inference celkově tvoří 60–70 % celkové energetické spotřeby AI, protože probíhá nepřetržitě pro miliony uživatelů.

X

Nezmeškejte novinky!

Přihlaste se k odběru novinek a aktualit.