A mesterséges intelligencia terjedése jelentős hatással van az energiafelhasználásra, különösen az adatközpontokban. A Schneider Electric fenntarthatósági és energiahatékonysági tanácsadója, Nagy‑Gál Levente a Nagy AI‑sztori podcastban hangsúlyozta: az AI energiaigényét nem lehet elszigetelten kezelni az épületek, ipari létesítmények, adatközpontok és a villamoshálózat jövőjétől. A beszélgetés állandó szakmai vendége Aczél Petra kommunikációkutató, a Széchenyi István Egyetem professzora volt.
Mennyire nagy az igény? Konkrét számok
A podcastban elhangzott példák érzékeltetik a nagyságrendet: a GPT‑3 modell betanítása körülbelül 1,3 gigawattóra (GWh) villamos energiát igényelt. Ez a szám hozzávetőlegesen 550 tonna szén‑dioxid‑kibocsátásnak felel meg, amit a cikk szerint nagyjából 123 benzinüzemű személygépkocsi egyéves üzemeltetéséhez lehet hasonlítani.
Az adatközponti fogyasztásnál a különbségek is látványosak: egy hagyományos, felhőalapú szolgáltatói rack nagyjából 20 kilowattot (kW) igényel, míg egy folyamatosan dolgozó, AI‑terhelés akár ennek a tízszeresét — azaz körülbelül 200 kW‑ot — is felhasználhat. Nagy‑Gál Levente érzékletes példával élt: ez olyan, mintha 200 hajszárító dübörögne egy kétajtós szekrényben. Ilyen nagyságrendű teljesítményt nemcsak biztosítani kell, hanem hatékonyan hűteni és elosztani is.
Hűtés, energiaelosztás és infrastruktúra: kulcskérdések
Az AI‑terhelés növekedése miatt az adatközpontoknál a hűtés, az energiaelosztás és az infrastruktúra üzemképessége válnak stratégiai fontosságúvá. Nem elegendő csupán több energiát termelni: azt el is kell juttatni a fogyasztókhoz, kezelni kell a megnövekedett hőterhelést, és biztosítani kell a folyamatos rendelkezésre állást. Ha az AI terjedése exponenciális, az energiarendszernek is lépést kell tartania vele.
Az AI, mint eszköz az energiahatékonyság javítására
Ugyanakkor a mesterséges intelligencia nem csak új fogyasztóként jelenik meg: képes nagy mennyiségű adat egyidejű feldolgozására, és ez lehet az egyik legnagyobb előnye az energiahatékonyságban. Például egy épület energiahasználatát befolyásolja a légkezelés, a környezeti paraméterek, a foglaltsági adatok, az időjárás és az egyes berendezések fogyasztása; ezek emberi szinten nehezen követhetők folyamatosan, de prediktív AI‑rendszerek képesek optimalizálni ezeket a folyamatokat.
Az okosépületek lényege, hogy az épületfelügyeleti rendszer „agyként” vezérli a légkezelést, fűtést, hűtést vagy zsalúziákat, és ha ezekhez valós idejű foglaltsági adatok is kapcsolódnak, az energiahasználat dinamikusan igazodik a tényleges igényekhez. Ez már túlmutat az egyszerű automatizáláson: adatvezérelt energiaoptimalizálásról van szó.
A hálózat fejlesztése elkerülhetetlen
A következő évek egyik legfontosabb kérdése a villamoshálózat fejlesztése és vezérlése lesz. Nem elegendő több megújuló vagy nukleáris kapacitást létrehozni, ha nincs megfelelő „úthálózat”, amely eljuttatja az energiát a fogyasztókhoz. Az adatközpontok, az ipari elektrifikáció, a lakossági kiserőművek és a megújuló erőforrások egyre összetettebb rendszert alkotnak, amelyet folyamatosan monitorozni és intelligensen vezérelni kell.
Döntési idő: hatékonyság mint stratégiai kérdés
Nagy‑Gál Levente felhívta a figyelmet arra is, hogy az energiahatékonyság sokáig kényelmi kérdésnek tűnhet, amíg az nem válik nyomássá; utána viszont gyorsan stratégiai fontosságúvá lép elő. A vállalatok és adatközpont‑üzemeltetők számára a kihívás kettős: egyszerre kell kezelniük a megnövekedett közvetlen energiaigényt és alkalmazniuk az AI‑t az energiafelhasználás csökkentésére.
Beszélgetés fő témái (a podcast időbélyegeivel)
- Mekkora energiaigénye van az AI‑átállásnak? (01:09)
- Mit jelent az energia a Schneider Electric nézőpontjából? (03:16)
- Hogyan segíthet a prediktív AI az épületek energiafelhasználásának optimalizálásában? (07:05)
- Miért jelent új kihívást az AI az adatközpontok energiaellátásában és hűtésében? (09:42)
- Mit jelent az, hogy egy épület „okos” lesz? (14:42)
- Miért gyorsította fel az energiaválság a vállalati energiahatékonysági gondolkodást? (18:59)
- Miért lehet a magyar villamoshálózat fejlesztése és vezérlése kritikus kérdés a következő években? (29:58)
A beszélgetés rávilágít arra, hogy az AI‑technológiák egyszerre teremtenek új fogyasztói terheket és kínálnak eszközöket a hatékonyság javítására — de mindkettő kezelése átfogó tervezést, infrastruktúra‑fejlesztést és intelligens vezérlést igényel.
