• Rozwój AI coraz trudniej opisać bez powiązań z takimi określeniami jak: stres wodny, susza czy ryzyko przyszłych konfliktów o zasoby naturalne. W kontekście zmian klimatu i fali upałów, które coraz dotkliwiej dotyczą również Europy, ten temat nabiera jeszcze większego znaczenia.
• Eksperci w rozmowie z WNP wskazują na bieżące wyzwania, braki w raportowaniu, ale i obalają mity, którymi AI i data centers (i ich związki z wodą) obrosły.
• W dniach 30 września - 1 października 2026 r. w Międzynarodowym Centrum Kongresowym w Katowicach odbędzie się konferencja Business PRECOP przygotowująca uczestników do nadchodzących globalnych negocjacji środowiskowych, w szczególności Szczytu Klimatycznego ONZ COP31.

Systemy bezpieczeństwa państwa, administracji publicznej, usługi finansowe, biznes – od wielkich korporacji po MŚP – wszystkie dziś opierają się na infrastrukturze, która jest niezbędna do funkcjonowania współczesnego świata, czyli data center. "Fizyczny" wymiar sztucznej inteligencji, kojarzonej zwykle z przetwarzaniem danych w chmurze, oznacza dynamiczny wzrost liczby centrów danych na świecie.

– W szerszym odbiorze AI wciąż bywa postrzegana jako technologia niematerialna, gdzieś w "chmurze", a nie jako fizyczna infrastruktura wymagająca ziemi, energii, wody i sieci przesyłowych – zwraca uwagę dr Tomasz Grzegorczyk z Uniwersytetu Ekonomicznego w Poznaniu.

Serwerownia działa jak "rozgrzana fabryka": gdy użytkownik (a raczej użytkownicy na całym świecie) pytają o cokolwiek wybrany model sztucznej inteligencji, to w tym samym czasie tysiące procesorów intensywnie pracują, nagrzewając się. AI potrzebuje do działania gigantycznej mocy obliczeniowej, a to powoduje generowanie ciepła. Systemy chłodzenia nie mogą zatrzymać się ani na chwilę, do tego z kolei potrzebna jest woda.

Jako "nośnik zimna" częściowo paruje w systemach chłodniczych i to właśnie ta część zasobów bezpowrotnie znika. I choć dla jednego zapytania mówimy o kilku–kilkunastu mililitrach wody, to już stworzenie "śmiesznej grafiki na social media" może pochłonąć aż 0,5 litra wody, tj. małą butelkę.

Niewiele? Według najnowszego raportu: "Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints" ("Środowiskowe koszty zużycia energii przez sztuczną inteligencję: ślad węglowy, wodny i gruntowy") Instytutu Wody, Środowiska i Zdrowia Uniwersytetu ONZ do 2030 r. centra danych AI zużyją 945 TWh energii i 9,3 bln litrów wody, tj. tyle, ile wynoszą podstawowe roczne potrzeby 1,3 mld ludzi.

Badacze powołują się na więcej liczb: ślad wodny treningu GPT-4 wyniósł ok. 600 mln litrów, co dla porównania stanowi minimalne roczne zapotrzebowanie na wodę dla 81 tys. osób w Afryce Subsaharyjskiej. Ta woda mogłaby też wypełnić 237 basenów olimpijskich. Z kolei trening GPT-5 pochłonął już 1 mld litrów, co równa się rocznemu pokryciu potrzeb wodnych 135 tys. osób w Afryce Subsaharyjskiej. Wraz z rosnącymi "zdolnościami" LLM-ów można się spodziewać, że te liczby będą rosły.

Naukowcy z Uniwersytetu ONZ zwracają także uwagę, że w skali globalnej centra danych, w których znajdują się tysiące serwerów i procesorów (GPU) w 2025 r. zużywały już 445 TWh energii elektrycznej. Gdyby były państwem, plasowałyby się na 11. miejscu pod względem zużycia energii na kraj. Łącznie pochłonęły też 4,5 bln litrów wody, co stanowi zapotrzebowanie dla ponad 600 mln osób w Afryce Subsaharyjskiej.

Dlaczego centra danych możemy porównywać do państwa? Bo ich "ślad gruntowy", czyli powierzchnia, która jest pośrednio lub bezpośrednio przez nie zajmowana, eksploatowana lub przekształcana (np. w wyniku wycinki drzew na rzecz budowy data center), ma przekroczyć 14,5 tys. km kw. Naukowcy porównali to do dwukrotnie większej aglomeracji Dżakarty, gdzie mieszka ponad 32 mln osób.

Do tego prognozy wskazują, że w 2025 r. AI pochłonęła 20 proc. całkowitego zużycia energii w centrach danych, ale już do 2030 r. systemy sztucznej inteligencji mogą czerpać 40 proc. zasobów (a to będzie się równało ponad 9-krotnemu zużyciu energii w Nigerii).

W ubiegłym roku w Polsce zużyliśmy 167,5 TWh energii elektrycznej. Oznacza to, że już w tej chwili kopanie kryptowalut, obsługa AI i data center pochłaniają mniej więcej trzykrotność rocznego zapotrzebowania naszego kraju na prąd (wspomniane wcześniej 445 TWh energii). To zapotrzebowanie będzie tylko rosło. Towarzyszyć temu będzie budowa kolejnych źródeł wytwórczych, nie zawsze zeroemisyjnych. Dynamiczny wzrost liczby centrów danych napędza jednocześnie inwestycje w elektrownie wykorzystujące paliwa kopalne.

Jak mocno te dwie branże są ze sobą powiązane, podkreśla Diana Maciąga, ekspertka ds. gazu kopalnego Polskiej Zielonej Sieci i Koalicji Klimatycznej.

– Sektor AI jest nierozerwalnie związany z sektorem paliw kopalnych, dla którego energożerność centrów danych jest dosłownie jedyną szansą na przetrwanie. Głód sektora AI na energię dosłownie nie zna granic – ocenia ekspertka.

Na styku rozwoju AI i energetyki pojawia się jeszcze jedno, "wodne" wąskie gardło. Każda z konwencjonalnych elektrowni potrzebuje wody do chłodzenia. Więcej przy obiegu otwartym, ale nawet jeżeli bazuje na obiegu zamkniętym, wciąż musi mieć dostęp do źródła wody.

Międzynarodowa Agencja Energetyczna szacuje, że napędzi to także wzrost emisji CO2. W 2030 r. będzie to więcej niż 300 mln ton CO2 w skali globu. To więcej niż roczne emisje Polski, a przecież nad Wisłą wciąż polegamy w dużej mierze na węglu, zarówno w elektroenergetyce, jak i ciepłownictwie.

Nie ulega wątpliwości, że boom na AI wesprze także inwestycje w sektorze "zielonych" technologii. Problem polega jednak na tym, że nie zawsze "wieje czy świeci słońce" - czymś przecież trzeba zasilać prądożerne serwerownie. Wtedy w ruch najczęściej idą konwencjonalne jednostki. W realiach europejskich to niemal przepis na cenową katastrofę. Wyceny energii elektrycznej opierają się na zasadzie merit order, czyli w uproszczeniu: koszcie wytworzenia energii elektrycznej przez najdroższe źródło w danym momencie.

Liczone w terawatogodzinach zużycie AI może wydawać się abstrakcyjne, dlatego warto też sięgnąć po bliższe wyobraźni porównania. Jeden obrazek wygenerowany przez AI – według szacunków Uniwersytetu Narodów Zjednoczonych – zużywa około 2,9 Wh (watogodziny). To mniej więcej tyle, ile przez 17 minut zużywa 10-watowa żarówka LED.

Dyskusja o centrach danych i zapotrzebowaniu na wodę nabiera nowego znaczenia w kontekście fali upałów i suszy, nieomijających także Polski. To właśnie wtedy, kiedy niemożliwe jest chłodzenie centrów danych wyłącznie za pomocą powietrza, rośnie zapotrzebowanie na wodę.

Według danych ujawnionych przez Amazon w 2025 r. firma na rzecz AI zużyła 0,12 l wody na kilowatogodzinę, podczas gdy średnia branżowa to 0,84. W tym samym czasie Microsoft raportował dane wskazujące na 0,27 l, a rok wcześniej – Google i Meta odpowiednio: 1,15 l i 0,19 l.

Pod koniec czerwca Sekretarz Generalny ONZ António Guterres w czasie "London Climate Action Week" wezwał wielkie firmy technologiczne, aby ujawniły dane o generowaniu przez nie dwutlenku węgla, wykorzystaniu wody i energii do rozwoju AI. Zaproponował też stworzenie "Inicjatywy Przejrzystości Środowiskowej AI", w ramach której giganci AI będą jawnie prezentować dane na temat wpływu na środowisko.

Koniec z ukrytymi kosztami. Koniec z przerzucaniem ciężaru na tych, którzy najmniej są w stanie go unieść. Czas się szczerze przyznać – mówił Guterres.

Dr Tomasz Grzegorczyk z Uniwersytetu Ekonomicznego w Poznaniu ocenia dla WNP: – Problem polega też na tym, że dysponujemy danymi częściowymi, często zagregowanymi, a nie pełnym obrazem dla całej gospodarki cyfrowej. Innymi słowy: wiemy już, że woda jest ważnym czynnikiem rozwoju AI, ale wciąż nie zarządzamy nim jeszcze tak konsekwentnie, jak energią czy emisjami – stwierdza.

Natomiast Martyna Zastawna, pionierka cyrkularności w Europie, założycielka startupu Woshwosh (jego sprzedaż sfinalizowała w 2025 r.), jest zdania, że transparentność jest fundamentem odpowiedzialności, więc zgadza się ze stwierdzeniem, że powinno się wprowadzić publiczne "raporty wodne" dla dużych modeli AI, z wyszczególnieniem zużycia wody na jedno zapytanie i na jednego użytkownika rocznie.

– Dotychczas tylko część firm technologicznych publikuje raporty środowiskowe, a metodologia raportowania bywa nieporównywalna między podmiotami. Raport wodny per zapytanie i per użytkownik rocznie byłby analogiem etykiety energetycznej na sprzęcie AGD: prosty, czytelny i wymuszający rynkową presję na efektywność. Brak transparentności nakręca spekulacje i konflikty społeczne, szczególnie tam, gdzie lokalne społeczności już dziś walczą o dostęp do wody – zaznacza.

Krystian Pypłacz z branżowego stowarzyszenia Polish Data Center Association przekonuje natomiast, że obawy o nadmierne wysuszanie zasobów przez centra danych to mit, a nowoczesna infrastruktura cyfrowa jest bezpieczna dla środowiska. Zaznacza, że według aktualnych wyliczeń cały europejski sektor data center odpowiada za około 0,01 proc. całkowitego zużycia wody na Starym Kontynencie. Tymczasem energetyka korzystająca z chłodni kominowych zużywa 34 proc. zasobów wodnych, a rolnictwo – 29 proc.

Jak podkreśla Pypłacz, w różnych częściach świata można mieć wątpliwości w tej materii, tak w Europie – zdecydowanie nie.

Europa pokazuje światu, jak odpowiedzialnie chłodzić infrastrukturę IT i wyznacza w tej dziedzinie globalne standardy. W przeciwieństwie do starszych obiektów w gorących częściach świata, które wciąż polegają na wodochłonnych otwartych systemach bezpośredniego odparowania, nowoczesne europejskie centra danych stawiają na tzw. technologie suche (dry cooling) – mówi Pypłacz.

Dodaje, że np. w klimacie umiarkowanym, jaki (jeszcze) mamy w Polsce, stosuje się też technologię free-cooling.

– Oznacza to, że przez zdecydowaną większość roku do utrzymania optymalnej temperatury serwerów wykorzystuje się wyłącznie chłodne powietrze bez angażowania sprężarek w układzie klimatyzacji – precyzuje.

Przy wykorzystaniu tej technologii zużycie wody jest śladowe i wiąże się jedynie z nawilżaniem powietrza wewnątrz serwerowni zimą i obsługą węzłów sanitarnych.

– Średni wskaźnik zużycia wody (WUE) w nowoczesnych obiektach kolokacyjnych wynosi zaledwie ułamek litra na kilowatogodzinę – podkreśla Pypłacz i dodaje, że operatorzy centrów danych muszą na podstawie Dyrektywy o Efektywności Energetycznej (EED) raportować wskaźnik WUE (Water Usage Effectiveness), co ma zapewnić pełną jawność danych dotyczących faktycznego zużycia. Nie jest jednak żadną formą kontroli środowiskowej.

Martyna Zastawna zwraca jednak uwagę, że "nie każda zużyta kropla wody jest sobie równa". Istotnym jest kontekst zastosowania sztucznej inteligencji, która jest przecież używana także np. w medycynie czy nauce.

– AI nie jest monolitem, różne zastosowania mają radykalnie różny stosunek korzyści do kosztu wodnego. Sam trening modelu GPT-3 wymagał szacunkowo 5,4 mln l wody, ale AI wykorzystywana np. do optymalizacji irygacji w rolnictwie czy wczesnego wykrywania chorób może te koszty zwrócić wielokrotnie. Problem polega na tym, że dziś płacimy cenę środowiskową za wszystko – włącznie z generowaniem memów czy chatbotami rozrywkowymi. Racjonalne rozwiązanie to hierarchizacja zastosowań: priorytet dla AI o udowodnionym wpływie społecznym, obowiązek efektywności technologicznej (chłodzenie bez wody, energia odnawialna) i internalizacja kosztów środowiskowych w cenie usług, zamiast przerzucania ich na lokalne społeczności i ekosystemy – podkreśla.

Obecnie główne zużycie energii przez AI pochodzi już nie z trenowania modeli, ale z ich codziennego używania, tzw. inferencja odpowiada za 80–90 proc. zapotrzebowania na energię. Tekstowe prompty są relatywnie "lekkie"; obrazy i wideo są wielokrotnie bardziej prądo- i wodochłonne.

Świadomy użytkownik ma więc realny wpływ przez wybór tego, do czego używa AI: czy generuje tysiące obrazków "dla zabawy", czy korzysta z modeli tam, gdzie dają istotną wartość.

Energia potrzebna do wygenerowania typowego obrazu AI wystarcza, by zasilić 10-watową żarówkę LED przez 17 minut, a energia potrzebna do wysokiej rozdzielczości wideo stworzonego przy pomocy AI wystarcza, aby uruchomić tę samą żarówkę przez 42 godziny. Podobnie związany z tym ślad wodny eksploatowanej energii wynosi około dwóch łyżek (29 ml) dla pojedynczego obrazu, ale wzrasta do 4,1 litra w przypadku skomplikowanego wideo – prawie tyle, ile potrzeba jednej osobie na dwudniowe picie wody – wyliczyli eksperci w raporcie: "Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints".

Dr Tomasz Grzegorczyk zaznacza, że jako użytkownicy możemy korzystać z AI bardziej świadomie, ale nie warto sprowadzać tego do "poczucia winy za pojedynczy prompt".

– Pojedyncze zapytanie tekstowe ma minimalne znaczenie, które rośnie wraz z długością i intensywnością użytkowania, a szczególnie przy obrazach i wideo. Rozsądna zasada brzmi: używać AI tam, gdzie daje realną wartość – w pracy, nauce, analizie czy dostępności, a ograniczać zastosowania czysto impulsywne. Możemy też formułować bardziej konkretne prompty, nie wymuszać niepotrzebnie długich odpowiedzi i wybierać prostsze modele do prostszych zadań – objaśnia.

Jednocześnie dodaje, że warto uważać na to, by rozmowa o "świadomym użytkowniku" nie stała się wygodnym przerzuceniem odpowiedzialności na konsumenta. Jego zdaniem jednostka może korzystać z AI rozsądniej, ale największy wpływ i tak mają firmy projektujące modele, operatorzy centrów danych, duzi klienci biznesowi i regulatorzy.

– To oni decydują o skali infrastruktury, źródłach energii, chłodzeniu i domyślnych ustawieniach narzędzi. Dlatego odpowiedzialność użytkownika powinna oznaczać raczej higienę korzystania i presję na przejrzystość działania przedsiębiorstw, a nie poczucie winy za pojedynczy prompt – podsumowuje dla WNP.