Schneider Electric heeft in een recent rapport vier mogelijke scenario’s gepresenteerd voor het toekomstige elektriciteitsgebruik door AI-datacenters. Het roept beleidsmakers op om het energiegebruik zorgvuldig te begeleiden om toekomstige crises te voorkomen.
Het rapport, Artificial Intelligence and Electricity: A System Dynamics Approach, onderzoekt de impact van AI op energiebehoeften. Het wijst op de groeiende zorg dat de energiebehoeften van AI-datacenters de elektriciteitsnetten kunnen belasten.
Vier scenario’s
Het rapport beschrijft vier scenario’s: Sustainable AI, Limits to Growth, Abundance Without Boundaries, en Energy Crisis. Alle vier voorspellen een stijging van het energiegebruik tussen 2025 en 2030. Verschillende scenario’s hebben vervolgens een wisselende impact op het energiegebruik.
Het scenario Sustainable AI voorspelt een geleidelijke stijging van het energiegebruik van 100 TWh in 2025 naar 785 TWh in 2035, met een verschuiving naar energie-efficiënte modellen. Het tweede script, Limits to Growth, toont de beperkingen van infrastructuur en energievoorziening, waarbij AI-energiegebruik stijgt tot 510 TWh in 2030, maar stagneert door tekorten aan netstroom en gespecialiseerde chips.
Abundance Without Boundaries, als derde mogelijkhei, waarschuwt voor een ongebreidelde groei van AI, met een explosieve stijging van 100 TWh naar 880 TWh in 2030, en 1.370 TWh in 2035, wat leidt tot de Jevons-paradox. Die komt neer op het feit dat verbeteringen in efficiëntie juist het totale energiegebruik verhogen.
Energy Crisis, tot slot, voorziet conflicten tussen AI’s energiebehoefte en andere economische sectoren, met pieken van 670 TWh in 2029, gevolgd door een scherpe daling naar 190 TWh in 2035 door ongecoördineerd beleid en wereldwijde energietekorten.
Verschillende aanbevelingen
Om deze risico’s te vermijden, biedt Schneider aanbevelingen in drie hoofdgebieden:
1 AI-infrastructuur
Datacenters moeten geoptimaliseerd worden met de nieuwste koeltechnologieën, energiezuinige hardware zoals GPU’s en TPU’s, en hernieuwbare energieproductie op locatie, gecombineerd met geavanceerde energieopslag.
2. AI-ontwikkeling
Efficiëntie moet worden verbeterd door technieken zoals model pruning en quantization. AI-bedrijven moeten duidelijke KPI’s vaststellen die energie-efficiëntie en milieu-impact omvatten, en circulaire economieprincipes toepassen op hardware en software.
3. Governance, normen en educatie
Beleidsmakers moeten certificeringsprogramma’s ontwikkelen voor duurzame AI-praktijken en robuuste bestuursstructuren voor verantwoorde AI-ontwikkeling. Daarnaast moet AI-onderwijs duurzame praktijken benadrukken, om een goed opgeleide workforce te creëren.
Schneider benadrukt dat het rapport niet bedoeld is als een voorschrift, maar als basis voor geïnformeerde discussies over de toekomst van AI en energie. De uitdaging voor regeringen en bedrijven is om AI-groei in balans te brengen met economische en ecologische duurzaamheid.