Wat is de impact van AI op ons milieu?
De meest geciteerde impact van AI op ons milieu vindt plaats via:
· Opwarming aarde
· Ruimtebeslag
· Grondstoffen beslag
Laten we eerst eens kijken naar het risico voor verdere opwarming van de aarde.
AI verbruikt veel elektriciteit en dat wordt komende jaren met name geleverd door datacenters. De verwachting is dat in 2026 de eerste 5 “1 GW+”-AI campussen operationeel worden (allen in US)
1 GW staat ongeveer gelijk aan het stroomverbruik van 1 miljoen huishoudens; en de bouw van zo’n campus kost momenteel tussen 15 en 40 miljard dollar. De verwachting is dat in 2035 30-50 van dit soort datacenters operationeel zullen zijn (waaronder een paar van 5 GW waar de grote hyperscalers nu al concepten voor aan het ontwikkelen zijn).
Volgens de Tweede wet van de thermodynamica wordt al deze energie uiteindelijk omgezet in warmte die in de ruimte verdwijnt (via onze atmosfeer). Om te kijken of dit een serieus opwarmingsprobleem voor de aarde betekent, maar weer een paar feitjes:
· Een 1 GW-campus verbruikt op jaar basis ongeveer 10 TWh (8,67 als het datacenter 24/7 op vol vermogen draait + 15% voor randapparatuur bij een PUE-waarde van 1,15 (PUE staat voor Power Usage Effectiveness en is het totale energieverbruik van het datacenter gedeeld door het energieverbruik van de IT-apparatuur; zeer efficiënte moderne datacenters kunnen tegenwoordig een PUE tussen 1.1 en 1.2 halen) )
· Bij een zeer hoge AI penetratie wereldwijd verbruiken we over 50 jaar, naar schatting, zo’n 15.000 TWh per jaar voor AI en al die warmte komt uiteindelijk dus vrij in onze atmosfeer
· De zon levert circa 1.500.000.000 TWh/jaar aan energie aan de aarde
Directe opwarming van de aarde door de zon is dus zo’n 100.000x groter dan wat AI aan warmte vrijmaakt per jaar en dus verwaarloosbaar; de aarde en haar atmosfeer kan dat moeiteloos absorberen.
De uitdagingen zitten elders:
Stroomnetrestricties: voor 1 GW-campussen zijn direct koppelingen met kerncentrales of enorme windparken op zee nodig. De elektriciteiten netten op aarde kunnen simpelweg maar enkele dozijnen van dit soort aansluitingen aan
Ruimterestricties: Om extreme stroomnet congestie te voorkomen kun je de datacenters voorzien van hun eigen windmolenpark en/of zonnefarm. Voor 1 GW vermogen heb je dan circa 250 windmolens nodig (van 15 GW/stuk) op zee of 500 op land. Aan zonnepanelen heb je dan zo’n 25 miljoen panelen nodig (45-60 km2). Dat betekent dat dit soort datacenters veel ruimte nodig hebben en buiten stedelijke gebieden/drukbevolkte landen moeten worden opgericht
Waterverbruik: om dit soort campussen te koelen met traditionele waterverneveling en afvoer via koeltorens, zou je zo’n 10 miljard liter water/jaar moeten vernevelen (voor 1 “1-GW”-campus). Dat is voor de nieuwe AI-campussen onmogelijk. Zij gaan over op een nieuw gesloten systeem (direct-to-chip koeling) die operationeel geen extra water vergt (anders dan om lekken te repareren). Er is echter wel een indirect verbruik van water, afhankelijk van de stroombron: als dat de traditionele mix is van kolen/gas centrales wordt gebruikt om die de elektriciteit opwekken (nog steeds wordt 80% van onze energie wereldwijd zo opgewekt mid 2026), dan worden hier miljarden liters water per jaar voor verbruikt. Wordt er echter gebruik gemaakt van wind-, zonne- en kern energie, dan is het waterverbruik, ook indirect, vrijwel nul
Geluidsverontreiniging: datacenters produceren ook geluid, met name voor de koeling, transformatoren, airconditioning, noodstroomgeneratoren en verkeer op het terrein. Met geluidsbeperkende middelen en een behoorlijke afstand tot bewoning, is veel te bereiken. Wat vaak lastig is te beperken is een continue lage bromtoon die voor sommige mensen uiterst irritant is. Dit is een andere reden om datacenters niet te bouwen vlak bij bewoning.
Vrijkomen broeikasgassen: Hier spelen met name een tweetal componenten:
o CO2: datacenters stoten zelf geen CO2 uit. Operationeel niet relevant als gebruik wordt gemaakt van wind-, zonne- of kern energie. Wel als elektriciteit afkomstig is van olie/gas-centrales. Verder wordt er bij het maken van materialen voor datacenters veel CO2 (en water verbruikt)
o F-gassen (bv. HFK’s, PFK’s): een 1 GW AI-campus heeft ongeveer 500 ton F-gassen nodig om te koelen en daar lekt gemiddeld zo’n 20.000 kilo per jaar uit. Omdat dit soort gassen een extreem hoog aardopwarmingsvermogen hebben (circa 1500 x zoveel als CO2) heeft dit een grote impact op de opwarming van de aarde. Door over te gaan op natuurlijke koelmiddelen (zoals NH3 (ammoniak) of CO2) en toepassing van de direct-to-chip koeling, wordt dit in de nieuwe AI campussen opgelost
Financiële restricties: omdat een 1GW AI-campus al gauw 15-40 miljard investering vereist kunnen maar zeer weinig landen en bedrijven dit soort bedragen opbrengen
Terrorismegevoeligheid: een grote AI-campus is een ideale plek voor terroristische aanslagen: noodgedwongen op wat afgelegen plekken, grote impact en nieuwswaarde als de boel de lucht ingaat. En als een kleine kerncentrale wordt gekozen in plaats van mega zonnevelden of windparken voor de eigen energie: extra bonus als er veel straling vrijkomt in de omgeving. Er zal dus serieuze bewaking moeten komen van dit soort campussen en de leidingen van en naar deze datacenters toe.
Grondstoffen beslag: een 1 GW campus heeft al snel 50.000 ton koper, 100.000 ton staal, enorme hoeveelheden beton (fundering/koelstructuren), aluminium (warmtewisselaars, koelsystemen) en veel (grotendeels zeldzame) aardmetalen (zoals tin, tantaal, palladium en goud/zilver voor microchips en lithium, kobalt, nikkel, mangaan en zink voor batterijen/UPS-systemen). Hiermee concurreren deze datacenters rechtstreeks met grote bedrijfstakken zoals de auto industrie die deze zelfde grondstoffen nodig hebben. De prijzen zullen hierdoor disproportioneel stijgen. Ook zullen geopolitieke spanningen oplopen omdat deze grondstoffen vaak op zeer weinig plaatsen op aarde gewonnen kunnen worden (zoals China, Rusland, Brazilië of Vietnam). Het zal steeds belangrijker (en lonender) worden om rigoureuze recycling processen toe te passen op dit soort grondstoffen. En dat betekent ook dat bij designs van nieuwe microchips en gerelateerde producten, simpele terugwinning van deze grondstoffen een vereiste gaat worden.
Het resource waar de mensheid echter het grootste tekort aan heeft momenteel, is tijd. Tijd om uit te zoeken hoe we ethisch verantwoord optimaal met de mogelijkheden van AI kunnen omgaan en wet en handhaving kunnen gebruiken om uitwassen in te perken; tijd om de technologische innovaties zoals in deze blog genoemd (en nog vele anderen die nu niet eens denkbaar zijn maar waar AI ons mogelijk wel mee gaat helpen) te vinden maar vooral om ze op grote schaal toe te passen; tijd om burgers, bedrijven en overheid de kans te geven gebalanceerd naar AI en zijn mogelijkheden/uitdagingen te kijken en er verstandig mee om te gaan.
Dus als we de negatieve impact van AI op ons milieu willen beperken is er wat huiswerk te verrichten en zullen diverse actoren goed moeten samenwerken:
US hyperscalers zullen in het ontwikkelen/plaatsen van AI-campussen de nieuwste technieken moeten gebruiken (zoals direct-to-chip koeling, natuurlijke koelmiddelen, gebruik maken van elektriciteit opgewekt door zon/wind/kernenergie) ongeacht de extra kosten die dit met zich mee zal brengen. Zij zullen er ook voor moeten zorgen dat de burgers die zo’n campus in hun land/omgeving krijgen dit ervaren als “fair”; het zal ze iets moeten opleveren: banen, gratis AI, betere digitale infrastructuur in de omgeving etc. Verder zullen ze het aantrekkelijk moeten maken voor burgers om bij digitale vragen simpel te kiezen tussen traditionele zoekalgoritmes (zoals Google) en AI-gebruik. En tot slot zullen ze moeten stoppen met gratis AI voor iedereen te leveren: dit is een perverse prikkel om het maar zoveel mogelijk in te zetten waarbij we een hoge milieuprijs samen betalen; verder zorgt het voor miljardenverliezen die de leverende bedrijven maar een paar jaar kunnen volhouden voor ze failliet gaan
Regeringen zullen duurzame keuzes in bouw/exploitatie van AI datacenters moeten stimuleren met subsidies en strikte controle op naleving van wetten die die duurzaamheid vastleggen. Ze zullen de achterstanden in (het onderhoud/uitbreidingen) in hun stroomnetwerken moeten oplossen om de congestie die overal de kop opsteekt op te lossen. Ze zullen hun vergunningprocedures op alle gerelateerde gebieden moeten versimpelen en gebieden aanwijzen die geschikt zijn voor dit soort grootschalige campussen; en ze (mede) bewaken tegen terroristische aanslagen. Ze zullen een cruciale communicatierol moeten vervullen om hun inwoners ervan te overtuigen dat zulke datacenters in hun omgeving een goed plan zijn. En ze zullen bewust de factor tijd moeten gaan inbouwen en sommige processen helpen te versnellen (bv. duurzame recycling van kritieke grondstoffen en gedistribueerde datacenters stimuleren i.p.v. gecentraliseerde data centers)
De politieke wereldleiders en hun staf zullen een deel van hun geopolitieke strategieën moeten inruilen tegen oprechte samenwerking om de schaarse grondstoffen, nodig voor AI, zonder bloedvergieten en onredelijke eisen aan leverende landen, ter beschikking te stellen aan deze snel groeiende industrie
Actiegroepen die kritisch staan t.o.v. ongebreideld AI-gebruik zullen hun beste (rationele) beentje voor moeten zetten om de tijd te vinden die de mensheid nodig heeft om AI-gebruik verantwoord in te voeren en uit te breiden. Niet door eindeloze achterhoede gevechten te voeren waardoor ze ongeloofwaardig worden en hun argumenten genegeerd kunnen worden (..laten we stoppen met AI, de mens als soort wordt bedreigd…); maar door wetenschappelijk en filosofisch onderbouwde argumenten op tafel te leggen zodat politiek en burgers verantwoorde keuzes kunnen maken. En als daar dan wat extra tijd voor nodig is om de issues op te lossen of geconstateerde risico’s voldoende te verkleinen, dan zullen we die tijd er ook voor moeten reserveren
Iedere wereldburger zal zich voorlopig moeten realiseren dat het voor ons milieu beter is om AI alleen te gebruiken als er geen alternatieven zijn. Zo verbruiken traditionele zoekmachines voor een tekstvraag i.h.a. 10x minder energie per vraag dan een AI-applicatie omdat de zoekmachines zoeken in enorme indexen terwijl de AI elk woord moet uitrekenen. Dat kost veel energie. Als je vraagt om plaatjes/filmpjes schiet het energie verbruik nog veel verder door. Op deze manier kan iedereen bijdragen AI alleen in te zetten als het ook echt iets toevoegt; en daarmee de “milieu footprint” binnen de perken te houden. Een simpele bijdrage op korte termijn hiervoor is volledig te stoppen met vrij gebruik van AI en er een bescheiden bijdrage te vragen voor als je het echt nodig hebt
Tot slot: AI is niet alleen een probleem voor ons milieu: het is ook een oplossing: middels AI zullen we de komende jaren ook een efficiëntere industrie, betere netsturing, minder transport, slimmer gebouwenbeheer, betere grondstoffen recycling en optimalisatie van productieprocessen kunnen realiseren. Dit alles zal een positief effect hebben op energie, opwarming, water-ruimte- en grondstoffengebruik.
What is the impact of AI on our environment?
The most frequently cited impacts of AI on our environment are:
• Global warming
• Land use
• Raw material consumption
Let’s first take a look at the risk of further global warming.
AI consumes a lot of electricity, and in the coming years, this power will be supplied primarily by data centers. The first five “1 GW+” AI campuses are expected to become operational in 2026 (all in the U.S.).
1 GW is roughly equivalent to the electricity consumption of 1 million households; and the construction of such a campus currently costs between 15 and 40 billion dollars. It is expected that by 2035, 30–50 of these types of data centers will be operational (including a few 5 GW facilities for which the major hyperscalers are already developing concepts).
According to the Second Law of Thermodynamics, all this energy is ultimately converted into heat that dissipates into space (via our atmosphere). To assess whether this poses a serious global warming problem, here are a few more facts:
· A 1 GW campus consumes approximately 10 TWh annually (8.67 if the data center runs 24/7 at full capacity + 15% for peripheral equipment, with a PUE of 1.15 (PUE stands for Power Usage Effectiveness and is the total energy consumption of the data center divided by the energy consumption of the IT equipment; highly efficient modern data centers can now achieve a PUE between 1.1 and 1.2) )
· With very high global AI penetration, we estimate that in 50 years we will consume about 15,000 TWh per year for AI, and all that heat will ultimately be released into our atmosphere
· The sun supplies approximately 1,500,000,000 TWh/year of energy to the Earth
Direct global warming caused by the sun is therefore about 100,000 times greater than the heat released by AI each year and is thus negligible; the Earth and its atmosphere can absorb it effortlessly.
The challenges lie elsewhere:
Power grid constraints: 1 GW campuses require direct connections to nuclear power plants or massive offshore wind farms. The world’s power grids can simply handle only a few dozen of these types of connections.
Space constraints: To prevent extreme power grid congestion, data centers can be equipped with their own wind farms and/or solar farms. For 1 GW of capacity, you would need approximately 250 wind turbines (each with a capacity of 15 GW) offshore or 500 onshore. You would also need about 25 million solar panels (covering 45–60 km²). This means that these types of data centers require a great deal of space and must be built outside urban areas or densely populated countries.
Water consumption: To cool this type of campus using traditional water misting and discharge via cooling towers, you would need to mist about 10 billion liters of water per year (for one “1-GW” campus). That is impossible for the new AI campuses. They are switching to a new closed-loop system (direct-to-chip cooling) that requires no additional water during operation (other than to repair leaks). However, there is indirect water consumption, depending on the power source: if the traditional mix of coal and gas power plants is used to generate electricity (80% of our global energy will still be generated this way by mid-2026), then billions of liters of water are consumed annually for this purpose. However, if wind, solar, and nuclear energy are used, water consumption—even indirect consumption—is virtually zero.
Noise pollution: Data centers also produce noise, particularly from cooling systems, transformers, air conditioning, emergency power generators, and on-site traffic. Much can be achieved through noise-reduction measures and maintaining a sufficient distance from residential areas. What is often difficult to mitigate is a continuous low-frequency hum that is extremely irritating to some people. This is another reason not to build data centers near residential areas.
Greenhouse gas emissions: Two factors are particularly relevant here:
• CO2: Data centers themselves do not emit CO2. This is not operationally relevant if wind, solar, or nuclear energy is used. It is relevant, however, if electricity comes from oil/gas power plants. Furthermore, the production of materials for data centers consumes a lot of CO2 (and water).
• F-gases (e.g., HFCs, PFCs): A 1 GW AI campus requires approximately 500 metric tons of F-gases for cooling, and on average, about 20,000 kilograms leak out each year. Because these types of gases have an extremely high global warming potential (approximately 1,500 times that of CO2), this has a major impact on global warming. Switching to natural refrigerants (such as NH3 (ammonia) or CO2) and implementing direct-to-chip cooling will resolve this issue in the new AI campuses
Financial constraints: Since a 1GW AI campus can easily require an investment of 15–40 billion, very few countries and companies can afford such sums.
Vulnerability to terrorism: A large AI campus is an ideal target for terrorist attacks: inevitably located in somewhat remote areas, it would have a major impact and generate significant media attention if it were destroyed. And if a small nuclear power plant is chosen instead of massive solar farms or wind farms for the facility’s own energy needs: an added “bonus” if significant radiation is released into the surrounding area. Therefore, serious security measures will be required for these types of campuses and the pipelines leading to and from these data centers.
Raw material consumption: A 1 GW campus can easily require 50,000 metric tons of copper, 100,000 metric tons of steel, enormous quantities of concrete (foundations/cooling structures), aluminium (heat exchangers, cooling systems), and large amounts of (largely rare) earth metals (such as tin, tantalum, palladium, and gold/silver for microchips, as well as lithium, cobalt, nickel, manganese, and zinc for batteries/UPS systems). As a result, these data centers compete directly with major industries—such as the automotive industry—that require these same raw materials. This will cause prices to rise disproportionately. Geopolitical tensions will also escalate because these raw materials can often be mined in only a very limited number of places on Earth (such as China, Russia, Brazil, or Vietnam). It will become increasingly important (and profitable) to apply rigorous recycling processes to these types of raw materials. And that also means that, when designing new microchips and related products, the simple recovery of these raw materials will become a requirement.
However, the resource that humanity is currently most short on is time. Time to figure out how we can make the best use of AI’s capabilities in an ethically responsible way and use legislation and enforcement to curb abuses; time to identify the technological innovations mentioned in this blog (and many others that are not even conceivable today but that AI may well help us develop) and, above all, to apply them on a large scale; time to give citizens, businesses, and the government the opportunity to take a balanced view of AI and its possibilities and challenges and to deal with it wisely.
So if we want to limit the negative impact of AI on our environment, there is some work to be done, and various stakeholders will need to collaborate effectively:
U.S. hyperscalers will need to use the latest technologies in the development and deployment of AI campuses (such as direct-to-chip cooling, natural refrigerants, and electricity generated by solar, wind, or nuclear power), regardless of the additional costs this will entail. They will also need to ensure that citizens who have such a campus in their country or community perceive this as “fair”; it will need to offer them something in return: jobs, free AI, better digital infrastructure in the area, etc. Furthermore, they will need to make it attractive for citizens to easily choose between traditional search algorithms (such as Google) and AI when conducting digital searches. And finally, they will have to stop providing free AI to everyone: this creates a perverse incentive to use it as much as possible, resulting in a high environmental cost that we all share; furthermore, it leads to billions in losses that the providers can only sustain for a few years before going bankrupt
Governments will need to encourage sustainable choices in the construction and operation of AI data centers through subsidies and strict enforcement of laws that mandate sustainability. They will need to address the backlogs in maintenance and expansion of their power grids to resolve the congestion that is emerging everywhere. They will need to streamline their permitting procedures in all related areas, designate sites suitable for these types of large-scale campuses, and help safeguard them against terrorist attacks. They will need to play a crucial communication role in convincing their residents that having such data centers in their communities is a good idea. And they will need to consciously factor in time constraints and help accelerate certain processes (e.g., promoting the sustainable recycling of critical raw materials and encouraging distributed data centers rather than centralized ones).
World political leaders and their staff will have to trade off part of their geopolitical strategies in exchange for genuine cooperation to make the scarce raw materials needed for AI available to this rapidly growing industry—without bloodshed or unreasonable demands on supplier countries
Activist groups critical of the unchecked use of AI will have to do their very best (in a rational manner) to buy humanity the time needed to responsibly introduce and expand the use of AI. Not by waging endless rearguard battles that undermine their credibility and allow their arguments to be dismissed (…let’s stop AI, the human species is under threat…); but by presenting scientifically and philosophically grounded arguments so that policymakers and citizens can make responsible choices. And if that requires a little extra time to resolve the issues or sufficiently mitigate the identified risks, then we’ll have to set aside that time as well.
For the time being, every global citizen will have to realize that it’s better for our environment to use AI only when there are no alternatives. For example, traditional search engines generally consume 10 times less energy per text query than an AI application because search engines search through massive indexes, whereas AI has to process every word. That takes a lot of energy. If you request images or videos, energy consumption skyrockets even further. In this way, everyone can help ensure that AI is used only when it truly adds value—and thereby keep the “environmental footprint” within reasonable limits. A simple short-term step toward this is to completely stop the free use of AI and charge a modest fee for it when you really need it.
And finally: AI isn’t just a problem for our environment—it’s also a solution. Through AI, we’ll be able to achieve a more efficient industry, better grid management, less transportation, smarter building management, improved raw material recycling, and optimized production processes in the coming years. All of this will have a positive impact on energy consumption, global warming, and the use of water, space, and raw materials.
