AI miała pomagać ratować klimat, ale jej apetyt na energię rośnie. Nowy raport prześwietlił 200 firm technologicznych

Sztuczna inteligencja miała pomagać przewidywać produkcję energii z wiatru i słońca, ograniczać zużycie prądu w budynkach, usprawniać transport oraz szybciej projektować technologie potrzebne do dekarbonizacji gospodarki. Wszystkie te zastosowania pozostają realne. Jednocześnie rozwój generatywnej AI stworzył jednak gigantyczne zapotrzebowanie na serwery, procesory, centra danych i energię elektryczną. Najnowsze zestawienie obejmujące 200 największych firm cyfrowych pokazuje, jak trudne staje się pogodzenie obu stron tej historii. Sektor technologiczny składa coraz ambitniejsze deklaracje klimatyczne i kupuje ogromne ilości energii odnawialnej, ale rzeczywiste emisje nie spadają wystarczająco szybko. W najbardziej energochłonnej części rynku zaczynają wręcz rosnąć.

Raport "Greening Digital Companies 2026" przygotowany przez Międzynarodowy Związek Telekomunikacyjny i World Benchmarking Alliance analizuje dane dotyczące między innymi emisji, zużycia energii, wykorzystania odnawialnych źródeł oraz planów transformacji klimatycznej. Najbardziej interesujące jest porównanie różnych części sektora. Podczas gdy duzi operatorzy telekomunikacyjni potrafili w ostatnich latach ograniczać emisje, firmy znajdujące się w centrum boomu AI i chmury zwiększały zapotrzebowanie na infrastrukturę. Powstaje więc cyfrowy paradoks: technologia, która może pomagać innym branżom zużywać mniej energii, sama potrzebuje jej coraz więcej.

Co pokazał raport analizujący wpływ 200 firm technologicznych na klimat?

Raport obejmuje 200 dużych przedsiębiorstw działających między innymi w telekomunikacji, usługach IT, elektronice, chmurze i innych segmentach gospodarki cyfrowej. Autorzy analizowali publicznie dostępne dane dotyczące roku raportowego 2024. Jest to ważne zastrzeżenie, ponieważ dokument został opublikowany w 2026 roku, ale nie opisuje pełnego zużycia energii przez infrastrukturę powstałą w 2025 i 2026 roku. Tymczasem właśnie w tych latach inwestycje w centra danych AI dodatkowo przyspieszyły. Raport należy więc traktować bardziej jako zdjęcie początku infrastrukturalnego boomu niż jego ostatecznego efektu.

Badane firmy wykazały łącznie około 301 mln ton ekwiwalentu CO2 emisji operacyjnych, czyli emisji bezpośrednich oraz związanych z zakupioną energią. Było to o 1,2 proc. więcej niż rok wcześniej. W skali globalnej liczba może nie wyglądać dominująco, ale odpowiadała około 0,8 proc. światowych emisji związanych z energią. Znacznie ciekawszy jest kierunek zmian. Sektor cyfrowy przez lata był przedstawiany jako gospodarka bardziej efektywna materiałowo niż tradycyjny przemysł. Wraz z rozwojem centrów danych coraz wyraźniej widać jednak, że usługi cyfrowe również posiadają ogromną fizyczną infrastrukturę.

Ile energii elektrycznej zużywają największe firmy cyfrowe?

Spośród 200 analizowanych przedsiębiorstw 163 ujawniły dane dotyczące zużycia energii elektrycznej. Łącznie wykorzystały około 494 TWh w ciągu roku. Dla porównania jest to ilość odpowiadająca około 1,7 proc. globalnego zużycia energii elektrycznej. Nie oznacza to oczywiście, że cała ta energia była zużywana przez sztuczną inteligencję. W zestawieniu znajdują się operatorzy telekomunikacyjni, producenci sprzętu, dostawcy usług chmurowych i inne przedsiębiorstwa posiadające ogromną infrastrukturę działającą niezależnie od generatywnej AI.

Najbardziej interesująca jest koncentracja zużycia. Ponad połowa raportowanej energii przypadała na zaledwie dziesięć firm. Pokazuje to, jak mocno infrastruktura cyfrowa koncentruje się wokół największych graczy. W praktyce decyzja kilku globalnych koncernów o budowie kolejnych centrów danych może mieć wpływ na zapotrzebowanie energetyczne całych regionów. Jeśli jedna firma uruchamia kampus wymagający setek megawatów mocy, lokalna sieć musi reagować podobnie jak w przypadku pojawienia się dużego zakładu przemysłowego.

Dlaczego rozwój sztucznej inteligencji tak szybko zwiększa zapotrzebowanie na energię?

Współczesne systemy AI wymagają ogromnej liczby operacji matematycznych. Podczas trenowania dużego modelu tysiące akceleratorów mogą pracować równolegle przez wiele tygodni. Nie jest to jednak jedyny koszt. Po zakończeniu treningu model trzeba udostępnić użytkownikom. Każde pytanie do chatbota, wygenerowanie obrazu, analiza pliku czy stworzenie filmu wymaga kolejnych obliczeń wykonywanych w centrum danych. Im więcej użytkowników i bardziej zaawansowane modele, tym większa liczba procesorów pracuje przez całą dobę.

Do tego dochodzi rozwój nowych sposobów korzystania z AI. System rozumujący może wykonywać znacznie więcej obliczeń przed udzieleniem odpowiedzi niż prosty chatbot. Agent AI może samodzielnie uruchamiać narzędzia, analizować rezultaty i wielokrotnie wywoływać model w ramach jednego polecenia użytkownika. Generowanie wideo jest jeszcze bardziej wymagające niż generowanie tekstu. Dlatego przyszłe zużycie energii nie zależy wyłącznie od liczby osób korzystających ze sztucznej inteligencji. Znaczenie ma również ilość obliczeń ukrytych za każdym pojedynczym kliknięciem.

Dlaczego emisje największych firm AI rosną mimo ich inwestycji w zieloną energię?

Największe firmy technologiczne należą jednocześnie do największych korporacyjnych nabywców energii odnawialnej. Podpisują wieloletnie umowy na farmy wiatrowe i fotowoltaiczne, inwestują w magazyny energii oraz coraz częściej interesują się energetyką jądrową i geotermalną. Problem polega na tym, że infrastruktura AI rośnie w tempie, za którym nowe niskoemisyjne źródła nie zawsze nadążają. Centrum danych może powstać szybciej niż elektrownia, linia przesyłowa albo całodobowe źródło bezemisyjnej energii.

W przypadku czterech największych dostawców AI i chmury analizowanych w raporcie emisje operacyjne w 2024 roku znajdowały się na poziomie około 192-239 proc. wartości z 2020 roku. Nie oznacza to, że cały wzrost został spowodowany wyłącznie przez generatywną AI, ponieważ równolegle rosły chmura, streaming i pozostałe usługi cyfrowe. Autorzy raportu wskazują jednak gwałtowną rozbudowę infrastruktury oraz rosnące zapotrzebowanie energetyczne AI jako jeden z najważniejszych nowych czynników zmieniających trajektorię emisji branży.

Dlaczego telekomy zmniejszają emisje, gdy firmy AI zwiększają swoje?

To jedno z najbardziej wymownych porównań zawartych w raporcie. Czternaście dużych firm telekomunikacyjnych zmniejszyło w analizowanym okresie emisje operacyjne łącznie o około 11 proc. Telekomunikacja nadal wymaga ogromnej ilości infrastruktury, ale jej wzrost jest bardziej przewidywalny. Sieci komórkowe stają się wydajniejsze, starszy sprzęt jest zastępowany energooszczędniejszym, a operatorzy mogą stosunkowo łatwo prognozować przyszłe zapotrzebowanie na transmisję danych.

AI znajduje się natomiast w fazie gwałtownej ekspansji. Firmy nie tylko zastępują stare serwery nowymi, lecz budują całkowicie nowe klastry obliczeniowe liczące dziesiątki tysięcy akceleratorów. Każda kolejna generacja modeli otwiera dodatkowe zastosowania, które natychmiast zwiększają popyt. Branża przypomina więc bardziej okres szybkiej industrializacji niż stabilny sektor infrastrukturalny. Nawet duża poprawa efektywności pojedynczego procesora może zostać pochłonięta przez jeszcze szybszy wzrost całkowitej liczby wykonywanych obliczeń.

Czy AI rzeczywiście może pomagać w walce ze zmianami klimatu?

Tak i rosnący ślad energetyczny nie przekreśla tych zastosowań. Modele mogą analizować ogromne ilości danych pogodowych i pomagać lepiej przewidywać produkcję energii słonecznej oraz wiatrowej. Mogą optymalizować zużycie energii w budynkach, planować pracę sieci energetycznych, analizować trasy transportowe i pomagać wykrywać awarie urządzeń przemysłowych. Jeśli dzięki lepszemu sterowaniu system zużyje kilka procent mniej paliwa lub energii, przy odpowiednio dużej skali może oznaczać znaczące ograniczenie emisji.

Sztuczna inteligencja znajduje zastosowanie również w badaniach materiałowych. Może pomagać poszukiwać nowych elektrolitów do baterii, katalizatorów, materiałów dla fotowoltaiki czy technologii przemysłowych wymagających mniejszej ilości energii. Problem polega jednak na konieczności patrzenia na bilans całego systemu. Sam fakt, że AI została zastosowana w projekcie klimatycznym, nie oznacza automatycznie dodatniego efektu netto. Korzyści należy zestawić z energią zużytą na trening, działanie modelu i budowę potrzebnej infrastruktury.

Czy coraz wydajniejsze procesory sprawią, że problem energetyczny AI sam zniknie?

Nowe generacje akceleratorów potrafią wykonywać znacznie więcej operacji z każdego wata energii. Również modele stają się bardziej efektywne dzięki kwantyzacji, lepszemu wykorzystaniu pamięci, specjalizacji oraz zmianom architektury. To ogromny postęp. Zadanie, które kilka lat wcześniej wymagało dużego klastra, może dziś zostać wykonane znacznie taniej. W teorii powinno to zmniejszać zużycie prądu związane z pojedynczą operacją AI.

W praktyce działa jednak efekt podobny do paradoksu Jevonsa. Jeśli koszt korzystania z technologii spada, zaczynamy używać jej znacznie częściej. Tańsze generowanie obrazów powoduje, że firmy generują ich miliony. Tańsze modele językowe są integrowane z kolejnymi aplikacjami. Efektywniejszy agent może pracować przez godzinę zamiast pięciu minut, bo jego użycie nadal mieści się w budżecie. Efektywność energetyczna pozostaje więc niezwykle ważna, ale nie gwarantuje spadku całkowitego zużycia energii przez sektor.

Dlaczego tylko 25 z 200 firm korzysta w pełni z odnawialnej energii elektrycznej?

Raport wskazuje, że zaledwie 25 analizowanych przedsiębiorstw deklarowało pozyskiwanie 100 proc. energii elektrycznej ze źródeł odnawialnych. Może wydawać się to zaskakująco małą liczbą, ponieważ branża technologiczna od lat publikuje komunikaty dotyczące ogromnych kontraktów na zieloną energię. Trzeba jednak pamiętać, że osiągnięcie pełnego pokrycia globalnego zużycia jest trudniejsze niż podpisanie pojedynczej umowy z farmą wiatrową czy zakup certyfikatów.

Duże przedsiębiorstwo posiada biura, fabryki, magazyny, sieci i centra danych w wielu krajach. W jednym regionie może mieć łatwy dostęp do energii słonecznej, a w innym korzystać z sieci zdominowanej przez węgiel lub gaz. Dodatkowo roczne bilansowanie odnawialnej energii nie oznacza, że centrum danych działa bezemisyjnie w każdej godzinie. Jeśli nocą nie ma produkcji z fotowoltaiki, prąd może pochodzić z innych elektrowni. Dlatego coraz większe znaczenie ma koncepcja rzeczywistego całodobowego dopasowania produkcji czystej energii do zapotrzebowania.

Czym różnią się emisje Scope 1, Scope 2 i Scope 3 w firmie technologicznej?

Scope 1 obejmuje bezpośrednie emisje ze źródeł kontrolowanych przez firmę. Mogą to być między innymi generatory, pojazdy albo paliwa wykorzystywane w posiadanych obiektach. Scope 2 dotyczy emisji związanych z zakupioną energią elektryczną, ogrzewaniem lub chłodzeniem. W przypadku operatorów centrów danych to właśnie ten obszar często przyciąga największą uwagę, ponieważ serwery wymagają nieustannego dostępu do ogromnych ilości prądu.

Największym problemem może być jednak Scope 3, czyli cały łańcuch wartości. Obejmuje produkcję chipów, serwerów, urządzeń elektronicznych, materiały, transport, działalność dostawców, a zależnie od firmy również sposób używania produktów przez klientów. W przedsiębiorstwach, które ujawniły pełniejsze dane, Scope 3 odpowiadało za około 76 proc. raportowanego śladu emisyjnego. Oznacza to, że zasilenie centrum danych zieloną energią nie rozwiązuje całego problemu, jeśli tysiące nowych serwerów produkowane są w energochłonnym łańcuchu dostaw.

Dlaczego produkcja chipów i serwerów również zwiększa ślad klimatyczny AI?

Centrum danych nie jest abstrakcyjną chmurą. Składa się z ogromnej ilości fizycznego sprzętu: procesorów, pamięci, płyt głównych, przełączników, kabli, systemów chłodzenia i zasilaczy. Produkcja najbardziej zaawansowanych półprzewodników wymaga rozbudowanych fabryk, dużej ilości energii, wody i specjalistycznych materiałów. Następnie cały sprzęt trzeba przetransportować, zamontować i po kilku latach częściowo zastąpić nowszą generacją.

Boom AI dodatkowo zwiększa tempo inwestycji. Firmy budują całe nowe kampusy i zamawiają setki tysięcy akceleratorów, aby zdobyć przewagę nad konkurencją. Nawet jeśli nowy procesor jest znacznie bardziej energooszczędny podczas działania, jego produkcja również posiada własny ślad środowiskowy. Dlatego prawidłowa analiza AI nie powinna kończyć się na rachunku za energię centrum danych. Trzeba brać pod uwagę pełny cykl życia infrastruktury, od wydobycia surowców do utylizacji sprzętu.

Dlaczego tylko część firm ujawnia pełne dane dotyczące swojego wpływu na klimat?

Przejrzystość poprawia się, ale nadal jest daleka od pełnej. W analizowanej grupie 89 proc. firm ujawniało emisje bezpośrednie Scope 1, a 81 proc. raportowało informacje dotyczące Scope 2. Znacznie gorzej sytuacja wyglądała w łańcuchu wartości. Jedynie około 47 proc. przedsiębiorstw publikowało emisje ze wszystkich istotnych kategorii Scope 3. To ogromny problem, ponieważ właśnie tam może znajdować się większość rzeczywistego śladu dużej firmy technologicznej.

Dodatkowym wyzwaniem jest sama sztuczna inteligencja. Firmy często podają łączne zużycie energii całych centrów danych, nie rozdzielając dokładnie, jaka część przypada na AI, klasyczną chmurę, wyszukiwarkę, streaming czy inne usługi. Z punktu widzenia konkurencji takie informacje mogą być bardzo wrażliwe, ponieważ pośrednio ujawniają skalę infrastruktury. Dla badaczy klimatu oznacza to jednak trudność w odpowiedzi na pozornie proste pytanie: ile energii naprawdę zużywa globalna generatywna AI?

Czy cele klimatyczne największych firm technologicznych są nadal możliwe do osiągnięcia?

Większość dużych przedsiębiorstw posiada już konkretne zobowiązania redukcyjne. W badanej grupie 151 firm deklarowało krótkoterminowe cele ograniczenia emisji Scope 1 i 2. Nie wszystkie zostały jednak zweryfikowane według naukowych standardów, a jeszcze mniejsza część znajduje się na ścieżce pozwalającej je osiągnąć. Raport wskazuje, że 114 celów posiadało walidację opartą na naukowych ramach, natomiast 85 oceniono jako realizowane zgodnie z wymaganym tempem.

AI dodatkowo komplikuje wcześniejsze plany. Cel ustalony w 2020 lub 2021 roku mógł zakładać stosunkowo przewidywalny wzrost infrastruktury cyfrowej. Pojawienie się generatywnej AI całkowicie zmieniło te założenia. Firmy budują znacznie więcej centrów danych, zamawiają rekordowe ilości chipów i potrzebują dodatkowych gigawatów energii. Nie oznacza to, że cele należy porzucić. Pokazuje jednak, że samo zwiększanie zakupu zielonych certyfikatów może nie wystarczyć, jeśli tempo wzrostu infrastruktury jest szybsze od dekarbonizacji systemu energetycznego.

Dlaczego tylko 41 procent firm ma kompleksowy plan transformacji klimatycznej?

Deklaracja osiągnięcia neutralności klimatycznej jest stosunkowo łatwa. Znacznie trudniej przedstawić szczegółowy plan pokazujący, jakie inwestycje zostaną wykonane, kto odpowiada za realizację, jakie będą cele pośrednie oraz jak firma zamierza pracować z dostawcami. Autorzy raportu uznali, że tylko 81 spośród 200 przedsiębiorstw posiada wystarczająco kompleksowe plany transformacji obejmujące strategię, wdrożenie, wskaźniki, zarządzanie i współpracę z interesariuszami.

To szczególnie ważne w erze AI, ponieważ pomiędzy deklaracją a realizacją pojawiają się ogromne inwestycje infrastrukturalne. Firma może jednocześnie obiecywać neutralność klimatyczną i planować budowę kilku centrów danych wymagających nowych gigawatów mocy. Wiarygodny plan musi więc odpowiedzieć na pytanie, skąd ta energia będzie pochodziła i jak szybko pojawią się nowe czyste źródła. Bez takiej odpowiedzi cel wyznaczony na 2030 czy 2040 rok pozostaje bardziej ambicją niż realnym harmonogramem.

Czy centra danych AI mogą przyspieszyć rozwój odnawialnych źródeł energii?

Paradoksalnie tak. Ogromne zapotrzebowanie największych firm technologicznych daje im możliwość podpisywania wieloletnich kontraktów energetycznych, które ułatwiają finansowanie nowych elektrowni. Jeśli operator centrum danych zobowiązuje się kupować energię przez kilkanaście lat, bank może łatwiej sfinansować budowę farmy wiatrowej, słonecznej czy innego źródła. Z tego powodu sektor technologiczny już dziś jest jednym z najważniejszych korporacyjnych nabywców czystej energii.

Problem pojawia się wtedy, gdy nowa produkcja nie nadąża za wzrostem popytu. Jeżeli firma uruchamia centrum danych potrzebujące 500 MW, a równocześnie finansuje źródła dostarczające tylko część tej mocy, bilans całego systemu nadal może wymagać większego wykorzystania gazu lub innych paliw kopalnych. Dlatego coraz ważniejsza będzie synchronizacja inwestycji. Nowe moce obliczeniowe powinny pojawiać się równolegle z nowymi źródłami energii oraz infrastrukturą sieciową potrzebną do ich podłączenia.

Czy energetyka jądrowa może stać się rozwiązaniem problemu energochłonnej AI?

Największe firmy technologiczne coraz częściej interesują się energią jądrową, ponieważ centra danych wymagają stabilnej mocy przez całą dobę. Elektrownia atomowa nie jest zależna od słońca ani wiatru i może dostarczać ogromne ilości niskoemisyjnej energii przez wiele lat. To bardzo dobrze pasuje do infrastruktury, która również ma pracować bez przerwy. Dlatego powstają umowy dotyczące istniejących bloków, planów ich ponownego uruchomienia oraz przyszłych małych reaktorów modułowych.

Atom nie jest jednak szybkim lekarstwem na boom AI. Projektowanie, finansowanie, zatwierdzanie i budowa nowych reaktorów może trwać wiele lat. Małe reaktory modułowe nadal muszą dodatkowo udowodnić swoją konkurencyjność w masowej komercyjnej eksploatacji. W krótkim okresie firmy będą więc potrzebowały mieszanki różnych rozwiązań: energetyki odnawialnej, magazynów energii, sieci, istniejącego atomu oraz w części regionów również elektrowni gazowych. Prawdziwym wyzwaniem jest pogodzenie szybkości budowy centrów danych z dużo wolniejszym cyklem inwestycji energetycznych.

Czy AI może zwiększać emisje nawet wtedy, gdy pojedyncze zapytanie staje się coraz bardziej ekologiczne?

Tak. To jedna z najważniejszych różnic pomiędzy efektywnością jednostkową a całkowitym wpływem systemu. Załóżmy, że dzięki nowemu procesorowi wykonanie określonego zadania AI wymaga o połowę mniej energii. Jeśli liczba takich zadań w tym samym czasie wzrośnie pięciokrotnie, całkowite zużycie i tak będzie znacznie większe. Właśnie taki scenariusz może obecnie zachodzić w branży generatywnej AI.

Nowe funkcje są integrowane z wyszukiwarkami, systemami operacyjnymi, pakietami biurowymi, telefonami i narzędziami biznesowymi. AI zaczyna więc wykonywać zadania, które wcześniej w ogóle nie wymagały dużego modelu. Do tego dochodzą automatyczne agenty działające przez wiele minut lub godzin. Dlatego samo chwalenie się spadkiem energii potrzebnej do pojedynczego zapytania nie daje pełnej odpowiedzi na pytanie o środowiskowy wpływ produktu. Potrzebna jest informacja o całkowitym zużyciu wszystkich usług.

Czy ograniczenie rozwoju AI jest jedynym sposobem na zmniejszenie jej wpływu klimatycznego?

Nie. Istnieje ogromne pole do poprawy efektywności bez rezygnowania z rozwoju technologii. Nie każde zadanie wymaga największego dostępnego modelu. Proste zapytania mogą być obsługiwane przez mniejsze systemy działające lokalnie na urządzeniu albo przez modele zoptymalizowane do konkretnego zastosowania. Centra danych mogą lepiej planować obciążenie w godzinach dużej dostępności czystej energii, a ciepło odpadowe może być wykorzystywane w lokalnych systemach ogrzewania.

Znaczenie będzie miało także projektowanie samych usług. Jeśli aplikacja automatycznie uruchamia model dla każdej drobnej czynności tylko dlatego, że technicznie jest to możliwe, zużycie energii rośnie bez proporcjonalnej korzyści. Efektywna AI powinna więc oznaczać nie tylko szybszy procesor, ale również rozsądniejsze wykorzystywanie obliczeń. Najbardziej ekologiczna operacja to czasem taka, której system nie musi wykonywać wcale, ponieważ wynik można uzyskać prostszym algorytmem albo wykorzystać wcześniej obliczoną odpowiedź.

Czy sztuczna inteligencja ostatecznie pomoże klimatowi bardziej, niż mu zaszkodzi?

Na obecnym etapie nie da się uczciwie podać jednej liczby odpowiadającej na to pytanie. Potencjalne korzyści są ogromne, ale niezwykle trudne do oddzielenia od innych zmian technologicznych. Jeśli AI poprawi efektywność sieci energetycznej o kilka procent, trudno dokładnie określić, jaka część redukcji emisji wynikała z samego modelu, a jaka z nowych paneli słonecznych, baterii czy modernizacji infrastruktury. Podobnie trudno przypisać całe zużycie centrum danych wyłącznie jednej usłudze AI.

Najnowszy raport nie mówi więc, że sztuczna inteligencja jest klimatycznym błędem. Pokazuje coś bardziej interesującego: cyfrowa transformacja nie jest automatycznie zieloną transformacją. Technologia może pomagać ograniczać emisje, ale nie zostaje zwolniona z odpowiedzialności za własne zużycie energii, produkcję sprzętu i łańcuch dostaw. Ostateczny bilans będzie zależał od tego, czy rozwój mocy obliczeniowej zostanie połączony z równie szybkim rozwojem czystej energetyki oraz znacznie większą przejrzystością.

Czy boom na AI może zmusić Big Tech do całkowicie nowego podejścia do energii?

Wszystko wskazuje na to, że proces już się rozpoczął. Jeszcze kilka lat temu energia była dla firmy technologicznej przede wszystkim kosztem operacyjnym oraz elementem polityki ESG. Dziś staje się zasobem strategicznym, podobnie jak procesory, dane czy najlepsi inżynierowie. Przedsiębiorstwo może mieć pieniądze na zakup setek tysięcy akceleratorów, ale bez odpowiednio dużego przyłącza energetycznego nie będzie w stanie ich uruchomić. To zmienia sposób planowania całego biznesu.

Największe firmy technologiczne zaczynają więc zachowywać się częściowo jak przedsiębiorstwa energetyczne. Finansują nowe źródła, analizują atom, inwestują w magazyny, kupują całe portfele energii i szukają lokalizacji posiadających dostęp do ogromnej mocy. Raport dotyczący 200 firm pokazuje, dlaczego ta zmiana jest konieczna. AI nadal może stać się potężnym narzędziem transformacji klimatycznej, ale jej własny apetyt na energię rośnie zbyt szybko, aby można było go ignorować. Prawdziwym wyzwaniem następnej dekady będzie więc nie tylko stworzenie inteligentniejszych modeli, lecz zbudowanie infrastruktury, która pozwoli je zasilać bez jednoczesnego oddalania świata od celów klimatycznych.