A mesterséges intelligenciáról legtöbbször úgy beszélünk, mint olyan technológiáról, amely gyorsabbá, olcsóbbá és hatékonyabbá teszi a vállalatok működését. Sokkal kevesebb szó esik arról, hogy ennek a hatékonyságnak ára is van: az AI hatalmas mennyiségű villamos energiát igényel, különösen az adatközpontokban. A nagy AI-sztori új adásában Nagy-Gál Levente, a Schneider Electric fenntarthatósági és energiahatékonysági tanácsadója arról beszélt, hogy az AI energiaigényét nem lehet külön kezelni az épületek, ipari létesítmények, adatközpontok és villamoshálózatok jövőjétől. A podcast állandó szakmai vendége Aczél Petra kommunikációkutató, a Széchenyi István Egyetem professzora.

A teljes adást itt tekinthetik meg:

Nagy-Gál Levente szerint a Schneider Electric Magyarországon azon dolgozik, hogy partnereinél növelje az energiahatékonyságot, és a digitalizációt az épületek, ipari rendszerek és adatközpontok működésének javítására használja. A mesterséges intelligencia ebben kettős szerepben jelenik meg. Egyrészt maga is jelentős fogyasztó, másrészt viszont képes olyan adatmennyiséget kezelni, amelynek segítségével optimalizálható az energiafelhasználás.

Az AI energiaigénye már a betanításnál is látványos. A beszélgetésben elhangzott példa szerint 

Az adatközpontok energiafelhasználása pedig a következő években tovább növekedhet.

A leglátványosabb példa az adatközpontoknál jelenik meg. Egy hagyományos felhőalapú szolgáltatói rack nagyjából 20 kilowattos lehet, miközben egy folyamatosan dolgozó AI-rendszer ennek akár a tízszeresét is igényelheti. Nagy-Gál Levente ezt úgy fogalmazta meg: ez olyan, mintha 200 hajszárító dübörögne egy kétajtós szekrényben. Ezt nemcsak árammal kell ellátni, hanem hűteni is kell.

A hűtés, az energiaelosztás és az infrastruktúra ezért kulcskérdéssé válik. Az adatközpontoknál nem elég több energiát termelni; azt el is kell juttatni a fogyasztókhoz, kezelni kell a hőterhelést, és biztosítani kell a folyamatos működést. Ha az AI terjedése exponenciális, akkor az energiarendszernek is lépést kell tartania vele.

A mesterséges intelligencia ugyanakkor nem csak problémát jelent. Az energiahatékonyságban éppen az lehet az egyik nagy előnye, hogy rengeteg adatot képes egyszerre kezelni. Egy épületnél például a légkezelést, a környezeti paramétereket, a foglaltsági adatokat, az időjárási hatásokat és az energiafogyasztást egyszerre kell figyelembe venni. Ezt emberi szinten nehéz folyamatosan átlátni, de egy prediktív AI-rendszer képes lehet optimalizálni.

Az okosépületek lényege éppen az, hogy az épületfelügyeleti rendszer az irodaház „agyaként” képes vezérelni a légkezelést, a fűtést, a hűtést vagy akár a zsalúziákat. Ha ezekhez foglaltsági adatok is kapcsolódnak, az épület nem ugyanúgy működik egy üres tárgyalóban, mint egy zsúfolt munkanapon. Ez már nem egyszerű automatizálás, hanem adatvezérelt energiaoptimalizálás.

Nem elég több energiát termelni, ha nincs megfelelő „úthálózat”, amely eljuttatja azt a fogyasztókhoz. A megújuló energia, a nukleáris kapacitás, az adatközpontok, az ipari elektrifikáció és a lakossági kiserőművek mind olyan rendszerbe kerülnek, amelyet egyre jobban kell monitorozni és vezérelni.

A mesterséges intelligencia tehát nemcsak új fogyasztóként jelenik meg az energiarendszerben, hanem olyan technológiaként is, amely segíthet abban, hogy kevesebb pazarlással működjön a rendszer. A kérdés az, hogy a vállalatok időben felismerik-e ezt. Mert az energiahatékonyság addig tűnik kényelmi kérdésnek, amíg nem fáj, utána viszont nagyon gyorsan stratégiai kérdéssé válik.

Részletek a beszélgetés tartalmából:

• 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 korábbi podcastjeinket itt hallgathatják meg.