Když se mluví o ekologické stopě umělé inteligence, většinou přijde na řadu elektřina. Hned za ní voda na chlazení a emise spojené s výrobou energie. Mnohem méně se mluví o tom, co zůstane ve chvíli, kdy se serverová skříň, akcelerátor nebo síťový prvek přestane hodit pro nejnovější generaci AI.
Právě na to upozornil odhad, o kterém jsme psali v rychlé zprávě o odpadu z AI datacenter. Podle něj by infrastruktura pro umělou inteligenci mohla do roku 2050 vytvořit množství odpadu odpovídající až 23 milionům přepravních kontejnerů. To číslo zní dostatečně hrozivě, ale je potřeba s ním zacházet opatrně: nejde o běžně používanou statistickou jednotku a samostatný primární zdroj se mi pro tento přesný přepočet nepodařilo ověřit.
To ale neznamená, že je problém vymyšlený. Znamená to něco méně pohodlného: skutečný problém je pravděpodobně velký, jen ho neumíme poctivě shrnout jedním efektním číslem. AI datacentra přidávají další tlak k už existujícímu toku elektronického odpadu a jejich hardware se obměňuje v prostředí, kde se výkon počítá rychleji než životnost zařízení.
Číslo s kontejnery není hlavní pointa
Přepočet odpadu na přepravní kontejnery může být pro titulní stránku působivý, pro seriózní analýzu je ale problematický. Záleží na tom, zda se počítá podle hmotnosti nebo objemu, jaká hustota směsného odpadu se použije a zda jde o plné kontejnery, nebo jen o teoretickou přepravní kapacitu. Bez přesné metodiky nelze číslo 23 milionů porovnávat s oficiálními statistikami.
Ověřitelnější měřítko nabízí studie publikovaná v Nature Computational Science. Ta modeluje elektronický odpad spojený s generativní AI do roku 2030 a podle zvoleného scénáře dochází k řádu jednotek milionů tun. Autoři pracují s růstem poptávky po AI, počtem potřebných serverů, jejich hmotností a životností i s možností opětovného použití komponent.
Rozptyl výsledků je přitom důležitější než jedno číslo uprostřed. Studie ukazuje scénáře přibližně od 1,2 do 5 milionů tun odpadu do roku 2030 a zároveň odhaduje, že cirkulární opatření mohou tento objem snížit o 16 až 86 procent. Tak široké rozpětí není chyba výpočtu. Je to připomínka, že budoucí odpad závisí na tom, jak rychle se bude AI rozšiřovat, jak dlouho hardware vydrží a co s ním provozovatelé udělají po vyřazení.
AI hardware nestárne jen technicky
Server nemusí být fyzicky rozbitý, aby se stal pro AI datacentrum nepohodlným. Nová generace akcelerátorů může nabídnout lepší výkon na watt, větší paměť nebo rychlejší propojení mezi čipy. Pokud se provozovateli vyplatí vyměnit starší systém za nový, vzniká zařízení, které je z pohledu běžného výpočetního provozu stále použitelné, ale v nejvýnosnější části trhu už nestačí.
To je rozdíl proti klasickému kancelářskému počítači. U něj může několik let starý procesor bez problémů obsluhovat poštu, dokumenty nebo web. U trénování a provozu velkých modelů rozhodují také datová propustnost, rychlost paměti, síť mezi servery a spotřeba energie na jednotku výpočtu. Zastarání proto nemusí znamenat poruchu. Může znamenat, že elektřina a prostor v datacentru začnou být dražší než nový hardware.
Výsledkem je rychlejší materiálový cyklus. Nejde jen o GPU, které jsou v centru pozornosti, ale také o paměťové moduly, základní desky, napájecí zdroje, síťové karty, úložiště, kabeláž, chladicí prvky a celé serverové šasi. Čím větší je cluster, tím více podpůrných součástí se mění spolu s ním.
Právě zde se potkává materiálová stopa s ekonomikou. Provozovatel datacentra může mít dobrý důvod zařízení vyměnit, ale tím se náklady na likvidaci neztratí. Jen se přesunou mimo rozvahu projektu, často k dodavateli odpadu, repasovacímu trhu nebo do země, kde je kontrola zpracování slabší.
Svět už dnes recyklaci nestíhá
AI nezačíná s čistým stolem. Global E-waste Monitor 2024 uvádí, že svět v roce 2022 vytvořil přibližně 62 milionů tun elektronického odpadu. Formálně se sesbíralo a recyklovalo jen 22,3 procenta tohoto množství. Do roku 2030 má podle stejného zdroje objem narůst přibližně na 82 milionů tun ročně.
Do této statistiky se započítávají telefony, počítače, domácí spotřebiče i průmyslová elektronika. AI servery tedy nejsou jedinou příčinou problému a nebylo by poctivé tvrdit, že právě ony vysvětlují celý budoucí růst. Jsou ale rychle rostoucí a materiálově náročnou částí infrastruktury, která se navíc soustřeďuje do obrovských provozů.
Recyklace serveru také není totéž co recyklace hliníkové plechovky. Zařízení obsahuje směs kovů, plastů, skla, desek plošných spojů a součástek, které mohou mít vysokou hodnotu, ale jejich oddělení stojí práci, energii a specializované vybavení. U některých materiálů se vyplatí získat zpět měď, hliník nebo drahé kovy. U jiných může být levnější zařízení rozebrat jen částečně nebo ho poslat dál jako celek.
A právě tady vzniká prostor pro rozdíl mezi recyklací na papíře a skutečným zpracováním. Zařízení může být předáno autorizovanému partnerovi, ale to samo o sobě ještě neříká, kolik materiálu se opravdu vrátí do výroby, co se stane s nevyužitelným zbytkem a zda data na vyřazených discích skutečně zmizí.
Nejlepší odpad je ten, který nevznikne
Největší potenciál proto nemusí mít samotná recyklační linka. Lepší je prodloužit životnost zařízení, opravit ho, přestavět nebo ho použít pro méně náročné úlohy. Server, který už není ideální pro trénování největšího modelu, může stále dávat smysl pro inference menšího modelu, dávkové výpočty, výzkum nebo interní služby.
Takové řešení má své limity. Přesun starého hardwaru do jiného provozu může znamenat vyšší spotřebu elektřiny, složitější údržbu a horší efektivitu. Opětovné použití proto není automaticky ekologické vítězství. Musí se porovnat s tím, kolik energie a materiálu by vyžádala výroba nového zařízení a jaké náklady má provoz staršího systému.
Studie z Nature Computational Science přesto ukazuje, že právě delší životnost, repasování a opětovné použití mohou výsledný objem odpadu výrazně ovlivnit. Z hlediska provozovatele by proto nemělo stačit sledovat jen cenu nového akcelerátoru a jeho výkon. Do rozhodování by měl vstoupit i plán pro starší generaci, dostupnost náhradních dílů a možnost bezpečného převedení zařízení jinam.
To je také otázka designu. Pokud výrobce serveru znemožní opravu, uzamkne firmware na konkrétní konfiguraci nebo nedodává náhradní díly, zvyšuje pravděpodobnost, že zařízení skončí jako odpad dříve, než je fyzicky opotřebované. U AI infrastruktury, která se prodává jako strategická kapacita, by měla být opravitelnost stejně konkrétní vlastností jako výkon a spotřeba.
Kdo zaplatí poslední fázi AI boomu?
Provozovatelé datacenter dnes soutěží o elektřinu, pozemky, čipy a připojení k síti. Energetická stránka tohoto závodu je vidět nejlépe, protože se promítá do účtů a veřejných debat. Náklady na vyřazený hardware jsou méně viditelné. Objeví se až později, často u firmy, která infrastrukturu nevlastní, nebo u státu, který musí řešit následky špatně kontrolovaného odpadu.
Odpověď nemůže znít jen „ať to zaplatí provozovatel datacentra“. Prakticky je potřeba rozdělit odpovědnost mezi výrobce, vlastníka zařízení, provozovatele, dodavatele leasingu a zpracovatele odpadu. Pokud je hardware pronajatý, musí smlouva určit, kdo ho po skončení životnosti převezme, jak se ověří vymazání dat a co se stane s komponentami, které už nejdou použít.
Složitější je přeshraniční pohyb. Datacentrum může stát v jedné zemi, hardware vyrobit druhá, repasovat třetí a konečný odpad skončit ve čtvrté. Basilejská úmluva proto od roku 2025 zpřísňuje pravidla pro kontrolu přeshraniční přepravy elektronického odpadu. Smyslem je mimo jiné omezit situaci, kdy bohatší země vyvezou problém tam, kde je levnější, ale méně bezpečné zpracování.
Regulace sama o sobě ale nezaručí odpovědné chování. Bude záležet na tom, zda budou firmy zveřejňovat, kolik serverů vyřadily, kolik komponent znovu použily a kolik odpadu skutečně předaly k recyklaci. Bez takových údajů se každá debata o udržitelné AI snadno zredukuje na marketingové prohlášení.
Elektřina je jen první řádek účtu
Energetická náročnost zůstává obrovským tématem. Mezinárodní energetická agentura odhadla, že datacentra, AI a kryptoměny dohromady spotřebovaly v roce 2022 přibližně 460 TWh elektřiny a do roku 2026 by se spotřeba tohoto segmentu mohla více než zdvojnásobit. To je důležitý údaj, ale nepopisuje celý účet.
Vedle elektřiny existuje těžba a zpracování surovin, výroba čipů, pouzdření, doprava, budovy, chlazení, voda a nakonec likvidace. Některé položky se mohou s novou generací hardwaru zlepšit. Efektivnější akcelerátor může nabídnout více výpočtů při stejné spotřebě. Pokud se ale současně nasadí mnohonásobně více akcelerátorů, celková materiálová a energetická stopa může dál růst.
To je známý problém růstu efektivity: zařízení může být úspornější samo o sobě, ale levnější a dostupnější výpočet vyvolá větší poptávku. U AI proto nestačí ukazovat spotřebu jednoho modelu nebo jednoho serveru. Je potřeba sledovat celý životní cyklus a skutečný počet nasazených zařízení.
AI infrastruktura se tak dostává do stejné nepříjemné situace jako jiné průmyslové technologie. Přínosy se často připisují produktu a náklady se rozptýlí do dodavatelského řetězce, veřejné infrastruktury a budoucího odpadu. Pokud se má mluvit o efektivnější AI, musí se do slova efektivita vejít i to, co se stane s hardwarem po posledním výpočtu.
Číslo 23 milionů kontejnerů proto není nutné přijímat jako přesnou předpověď, aby dávalo smysl brát varování vážně. Důležitější je, že rychlá výstavba AI datacenter vytváří rychlý tok zařízení, jehož konec zatím nemá stejně přesvědčivý plán jako jeho začátek. Elektřinu lze měřit každý měsíc. Odpověď na otázku, kdo za deset let zpracuje vyřazené servery, se zatím hledá mnohem hůř.
