Im bardziej energooszczędna jest sztuczna inteligencja, tym więcej kilowatów zużywa.

Infrastruktura sztucznej inteligencji nadal wymaga energii elektrycznej na niespotykanym dotąd poziomie, a nowe rozwiązania organizacyjne i technologie są postrzegane jako rozwiązanie, według S&P Global. Jednak w ujęciu bezwzględnym zapotrzebowanie centrów danych na energię elektryczną rośnie z roku na rok.

Wdrożenie bardziej wydajnych metod uczenia maszynowego wraz z zaawansowanymi technikami optymalizacji AI radykalnie zmniejszyło zużycie energii przez każdy wynik modelu. Na przykład, Google twierdzi, że w maju 2025 roku modele Gemini zużywały 33 razy mniej energii na zapytanie tekstowe niż w roku poprzednim.



Modele sztucznej inteligencji stały się znacznie bardziej opłacalne. Zespoły badawcze odkryły, że zasoby obliczeniowe wymagane do osiągnięcia określonego poziomu wydajności w fazie szkolenia zmniejszają się o połowę co osiem miesięcy od 2012 roku.

Inni eksperci również zauważają, że wydajność infrastruktury AI rośnie wykładniczo. Na przykład, producent półprzewodników Applied Materials, cytowany przez S&P, zrewidował swój długoterminowy cel wydajności na wat o rzędy wielkości – z 1000 do 10 000 razy do 2040 roku – dzięki postępom w materiałoznawstwie.

Tradycyjnie generacje procesorów graficznych były wydawane w cyklu dwuletnim, ale od 2024 r. NVIDIA i AMD, pod presją niespotykanego dotąd popytu na infrastrukturę AI, przeszły na roczny cykl odświeżania swoich flagowych architektur.
Firma NVIDIA twierdzi, że jej nowa platforma „Vera Rubin”, której testy wśród klientów rozpoczęły się już w lutym 2026 r., zapewni 10-krotnie lepszą wydajność na wat niż platforma obecnej generacji.

Jednak pomimo wszystkich tych postępów, ogólne zużycie energii stale rośnie wraz z każdą nową generacją procesorów graficznych. Wraz ze wzrostem wydajności w przeliczeniu na wat, rośnie również bezwzględne zużycie energii niezbędne do spełnienia ekstremalnych wymagań modeli AI na dużą skalę.