Ile prądu zżera AI? Centra danych zbliżają się do zużycia całej Japonii

Kiedy wpisujesz pytanie do modelu i po sekundzie dostajesz gładką odpowiedź, nie widzisz niczego poza ekranem. Nie widzisz hali wielkości kilku boisk, wypełnionej szafami serwerów, które buczą dwadzieścia cztery godziny na dobę. Nie widzisz stacji transformatorowej, która je zasila, ani rur z wodą, która je chłodzi. A właśnie tam, a nie na Twoim ekranie, rozgrywa się prawdziwa cena rewolucji AI. I ta cena jest mierzona w terawatogodzinach.

01Liczba, która robi wrażenie

Międzynarodowa Agencja Energetyczna szacuje, że łączne zużycie energii elektrycznej przez centra danych może w 2026 roku przekroczyć tysiąc terawatogodzin. Żeby ta liczba cokolwiek znaczyła, trzeba ją do czegoś przyłożyć: to mniej więcej tyle prądu, ile w ciągu roku zużywa cała Japonia, czwarta gospodarka świata. Nie fabryka, nie miasto, nie branża. Państwo.

Ten globalny tort nie jest rozłożony równo. Lwią część pochłaniają Stany Zjednoczone, gdzie zapotrzebowanie centrów danych sięga w 2026 około 260 TWh, podczas gdy Europa odpowiada za mniej więcej 150 TWh. Tempo jest jednak ważniejsze niż sam poziom. Zużycie energii przez centra skupione na sztucznej inteligencji rosło w ostatnim czasie wykładniczo i w samym 2025 roku skoczyło o około połowy. To nie jest powolne pełznięcie w górę. To krzywa, która zaczyna się zaginać pionowo.

02Dlaczego to rośnie tak szybko

Pokutuje przekonanie, że energochłonne jest trenowanie modeli. To prawda, ale tylko połowiczna. Trening to gigantyczny, jednorazowy zryw: tysiące procesorów graficznych pracujących tygodniami, żeby model w ogóle powstał. Problem w tym, że trening robi się raz, a odpowiadanie na pytania – czyli inferencja – dzieje się bez końca.

Gdy z jednego modelu korzystają setki milionów ludzi, codzienne mnożenie miliardów drobnych zapytań przez koszt każdego z nich daje sumę, która z czasem przewyższa koszt treningu wielokrotnie.

Do tego dochodzi efekt, który łatwo przeoczyć: AI nie zastępuje starych usług, tylko się na nie nakłada. Wyszukiwarka, która kiedyś zwracała listę linków niemal za darmo, teraz przy każdym zapytaniu może uruchamiać model językowy, a to potrafi podnieść koszt energetyczny pojedynczego wyszukiwania o rząd wielkości. Mnożymy więc droższą operację przez gigantyczną, codzienną skalę. Stąd ta pionowa krzywa.

03To są realne budynki, realny prąd i realna woda

Cyfrowość AI jest złudzeniem. Każdy token przepływa przez fizyczny krzem, który się grzeje, a ciepło trzeba odprowadzić. Najtańszą metodą chłodzenia od dekad jest woda, więc wielkie centra danych potrafią pochłaniać jej ogromne ilości, często w regionach, które i bez tego mają jej za mało. Do prądu i wody dochodzi ziemia, beton i stal. To jest przemysł ciężki przebrany za chmurę.

Dlatego mapa nowych centrów danych coraz częściej nie pokrywa się z mapą miast, lecz z mapą taniej, dostępnej energii. Inwestorzy szukają miejsc, gdzie da się szybko podłączyć kilkaset megawatów mocy. A takich miejsc jest coraz mniej.

04Sieć nie nadąża, więc branża sięga po atom

Tu pojawia się wąskie gardło, o którym mało kto mówił jeszcze dwa lata temu: sieć energetyczna. Podłączenie centrum danych o poborze porównywalnym z niewielkim miastem nie jest kwestią przeciągnięcia kabla. To lata kolejek przyłączeniowych, modernizacji linii i negocjacji z operatorami, którzy zaczynają się obawiać, że pojedynczy klient zachwieje stabilnością lokalnej sieci. W niektórych regionach świata zatwierdzanie nowych centrów danych już wstrzymano.

Odpowiedzią największych graczy stał się zwrot, który jeszcze niedawno brzmiałby jak political fiction: ku energii jądrowej. Microsoft, Google i Amazon zawarły w ostatnich latach umowy na dostawy energii z elektrowni atomowych, w tym z małych reaktorów modułowych stawianych blisko centrów danych. Logika jest bezlitośnie prosta.

AI potrzebuje prądu, który płynie nieprzerwanie, dwadzieścia cztery godziny na dobę, niezależnie od tego, czy wieje i czy świeci słońce. Atom to dziś jedyne dojrzałe, bezemisyjne źródło, które tę obietnicę spełnia.

05Czy wydajność nas uratuje

Naturalny kontrargument brzmi: przecież chipy z każdą generacją robią więcej przy mniejszym poborze, a centra danych są coraz lepiej zaprojektowane. To prawda. Problem w tym, że historia technologii wielokrotnie pokazała paradoks Jevonsa: kiedy coś staje się tańsze i wydajniejsze, nie zużywamy tego mniej, tylko więcej.

Taniejąca, coraz lepsza AI nie zmniejszy globalnego rachunku za prąd. Sprawi, że AI trafi do każdej aplikacji, każdego urządzenia i każdego zapytania, a sumaryczne zapotrzebowanie poszybuje, nie spadnie.

Prognozy IEA i analityków, w tym S&P Global, mówią zresztą wprost o mniej więcej dwukrotnym wzroście globalnego zapotrzebowania centrów danych do 2030 roku, napędzanym właśnie przez sztuczną inteligencję. Efektywność spowalnia tę krzywą, ale jej nie odwraca.

06Co to znaczy dla Ciebie i dla Polski

Na pierwszy rzut oka to problem hiperskalerów z Doliny Krzemowej, nie Twój. Ale energia jest rynkiem połączonym. Rosnący, sztywny popyt na prąd ze strony centrów danych podbija ceny dla wszystkich, którzy korzystają z tej samej sieci, łącznie z gospodarstwami domowymi i fabrykami. W kraju takim jak Polska, z siecią wciąż mocno opartą na węglu i ambicjami przyciągania inwestycji w centra danych, pytanie o to, skąd weźmiemy stabilny, czysty prąd, przestaje być tematem dla ekologów, a staje się tematem dla każdego, kto płaci rachunki.

Następnym razem, gdy ktoś powie Ci, że AI jest „w chmurze”, przypomnij sobie ten artykuł. Chmura ma adres, ma licznik prądu i ma rachunek. Pytanie nie brzmi już, czy nas stać na sztuczną inteligencję od strony cennika za tokeny. Brzmi: czy mamy dla niej dość prądu i kto za niego ostatecznie zapłaci.