Оглавление

Искусственный интеллект оказался на обеих сторонах климатического уравнения — одновременно проблемой и решением. Промышленный ИИ позиционируется как инструмент, способный помочь в решении кризиса, оптимизируя энергосети, рационализируя работу заводов и ускоряя удаление углерода. Однако сам ИИ стремительно становится одним из крупнейших новых источников спроса на электроэнергию и воду.

Энергетический парадокс ИИ

Международное энергетическое агентство предупреждает, что потребление электроэнергии центрами обработки данных, в основном за счёт обучения и инференса ИИ, может удвоиться к 2030 году, достигнув уровня потребления целых стран среднего размера. Отчёт правительства Великобритании за 2025 год «Жажда ИИ к воде» прогнозирует рост мирового потребления воды ЦОД с 1,1 до 6,6 миллиардов кубических метров к 2027 году, что создаёт угрозу для уже напряжённых водных бассейнов.

Даже гиперскейлеры ощущают давление. В отчёте Amazon Web Services о устойчивом развитии за 2025 год детально описывается срочный переход на переработанную и восстановленную воду для компенсации всплеска потребления из-за охлаждения ИИ. Исследователи из Института экологических изменений Оксфордского университета называют это расширение новой формой системного климатического риска, закрепляющего резервную генерацию на ископаемом топливе и региональную нагрузку на водные ресурсы.

Парадокс налицо: технологии, призванные спасать планету, сами становятся её главными энергетическими вампирами. Но настоящая ирония в том, что самые прожорливые модели — генеративные ИИ для создания текстов и картинок — приносят меньше практической пользы, чем их скромные промышленные собратья, которые реально экономят энергию на заводах и электростанциях.

От слов к ваттам: реальная ценность

Самый быстрорастущий и наиболее недооценённый фронт находится не в потребительских чат-ботах или генераторах изображений, а в диспетчерских промышленности, где ИИ уже сокращает выбросы, экономит энергию и превращает устойчивость в конкурентное преимущество.

Генеративный ИИ может доминировать в заголовках, но промышленный ИИ, объединяющий искусственный интеллект, IoT и семантические цифровые двойники, уже приносит измеримую ценность на заводах, энергосетях, транспортных узлах и водных системах. Оцененный всего в 4,35 миллиарда долларов в 2024 году, рынок промышленного ИИ прогнозирует сорокакратный рост к 2034 году.

Для Ника Тьюна, генерального директора британской компании Optimise AI, настоящий прорыв, который обеспечил ИИ, заключался не в контенте, а в контексте. «Данные часто фрагментированы и изолированы в зданиях. Используя семантические модели данных, мы структурируем данные на реляционной основе; это придаёт смысл и контекст каждой точке данных. Это, в свою очередь, предоставляет возможность проводить анализ причинно-следственных связей и позволяет использовать машинное обучение для углублённого и точного анализа и активации».

Эта структура превращает статическую информацию в живую, действенную аналитику. Один клиент Optimise AI использовал его семантический цифровой двойник для автоматизации освещения на железнодорожных платформах на основе заполняемости и уровня освещённости. Результатом стала экономия энергии до 40%, достигнутая за доли времени и стоимости традиционных аудитов.

Человек в контуре управления

Отчёт Артура Литтла «Умно и безопасно» показывает, почему внедрение ускоряется. Прогнозирующее техническое обслуживание теперь достигает точности до 90%, освобождая персонал от рутинных проверок. Аналитика в реальном времени может сократить задержку принятия решений на 60%, давая операторам мгновенное представление об изменяющихся условиях.

Ключом является расширение возможностей рабочей силы, а не замена. «Проблема в том, что в настоящее время большинство менеджеров объектов работают на основе опыта, накопленного за многие годы, а не обязательно на основе данных», — говорит Тьюн. «Новички не имеют этого опыта, но могут использовать такие инструменты, как Optimise, чтобы создать систему с человеком в контуре, где человек и машина работают вместе».

Каспар Херцберг, генеральный директор лидера промышленного программного обеспечения Aveva, утверждает, что это не просто история о производительности, но и о демографии — он отметил, что на всех основных рынках нехватка квалифицированных операторов и инженеров стимулирует внедрение инструментов ИИ.

Демографический кризис в промышленности — это тихая революция, которую все предвидели, но никто не готовил. Теперь ИИ становится костылём для стареющей рабочей силы, и ирония в том, что машины спасают отрасль от последствий человеческого старения, пока люди спорят, отнимут ли роботы их рабочие места.

От эффективности к устойчивости

Та же самая инфраструктура данных, которая сегодня сокращает затраты, завтра может смягчить потрясения. В мире климатической волатильности, энергетических шоков и ужесточающегося регулирования промышленный ИИ также развёртывается для устойчивости, предсказывая риски перегрева в зданиях до их возникновения, перераспределяя электрические нагрузки в напряжённых сетях и быстро адаптируя системы во время экстремальных погодных условий.

Тьюн видит здесь огромный потенциал: «Важно использовать цифровые двойники с ML/ИИ, чтобы предсказывать, как активы подвержены влиянию изменения климата, а затем полуавтономно адаптироваться. Впервые в истории у нас есть технологии — семантика для осмысления данных».

Хорошая новость: прорывы в эффективности достижимы. Исследование ЮНЕСКО–UCL показывает, что более разумный дизайн и использование моделей могут сократить энергопотребление ИИ до 90%. Реальный вопрос не в том, помогает ИИ планете или вредит, а в том, какой именно ИИ мы выбираем строить.

По материалам Forbes.