Globalne zużycie energii elektrycznej przez centra danych zmierza do niemal podwojenia się, do około 945 TWh do 2030 roku, czyli blisko 3% całej energii elektrycznej, wobec około 415 TWh w 2024 roku (IEA, Energy and AI 2025). AI jest głównym motorem tego wzrostu: według tej samej metodologii IEA zużycie energii elektrycznej w centrach danych skoncentrowanych na AI wzrosło o 50% tylko w 2025 roku, podczas gdy ogólny popyt centrów danych wzrósł w tym samym roku o 17%. Jednak obraz w przeliczeniu na zapytanie wygląda odwrotnie. Google podaje, że energia stojąca za medianą zapytania w Gemini spadła 33-krotnie w ciągu dwunastu miesięcy (Google, 2025), a Epoch AI szacuje typowe zapytanie ChatGPT na około 0,3 watogodziny, czyli dziesięciokrotnie poniżej wcześniejszych szacunków (Epoch AI, 2025). Niniejsza analiza konsoliduje dane z IEA, EPRI, Lawrence Berkeley National Laboratory, Google, Epoch AI, Stanford HAI, McKinsey i 10 innych źródeł pierwotnych, aby oddzielić nagłówkowe prognozy od zmierzonej rzeczywistości w przeliczeniu na jednostkę.
W skrócie
- Globalne zużycie energii elektrycznej przez centra danych ma się niemal podwoić z około 415 TWh w 2024 roku do około 945 TWh do 2030 roku, przy czym obiekty skoncentrowane na AI wzrosły o 50% tylko w 2025 roku (IEA, Energy and AI 2025).
- Gartner ocenia globalne zużycie centrów danych na 565 TWh w 2026 roku, czyli o 26% więcej niż 447 TWh w 2025 roku (Gartner, 2026).
- Amerykańskie centra danych zużyły około 4,4% krajowej energii elektrycznej w 2023 roku i mogą osiągnąć 6,7% do 12% do 2028 roku (LBNL, 2024).
- Typowe zapytanie GPT-4o zużywa około 0,3 watogodziny, czyli około dziesięciokrotnie mniej niż wcześniejsze szacunki (Epoch AI, 2025).
- Trenowanie modelu Llama 3.1 405B firmy Meta wyemitowało w 2024 roku około 8930 ton CO2 (Stanford HAI, AI Index 2025).
- Emisje Microsoftu wzrosły o 25% w 2025 roku do 20 milionów ton metrycznych ekwiwalentu CO2 (Microsoft FY2025 disclosure, via Fortune 2026).
- Ceny mocy PJM wzrosły z 28,92 do 329,17 dolara za megawatodzień, przy czym centra danych odpowiadały za 63% tego wzrostu (PJM, 2025; IEEFA, 2025).
- Prognozuje się, że pięciu największych hiperskalerów wyda w 2026 roku około 725 miliardów dolarów na infrastrukturę AI (szacunki analityków, 2026).
- McKinsey prognozuje nawet 6,7 biliona dolarów nakładów inwestycyjnych na centra danych do 2030 roku (McKinsey, 2025).
1. Globalne zapotrzebowanie na energię elektryczną centrów danych i AI
Historia makro to podwojenie w ciągu mniej więcej sześciu lat, a AI jest jej akceleratorem. Centra danych działały na około 415 TWh w 2024 roku, ale tempo wzrostu liczy się bardziej niż sam poziom: zużycie energii elektrycznej przez centra danych skoncentrowane na AI wzrosło o 50% w jednym roku (2025), podczas gdy szersza kategoria wzrosła o 17% (IEA, Energy and AI 2025). Do 2030 roku udział AI w zużyciu energii przez centra danych ma wzrosnąć z dzisiejszego przedziału 5-15% do 35-50%, co czyni go pojedynczym największym motorem wzrostu. Szacunki różnią się w zależności od zakresu, dlatego warto czytać podstawę źródłową, a nie tylko nagłówkową liczbę.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Globalne zużycie energii elektrycznej centrów danych, 2024 | ~415 TWh (~1.5% of global) | IEA, Energy and AI 2025 |
| Globalne zużycie energii elektrycznej centrów danych, 2030 (scenariusz bazowy) | ~945 TWh (~3% of global) | IEA, Energy and AI 2025 |
| Wzrost zużycia energii przez centra danych skoncentrowane na AI, 2025 | +50% | IEA, Energy and AI 2025 |
| Globalne zużycie energii elektrycznej centrów danych, 2026 (Gartner) | 565 TWh (+26% YoY) | Gartner, 2026 |
| Zużycie energii przez serwery zoptymalizowane pod AI, 2026 | 175 TWh (+84% YoY) | Gartner, 2026 |
| Wzrost globalnego zapotrzebowania na energię do 2030 roku wobec 2023 | +165% | Goldman Sachs, 2025 |
| Udział serwerów zoptymalizowanych pod AI w zużyciu energii centrów danych, 2026 | 31% | Gartner, 2026 |
Uwaga dotycząca zakresu: IEA uważa, że udział AI w zużyciu energii przez centra danych wzrośnie z dzisiejszych 5-15% do 35-50% do 2030 roku. Wartość bazowa Gartnera na 2025 rok (447 TWh) jest niższa od innych szacunków na 2025 rok, które sięgają blisko 485 TWh, ponieważ metodologie stosują różne definicje i granice obiektów; porównania TWh między źródłami należy traktować z ostrożnością. Chipy wewnątrz tych szaf są silnikiem popytu; zobacz nasze statystyki chipów AI na 2026 rok, aby poznać stronę krzemową. Pełny raport: IEA, Energy demand from AI.
2. Amerykańska sieć energetyczna pod obciążeniem
Stany Zjednoczone to miejsce, w którym krzywa popytu spotyka się z fizyczną siecią energetyczną, a prognozy są wciąż korygowane w górę. Berkeley Lab odnotował, że centra danych odpowiadały za 4,4% krajowej energii elektrycznej w 2023 roku; nowsze scenariusze EPRI sięgają 9-17% amerykańskiej energii elektrycznej do 2030 roku. Szacunek EPRI dotyczący szczytowego obciążenia sięga obecnie nawet 94 GW do 2030 roku, wobec 21-22 GW w 2024 roku, a nowe liczby są o 60% wyższe od własnego szacunku EPRI z 2024 roku (EPRI, Powering Intelligence 2026). Grid Strategies ujmuje obraz krajowy następująco: 166 GW pięcioletniego wzrostu obciążenia, z czego około 90 GW przypada na centra danych.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Udział centrów danych USA w zużyciu energii, 2023 | 4.4% (176 TWh) | LBNL, 2024 |
| Udział centrów danych USA do 2028 roku | 6.7% to 12% (325-580 TWh) | LBNL, 2024 |
| Udział centrów danych USA do 2030 roku | 9% to 17% | EPRI, Powering Intelligence 2026 |
| Szczytowe obciążenie centrów danych USA, 2024 | 21-22 GW | EPRI, Powering Intelligence 2026 |
| Szczytowe obciążenie centrów danych USA do 2030 roku | 45 / 71 / 94 GW (Low/Med/High) | EPRI, Powering Intelligence 2026 |
| Krajowy 5-letni wzrost szczytowego obciążenia | 166 GW (~90 GW data centers) | Grid Strategies, 2025 |
Uwaga o wartości odstającej: Grid Strategies ostrzega, że zakłady użyteczności publicznej mogą zawyżać popyt centrów danych nawet o 40%, ponieważ spekulacyjne i zdublowane wnioski o przyłączenie zawyżają kolejkę (Grid Strategies, National Load Growth Report 2025). Raporty: LBNL 2024 Data Center Energy Usage Report oraz EPRI, Powering Intelligence 2026.
3. Ile faktycznie kosztuje jedno zapytanie AI
Liczby w przeliczeniu na zapytanie gwałtownie spadły, odkąd dostawcy opublikowali rzeczywistą telemetrię, co przeformułowuje narrację “AI gotuje oceany” wokół pojedynczego zapytania. Mediana zapytania tekstowego w Gemini pobiera 0,24 watogodziny, 0,03 grama CO2e i 0,26 mililitra wody, czyli mniej więcej pięć kropli (Google, 2025). Epoch AI niezależnie szacuje typowe zapytanie GPT-4o na około 0,3 Wh, a własna liczba OpenAI to 0,34 Wh. Haczyk: zapytania z długim kontekstem są znacznie cięższe, a suma wciąż narasta w skali miliardów codziennych zapytań.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Energia typowego zapytania GPT-4o | ~0.3 Wh (vs 3 Wh old estimate) | Epoch AI, 2025 |
| Energia mediany zapytania tekstowego w Gemini | 0.24 Wh | Google, 2025 |
| Średnia energia zapytania ChatGPT | 0.34 Wh | Sam Altman, The Gentle Singularity 2025 |
| Długie zapytanie (100 tys. tokenów wejściowych) | ~40 Wh | Epoch AI, 2025 |
| Ślad węglowy mediany zapytania w Gemini | 0.03 gCO2e | Google, 2025 |
| Spadek energii na zapytanie w Gemini, 12 miesięcy do maja 2025 | 33x lower | Google, 2025 |
| 1 miliard wiadomości ChatGPT dziennie | ~12.5 MW continuous | Epoch AI, 2025 |
Kontekst: spadek w przeliczeniu na zapytanie odzwierciedla bardziej efektywne modele i sprzęt, a nie niższy popyt. Aby poznać finansową stronę tego samego trendu, zobacz nasze statystyki kosztów wnioskowania AI na 2026 rok. Podstawowa metodologia: Google Cloud, Measuring the environmental impact of AI inference oraz Epoch AI, How much energy does ChatGPT use?.
4. Trenowanie najbardziej zaawansowanych modeli
Trenowanie to jednorazowy skok dla każdego modelu, ale te skoki stają się coraz bardziej strome. AI Index Uniwersytetu Stanforda szacuje emisje z trenowania Llama 3.1 405B na około 8930 ton CO2, wobec 588 ton dla GPT-3 w 2020 roku i praktycznie zera dla AlexNet w 2012 roku (Stanford HAI, AI Index 2025). Strukturalnym ustaleniem raportu jest efekt kumulacji: moc obliczeniowa trenowania czołowych modeli podwaja się mniej więcej co pięć miesięcy, a moc potrzebna do trenowania najbardziej zaawansowanych systemów podwaja się mniej więcej co roku.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Emisje z trenowania Llama 3.1 405B (2024) | ~8,930 tons CO2 | Stanford HAI, AI Index 2025 |
| Emisje z trenowania GPT-4 (2023) | ~5,184 tons CO2 | Stanford HAI, AI Index 2025 |
| Emisje z trenowania GPT-3 (2020) | ~588 tons CO2 | Stanford HAI, AI Index 2025 |
| Emisje z trenowania AlexNet (2012) | ~0.01 tons CO2 | Stanford HAI, AI Index 2025 |
| Czas podwojenia mocy obliczeniowej trenowania | ~every 5 months | Stanford HAI, AI Index 2025 |
| Energia trenowania GPT-4 (szacunek na podstawie wyciekłych specyfikacji) | ~50-62 GWh | Independent estimates via TDS, 2023 |
Zastrzeżenie: liczba dotycząca energii trenowania GPT-4 to zewnętrzny szacunek wyprowadzony z wyciekłych specyfikacji sprzętu (25 000 GPU A100 przez 90-100 dni), a nie ujawnienie ze strony dostawcy; należy traktować ją jako orientacyjną. Trenowanie stanowi też niewielki udział w śladzie w cyklu życia w porównaniu z wnioskowaniem na dużą skalę. Aby poznać szerszy obraz budowy modeli, zobacz nasze statystyki generatywnej AI na 2026 rok. Źródło: Stanford HAI, 2025 AI Index Report, Chapter 1.
5. Ślad wodny
Woda to druga historia zasobowa, podzielona między bezpośrednie chłodzenie a wodę zawartą w wytwarzaniu energii elektrycznej. Przewiduje się, że centra danych w Teksasie zużyją do 399 miliardów galonów wody w 2030 roku, wobec 49 miliardów w 2025 roku (HARC and University of Houston, 2025). Dostawcy stawiają na efektywność: Microsoft zgłosił wskaźnik efektywności wykorzystania wody na poziomie 0,30 l/kWh w roku fiskalnym 2025, czyli poprawę o 39% względem 2021 roku, a jego chłodzenie bez odparowywania wody pozwala uniknąć zużycia ponad 125 milionów litrów na centrum danych rocznie.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Zużycie wody przez medianę zapytania w Gemini | 0.26 mL | Google, 2025 |
| Efektywność wykorzystania wody przez Microsoft, rok fiskalny 2025 | 0.30 L/kWh (-39% vs 2021) | Microsoft, 2025 |
| Oszczędność dzięki chłodzeniu Microsoft bez zużycia wody | >125 million liters/data center/year | Microsoft, 2025 |
| Bezpośrednie zużycie wody przez centra danych USA, 2023 | ~17 billion gallons | LBNL, 2024 |
| Prognozowane bezpośrednie zużycie wody do 2028 roku | 38-73 billion gallons | LBNL, 2024 |
| Zużycie wody przez centra danych w Teksasie, 2025-2030 | 49 billion to 399 billion gallons | HARC and University of Houston, 2025 |
| Duże pojedyncze centrum danych | up to 5 million gallons/day | EESI, 2025 |
Kontekst: amerykańskie centra danych spowodowały również szacunkowe 211 miliardów galonów pośredniego zużycia wody poprzez wytwarzanie energii elektrycznej w 2023 roku, co zazwyczaj przewyższa wodę zużywaną na chłodzenie na miejscu (LBNL, 2024). Tło: EESI, Data Centers and Water Consumption.
6. Rosnące emisje dwutlenku węgla
Efektywność w przeliczeniu na zapytanie się poprawia, ale ślady korporacyjne rosną, ponieważ bezwzględna moc obliczeniowa eksploduje. Emisje Microsoftu wzrosły o 25% w 2025 roku do 20 milionów ton metrycznych ekwiwalentu CO2, wobec 16 milionów wcześniej, napędzane budową centrów danych i wycofaniem się z części zakupów certyfikatów energii odnawialnej (Microsoft FY2025 disclosure, via Fortune 2026). Amazon i Google zgłosiły podobne kierunkowo wzrosty. Na poziomie sektora IEA wciąż określa centra danych jako niewielki, ale rosnący wycinek globalnego węgla.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Emisje CO2e Microsoftu, 2025 | 20 million tons (+25% YoY) | Microsoft FY2025 disclosure, via Fortune 2026 |
| Emisje CO2e Microsoftu, 2024 | 16 million tons | Microsoft FY2025 disclosure, via Fortune 2026 |
| Zmiana śladu węglowego Amazona (ostatni rok) | +16% | Carbon Brief, 2026 |
| Zmiana emisji gazów cieplarnianych Google (ostatni rok) | +18% | Carbon Brief, 2026 |
| Udział centrów danych w globalnym CO2, 2024-2030 | ~0.5% rising to ~1% (1.4% high case) | IEA, Energy and AI 2025 |
| Ślad węglowy systemów AI, 2025 | 32.6 to 79.7 million tons CO2 | Carbon Brief, 2026 (published research) |
Uwaga o wartości odstającej: zakres emisji węglowych systemów AI wynoszący od 32,6 do 79,7 miliona ton za 2025 rok jest szeroki, ponieważ przypisanie obciążeń roboczych jest naprawdę niepewne, a kilka firm zaksięgowało wzrosty emisji częściowo w wyniku wstrzymania części zakupów certyfikatów energii odnawialnej, a nie wyłącznie z powodu surowego zużycia (Carbon Brief, 2026). Kontekst i wykresy: Carbon Brief, AI: Five charts on data-centre energy use and emissions oraz Fortune, Microsoft carbon emissions 2025.
7. Zasilanie tego wszystkiego: ceny, nakłady inwestycyjne i energia jądrowa
Ktoś płaci za nowe obciążenie, a coraz częściej widać to w sieci i na rachunkach za media. W regionie PJM ceny mocy wystrzeliły z 28,92 dolara za megawatodzień w sezonie 2024/25 do 329,17 dolara w sezonie 2026/27, przy czym centra danych odpowiadają za 63% skoku w sezonie 2025/2026 (PJM, 2025; IEEFA, 2025). Aby sprostać popytowi, hiperskalerzy angażują historyczny kapitał i zwracają się ku energii jądrowej, podczas gdy Gartner ostrzega, że podaż sieci zacznie brakować, gdy zużycie przekroczy 1200 TWh około 2030 roku.
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Cena mocy PJM, 2024/25-2026/27 | 28.92 to 329.17 dollars/MW-day | PJM, 2025 |
| Udział centrów danych w grudniowych kosztach mocy PJM | 40% (6.5 of 16.4 billion dollars) | PJM market monitor, via Utility Dive 2026 |
| Dodatkowy koszt dla odbiorców PJM z tytułu centrów danych | ~9.3 billion dollars/year | IEEFA, 2025 |
| Wydatki wielkiej piątki hiperskalerów na infrastrukturę AI, 2026 | ~725 billion dollars (+77% YoY) | Analyst estimates, 2026 |
| Globalne nakłady inwestycyjne na centra danych do 2030 roku | up to 6.7 trillion dollars (5.2T for AI) | McKinsey, 2025 |
| Zablokowane projekty centrów danych, początek 2026 | 75+ projects worth 130 billion dollars | Gartner, 2026 |
| Średni wskaźnik PUE w największych centrach danych, 2025 | 1.54 (flat for 6 years) | Uptime Institute, 2025 |
Kontekst: ta sama rozbudowa napędza boom mocy chmurowej; zobacz nasze statystyki chmury obliczeniowej na 2026 rok. Źródła: IEEFA, PJM capacity prices, McKinsey, The cost of compute oraz Utility Dive, Data centers were 40% of PJM capacity costs.
Podsumowanie: zużycie energii przez AI w liczbach
| Wskaźnik | Wartość | Źródło |
|---|---|---|
| Globalne zużycie energii centrów danych do 2030 roku | ~945 TWh (~3% of global) | IEA, Energy and AI 2025 |
| Globalne zużycie energii centrów danych, 2026 | 565 TWh (+26% YoY) | Gartner, 2026 |
| Próg niedoboru podaży sieci | ~1,200 TWh by 2030 | Gartner, 2026 |
| Zużycie energii przez serwery zoptymalizowane pod AI, 2026 | 175 TWh (+84% YoY) | Gartner, 2026 |
| Wzrost globalnego zapotrzebowania na energię do 2030 roku wobec 2023 | +165% | Goldman Sachs, 2025 |
| Udział centrów danych USA w zużyciu energii, 2023 | 4.4% | LBNL, 2024 |
| Udział centrów danych USA do 2030 roku | 9% to 17% | EPRI, Powering Intelligence 2026 |
| Szczytowe obciążenie centrów danych USA do 2030 roku (wysoki wariant) | 94 GW | EPRI, Powering Intelligence 2026 |
| Energia typowego zapytania GPT-4o | ~0.3 Wh | Epoch AI, 2025 |
| Energia mediany zapytania tekstowego w Gemini | 0.24 Wh | Google, 2025 |
| Emisje z trenowania Llama 3.1 405B | ~8,930 tons CO2 | Stanford HAI, AI Index 2025 |
| Bezpośrednie zużycie wody przez centra danych USA, 2023 | ~17 billion gallons | LBNL, 2024 |
| Zużycie wody przez centra danych w Teksasie do 2030 roku | up to 399 billion gallons | HARC and University of Houston, 2025 |
| Emisje Microsoftu, 2025 | 20 million tons (+25% YoY) | Microsoft FY2025, via Fortune 2026 |
| Dodatkowy koszt dla odbiorców PJM z tytułu centrów danych | ~9.3 billion dollars/year | IEEFA, 2025 |
| Cena mocy PJM, 2026/27 | 329.17 dollars/MW-day | PJM, 2025 |
| Globalne nakłady inwestycyjne na centra danych do 2030 roku | up to 6.7 trillion dollars | McKinsey, 2025 |
| Wydatki wielkiej piątki hiperskalerów na AI, 2026 | ~725 billion dollars | Analyst estimates, 2026 |
| Średni wskaźnik PUE centrów danych, 2025 | 1.54 | Uptime Institute, 2025 |
Metodologia i źródła
Dane zebrano poprzez agregację liczb z raportów pierwotnych, ujawnień korporacyjnych, dokumentów operatorów sieci oraz nazwanych narzędzi badawczych opublikowanych głównie w 2025 roku i w pierwszej połowie 2026 roku, przy czym każdą statystykę śledzono do organizacji źródłowej, a nie do relacji wtórnych, tam gdzie było to możliwe.
Cytowane źródła:
- International Energy Agency (IEA), Energy and AI 2025 - Energy demand from AI
- Lawrence Berkeley National Laboratory (LBNL), 2024 United States Data Center Energy Usage Report - publikacja
- Electric Power Research Institute (EPRI), Powering Intelligence 2026 - streszczenie kierownicze
- Grid Strategies, National Load Growth Report 2025 - PDF
- Gartner, komunikat prasowy o prognozie zużycia energii przez centra danych, czerwiec 2026 - komunikat
- Goldman Sachs Research, popyt na energię centrów danych AI, 2025 - artykuł
- Epoch AI, How much energy does ChatGPT use?, 2025 - analiza
- Google Cloud, Measuring the environmental impact of AI inference, 2025 - blog
- OpenAI / Sam Altman, The Gentle Singularity, 2025 - za pośrednictwem DCD
- Stanford HAI, 2025 AI Index Report - Rozdział 1
- Ujawnienie zrównoważonego rozwoju Microsoftu za rok fiskalny 2025 - za pośrednictwem Fortune
- Carbon Brief, AI: Five charts on data-centre energy and emissions, 2026 - artykuł
- McKinsey, The cost of compute, 2025 - raport
- IEEFA, analiza cen mocy PJM, 2025 - materiał źródłowy
- Niezależny monitor rynku PJM Interconnection - za pośrednictwem Utility Dive
- HARC oraz University of Houston, badanie zużycia wody przez centra danych w Teksasie, 2025
- Uptime Institute, 2025 Global Data Center Survey (PUE)
- Environmental and Energy Study Institute (EESI), Data Centers and Water Consumption, 2025 - artykuł
Data watch: IEA zazwyczaj odświeża swoje prognozy energetyczne co roku, więc w ciągu najbliższego roku spodziewana jest zaktualizowana edycja Energy and AI; Gartner cyklicznie wydaje ponownie swoją prognozę zużycia energii przez centra danych; EPRI aktualizuje scenariusze Powering Intelligence mniej więcej co roku; Grid Strategies publikuje National Load Growth Report co roku; Stanford HAI wydaje nowy AI Index co roku; Google, Microsoft, Amazon i Alphabet publikują nowe ujawnienia środowiskowe i emisyjne w każdym nowym cyklu fiskalnym; a PJM przeprowadza nowe aukcje mocy zgodnie z ustalonym harmonogramem lat dostawy.
Ostatnia aktualizacja: 10 lipca 2026.
Przeglądamy i aktualizujemy tę stronę kwartalnie, w miarę publikowania nowych danych.