Kiedy rozmawiamy o kosztach sztucznej inteligencji, zwykle myślimy o abonamentach za narzędzia, cenach tokenów w API albo pensjach specjalistów. Rzadko kto zastanawia się nad tym, ile wody potrzeba, żeby przetworzyć jedno zapytanie do modelu językowego. A to nie jest abstrakcyjny problem - to realne koszty, które wpływają na ceny usług chmurowych, z których korzystają polskie firmy każdego dnia.
Amazon po raz pierwszy oficjalnie ujawnił dane dotyczące zużycia wody przez swoje centra danych - 2,5 miliarda galonów rocznie, co odpowiada mniej więcej 9,5 miliarda litrów. Żeby to zobrazować: to ilość wody, która wystarczyłaby do napełnienia prawie 3 800 basenów olimpijskich. I mówimy tu tylko o jednym dostawcy chmury. Microsoft i Google raportują podobne wielkości. Te liczby rosną z roku na rok, bo popyt na obliczenia AI jest coraz większy.
Dla właściciela firmy produkcyjnej z Wielkopolski albo agencji marketingowej z Krakowa te dane mogą wydawać się odległe. Ale mają bardzo konkretne przełożenie na to, ile płacisz za usługi w chmurze, jakie regulacje mogą cię czekać i jak planować strategię technologiczną na najbliższe lata.
Dlaczego centra danych potrzebują tyle wody?
Serwery generują ogromne ilości ciepła. Im bardziej zaawansowane obliczenia - a trening i uruchamianie modeli AI to jedne z najbardziej wymagających zadań - tym więcej ciepła trzeba odprowadzić. Najpopularniejszą metodą chłodzenia jest system z obiegiem wody, który działa na podobnej zasadzie jak klimatyzacja, tyle że na przemysłową skalę.
Woda jest pompowana przez system wymienników ciepła, odbiera ciepło z serwerowni, a następnie jest schładzana w wieżach chłodniczych, gdzie część z niej odparowuje. I właśnie ta odparowana woda stanowi główne zużycie. W gorących regionach - a wiele centrów danych Amazon, Google i Microsoft stoi w stanach takich jak Wirginia, Arizona czy Teksas - zapotrzebowanie na chłodzenie jest jeszcze większe.
Według danych z raportu Amazon, firma zużyła w 2023 roku wspomniane 2,5 miliarda galonów wody. Microsoft w swoim raporcie środowiskowym podał, że jego zużycie wody wzrosło o 34% rok do roku, głównie przez rozwój infrastruktury AI. Google zanotował wzrost o 20%. Te trendy mają jedno wspólne źródło - eksplozję popytu na moc obliczeniową związaną z generatywną sztuczną inteligencją.
Trzeba jednak uczciwie przyznać, że firmy technologiczne inwestują w alternatywne metody chłodzenia. Microsoft testuje centra danych zanurzone w specjalnych cieczach dielektrycznych. Google eksperymentuje z lokalizacjami w chłodniejszych klimatach, gdzie można wykorzystać naturalne chłodzenie powietrzem. Amazon deklaruje, że do 2030 roku chce oddawać więcej wody środowisku niż zużywa. Czy te obietnice się zmaterializują - to osobna kwestia.
Co to oznacza dla kosztów usług chmurowych w Polsce?
Polskie firmy korzystające z AWS, Azure czy Google Cloud Platform nie płacą bezpośrednio za wodę zużywaną przez centra danych. Ale ten koszt jest wliczony w cenę każdej godziny obliczeniowej, każdego wywołania API, każdego gigabajta przechowywanych danych. Kiedy koszty operacyjne centrów danych rosną, ceny usług prędzej czy później też idą w górę.
Już teraz widać ten trend. Ceny instancji GPU na AWS - tych używanych do uruchamiania modeli AI - wzrosły w ciągu ostatnich dwóch lat. Instancja p4d.24xlarge z kartami NVIDIA A100 kosztuje na AWS ponad 32 dolary za godzinę w modelu na żądanie. Dla małej firmy, która chce wytrenować własny model lub uruchomić intensywne zadania przetwarzania języka naturalnego, to poważna pozycja w budżecie.
Ale jest jeszcze drugi aspekt - regulacyjny. Unia Europejska coraz poważniej podchodzi do kwestii zrównoważonego rozwoju infrastruktury cyfrowej. Dyrektywa o efektywności energetycznej (EED) od 2024 roku wymaga od operatorów centrów danych w UE raportowania zużycia energii i wody. To oznacza, że centra danych budowane w Polsce - a takie powstają, choćby inwestycje Google w Warszawie czy Microsoft pod Poznaniem - będą musiały spełniać surowe normy środowiskowe.
Dla polskich firm MŚP to ma praktyczne konsekwencje. Po pierwsze, warto rozumieć strukturę kosztów usług chmurowych, bo będzie się zmieniać. Po drugie, firmy, które potrafią optymalizować swoje wykorzystanie zasobów chmurowych, będą miały przewagę kosztową nad tymi, które traktują chmurę jak nieograniczony zasób.
Jak polskie firmy mogą podejść do tego mądrze?
Nie chodzi o to, żeby przestać korzystać z AI albo z chmury. Chodzi o świadome podejmowanie decyzji technologicznych. Oto kilka konkretnych kroków, które mają sens dla firm zatrudniających od 10 do 250 osób.
- Wybieraj mniejsze modele, gdy to wystarczy. Nie każde zadanie wymaga GPT-4o lub Claude'a Opus. Modele takie jak GPT-4o mini, Claude Haiku czy Gemini Flash są wielokrotnie tańsze w użyciu i zużywają mniej zasobów obliczeniowych. Dla typowych zadań biznesowych - podsumowywanie dokumentów, klasyfikacja maili, generowanie opisów produktów - mniejsze modele często dają porównywalne wyniki. Badania z Uniwersytetu Stanforda (Stanford HAI, 2024) pokazują, że dla 60-70% typowych zastosowań biznesowych modele o parametrach poniżej 13 miliardów radzą sobie wystarczająco dobrze.
- Korzystaj z gotowych API zamiast trenować własne modele. Trening modelu AI od zera to jedno z najbardziej zasobożernych zadań obliczeniowych. Trening GPT-4 pochłonął według szacunków ponad 50 milionów litrów wody (badanie Uniwersytetu Kalifornijskiego w Riverside, 2023). Korzystanie z gotowego API, gdzie koszt treningu jest rozłożony na miliony użytkowników, jest wielokrotnie bardziej efektywne - zarówno finansowo, jak i środowiskowo.
- Rozważ lokalizację danych. AWS ma region w Warszawie (eu-central-1 nie, ale eu-north-1 w Sztokholmie korzysta z chłodniejszego klimatu). Google buduje centrum danych w Polsce. Wybierając region bliżej domu, nie tylko zmniejszasz opóźnienia, ale też możesz trafić na infrastrukturę chłodzoną bardziej efektywnie. Centra danych w Skandynawii zużywają nawet o 40% mniej wody niż te w ciepłych stanach USA.
- Optymalizuj obciążenia obliczeniowe. Jeśli korzystasz z usług chmurowych do przetwarzania wsadowego - na przykład generujesz raporty AI dla klientów - planuj te zadania na godziny nocne lub wczesnoporanne, kiedy obciążenie centrów danych jest mniejsze, a chłodzenie bardziej efektywne. Niektórzy dostawcy oferują niższe ceny za takie przesunięte w czasie obliczenia (spot instances na AWS potrafią być o 60-90% tańsze).
Warto też śledzić rozwój infrastruktury w Polsce. Polska Izba Informatyki i Telekomunikacji (PIIT) szacuje, że do 2027 roku moc centrów danych w Polsce wzrośnie o ponad 50%. To oznacza więcej lokalnych opcji, potencjalnie niższe koszty i lepszą kontrolę nad tym, gdzie przetwarzane są dane Twojej firmy.
Zrównoważony rozwój jako argument biznesowy
Jest jeszcze jeden aspekt, o którym polskie firmy rzadko myślą w kontekście AI - raportowanie ESG i ślad węglowy cyfrowy. Coraz więcej dużych korporacji - a więc potencjalnych klientów polskich MŚP - wymaga od swoich dostawców informacji o wpływie środowiskowym. Jeśli Twoja firma dostarcza usługi dla niemieckiego koncernu motoryzacyjnego albo skandynawskiej sieci handlowej, pytanie o ślad cyfrowy może pojawić się szybciej, niż myślisz.
Firmy, które potrafią wykazać, że świadomie wybierają efektywne rozwiązania AI - mniejsze modele, zoptymalizowane obiegi pracy, europejskie centra danych zasilane energią odnawialną - mogą to wykorzystać jako przewagę konkurencyjną w przetargach i negocjacjach. To nie jest zielony marketing. To konkretny argument biznesowy, który coraz częściej waży przy wyborze dostawcy.
Amazon w swoim ujawnieniu danych podkreślił, że 100% energii elektrycznej zasilającej jego centra danych pochodzi ze źródeł odnawialnych. Ale energia to nie woda - i właśnie dlatego ujawnienie danych o zużyciu wody było tak istotne. Pokazało, że nawet firmy deklarujące neutralność węglową mają realny wpływ na lokalne zasoby naturalne. W regionach dotkniętych suszą - a w Polsce problem niedoboru wody też narasta, szczególnie w Wielkopolsce i na Kujawach - to nie jest kwestia abstrakcyjna.
Dla polskich firm planujących własną infrastrukturę serwerową (a są takie, szczególnie w sektorze fintech i medtech, gdzie dane nie mogą opuszczać kraju) te informacje są bezcenne. Planując serwerownię, trzeba uwzględnić nie tylko koszt prądu, ale też dostęp do wody i koszty chłodzenia. W polskim klimacie sytuacja jest lepsza niż w Arizonie, ale letnie upały ostatnich lat pokazują, że nie można tego ignorować.
Podsumowanie
Ujawnienie przez Amazon danych o zużyciu 2,5 miliarda galonów wody rocznie to ważny sygnał dla całej branży. Dla polskich firm MŚP korzystających z usług chmurowych i narzędzi AI płyną z tego trzy praktyczne wnioski.
Po pierwsze - koszty infrastruktury AI będą rosły, bo rosną koszty środowiskowe jej utrzymania. Optymalizacja wykorzystania zasobów chmurowych to nie fanaberia, tylko rozsądne zarządzanie budżetem. Po drugie - regulacje unijne dotyczące zrównoważonej infrastruktury cyfrowej będą się zaostrzać, co wpłynie na dostępność i ceny usług. Po trzecie - świadome podejście do śladu środowiskowego technologii, z których korzystasz, może stać się Twoim argumentem w rozmowach z wymagającymi klientami.
Sztuczna inteligencja nie jest darmowa - ani finansowo, ani środowiskowo. Im lepiej to rozumiemy, tym mądrzejsze decyzje biznesowe możemy podejmować. A mądre decyzje to dokładnie to, czego polskie firmy potrzebują, żeby konkurować na europejskim rynku.