# Hosting zielonej AI i centra danych

> Jak wybrać miejsce działania AI: emisyjność sieci, PUE i WUE, deklaracje o energii odnawialnej, zużycie wody i lokalizacja oraz pytania do dostawców.

Source: https://greenai.guide/pl/dobre-praktyki/hosting-zielonej-ai-i-centra-danych/  
Updated: 2026-11-19

## W skrócie

To, gdzie działa AI, może mieć równie duże znaczenie jak to, jak działa. Warto wybierać regiony z niskoemisyjną energią elektryczną, pytać dostawców o PUE, WUE i emisje liczone metodą lokalizacyjną, a nie tylko o deklaracje dotyczące energii odnawialnej, i pamiętać, że czyste centrum danych nie czyni marnotrawnego oprogramowania efektywnym.

## Najważniejsze punkty

- Według szacunków IEA centra danych zużyły w 2024 roku około 415 TWh, czyli około 1,5% światowej energii elektrycznej; prognoza na 2030 rok to około 945 TWh.
- Emisyjność sieci elektroenergetycznej różni się w zależności od kraju, regionu i godziny, więc miejsce i czas zmieniają ślad węglowy tej samej pracy.
- PUE mierzy narzut budynku, a nie użyteczną pracę; według badania Uptime Institute z 2025 roku średnia wynosiła 1,54 i od sześciu lat prawie się nie zmienia.
- Deklaracje o energii odnawialnej oparte na certyfikatach nie zmieniają fizycznej sieci; należy prosić także o dane liczone metodą lokalizacyjną.
- Woda ma znaczenie: należy pytać o WUE i o to, czy obejmuje wodę zużytą do wytworzenia energii elektrycznej dla obiektu.

## Dlaczego miejsce działania AI ma znaczenie? {#why-does-where-ai-runs-matter}

**Ponieważ te same obliczenia mogą mieć bardzo różny wpływ na emisje, wodę i sieć elektroenergetyczną, zależnie od
centrum danych i stojącej za nim energii elektrycznej.** Patterson i współpracownicy wykazali, że wybór centrum
danych, procesora i modelu łącznie może zmienić ślad węglowy trenowania nawet około 100–1000 razy.

Skala rośnie. Międzynarodowa Agencja Energetyczna (IEA) szacuje, że centra danych zużyły w 2024 roku około 415 TWh
energii elektrycznej, czyli około 1,5% światowego zużycia. W scenariuszu bazowym prognozuje mniej więcej podwojenie
tej wartości, do około 945 TWh w 2030 roku, a głównym czynnikiem wzrostu jest sztuczna inteligencja (AI).

## Jak porównać emisyjność sieci elektroenergetycznej? {#how-do-i-compare-grid-carbon-intensity}

**Należy sprawdzić emisyjność sieci w każdym rozważanym regionie, w godzinach, w których będzie wykonywana praca.**
Emisyjność, mierzona w gramach ekwiwalentu CO₂ na kilowatogodzinę, zależy od miksu wytwarzania: energia wodna,
jądrowa, wiatrowa i słoneczna mają niską emisyjność, a węgiel i gaz wysoką. Różni się między krajami, między
regionami w ich obrębie i z godziny na godzinę.

- **Źródła danych:** Electricity Maps obejmuje wiele krajów; w Wielkiej Brytanii Carbon Intensity API operatora
  National Energy System Operator podaje prognozy dla 14 regionów.
- **Dane liczone metodą lokalizacyjną** służą do decyzji dotyczących oprogramowania. Specyfikacja SCI organizacji
  Green Software Foundation korzysta z lokalizacyjnej emisyjności sieci i wyklucza certyfikaty oraz kompensacje.
- **Liczy się czas.** Średnie roczne ukrywają różnicę między wietrzną nocą a bezwietrznym zimowym wieczorem.
  Elastyczne zadania można przenieść na czystsze godziny; zob.
  [efektywne trenowanie i inferencja](/pl/dobre-praktyki/efektywne-trenowanie-i-inferencja-ai/).

## Co mówią PUE, WUE i inne wskaźniki? {#what-do-pue-wue-and-other-metrics-tell-me}

**Każdy wskaźnik odpowiada na jedno wąskie pytanie; warto prosić o kilka i wiedzieć, czego każdy z nich nie
obejmuje.**

| Wskaźnik | Co mierzy | Czego nie mówi |
|---|---|---|
| [PUE](/pl/slowniczek/#pue) (efektywność wykorzystania energii) | Całkowita energia obiektu ÷ energia sprzętu IT; minimum to 1,0 | Czy serwery wykonują użyteczną pracę; emisje; woda |
| WUE (efektywność wykorzystania wody) | Litry wody na kWh energii IT; „site” (w obiekcie) lub „source” (z uwzględnieniem wody zużytej do wytworzenia energii elektrycznej) | Lokalny niedobór wody |
| CUE (efektywność emisyjna) | Emisje na kWh energii IT | Efektywność oprogramowania |
| ERE / ERF (ponowne wykorzystanie energii) | Korzyść z wykorzystania ciepła odpadowego | Nic, jeśli zostanie wliczony do PUE |
| Wykorzystanie serwerów | Stopień obciążenia sprzętu IT | Emisyjność |

Dwie przestrogi:

- **PUE stoi w miejscu.** Badanie Uptime Institute z 2025 roku podało średnią ważoną PUE na poziomie 1,54; to szósty
  rok, w którym wartość ta prawie się nie zmieniła. Co więcej, PUE może wyglądać znakomicie, gdy serwery są niemal
  bezczynne.
- **PUE nie może spaść poniżej 1,0.** Jeśli dostawca podaje wartość niższą niż 1,0, bo wykorzystuje ciepło, należy
  poprosić o odrębną wartość ERE lub ERF dla odzysku ciepła, zgodnie z intencją The Green Grid.

W UE centra danych o mocy zainstalowanej IT co najmniej 500 kW muszą co roku zgłaszać do europejskiej bazy danych
dane o energii, PUE, WUE, ponownym wykorzystaniu energii i energii odnawialnej, na mocy rozporządzenia delegowanego
2024/1364. Te sprawozdania są użytecznym źródłem przy porównywaniu dostawców z UE.

## Czy można ufać deklaracjom o „100% energii odnawialnej”? {#can-i-trust-100-renewable-claims}

**Należy traktować je jako punkt wyjścia i pytać, jak powstają.** Większość opiera się na certyfikatach lub umowach
zakupu energii (PPA) bilansowanych w skali roku, a nie na energii, którą obiekt pobiera w danej godzinie.

- Wytyczne GHG Protocol dotyczące zakresu 2 (Scope 2) rozróżniają emisje liczone **metodą lokalizacyjną** (na
  podstawie średniej dla lokalnej sieci) i **metodą rynkową** (uwzględniającą umowy i certyfikaty) oraz zalecają
  firmom, które mają dostęp do takich umów, raportowanie obu wartości.
- Green Web Foundation radzi kupującym, by prosili dostawców AI o obie wartości, ponieważ mogą się one znacznie
  różnić.
- Warto zapytać, czy dostawy energii odnawialnej są **dodatkowe** (nowe moce, które inaczej by nie powstały),
  **lokalne** względem sieci, z której korzysta obiekt, i **bilansowane godzinowo**, a nie rocznie.
- Czystej energii elektrycznej jest ograniczona ilość. Marnotrawne oprogramowanie u „zielonego” dostawcy nadal
  zużywa energię, z której mogliby skorzystać inni, i nadal potrzebuje sprzętu. Zielony hosting uzupełnia
  efektywność, ale jej nie zastępuje.

## Ile wody zużywa AI? {#how-much-water-does-ai-use}

**To w dużej mierze zależy od konstrukcji chłodzenia, klimatu i źródła energii elektrycznej, dlatego należy prosić
o dane dla każdego obiektu.**

- Google podaje, według własnych wyliczeń, 0,26 mL wody na medianowy tekstowy prompt w Gemini w 2025 roku.
- Li i współpracownicy prognozują, że światowe zapotrzebowanie na AI może odpowiadać w 2027 roku za pobór od 4,2 do
  6,6 mld metrów sześciennych wody, licząc chłodzenie na miejscu i wodę zużytą do wytworzenia energii elektrycznej.
- Woda ma charakter lokalny. Litr w regionie z niedoborem wody znaczy więcej niż litr tam, gdzie wody jest pod
  dostatkiem. Warto zapytać, gdzie znajdują się obiekty i skąd pochodzi woda.

## Gdzie powinny powstawać nowe moce dla AI? {#where-should-new-ai-capacity-go}

**Tam, gdzie czystej energii jest pod dostatkiem, woda nie jest deficytowa, a ciepło odpadowe można wykorzystać.**
Podczas brytyjskiego sandpitu (intensywne warsztaty badawcze, na których naukowcy i przemysł wspólnie wypracowują
pomysły na projekty) poświęconego zielonej AI w 2026 roku matematycy, informatycy i przedstawiciele przemysłu
omawiali lokowanie centrów danych tam, gdzie produkcja energii odnawialnej jest regularnie ograniczana, bo sieć nie
jest w stanie jej przyjąć, tak aby nadwyżka energii została wykorzystana, a nie zmarnowana. Lokalizacja zależy też od
przepustowości sieci, planowania przestrzennego, społeczności lokalnych i suwerenności danych; zob.
[suwerenna AI a zrównoważony rozwój](/pl/artykuly/suwerenna-ai-a-zrownowazony-rozwoj/).

W przypadku własnych obciążeń:

- pracę tolerującą opóźnienia (trenowanie, inferencja wsadowa, ewaluacja) warto umieszczać w regionie o najniższych
  emisjach, który spełnia wymogi prawne i bezpieczeństwa;
- usługi interaktywne warto wdrażać blisko użytkowników, wybierając czystszy spośród równorzędnych regionów;
- należy uwzględnić energię i koszt przenoszenia dużych zbiorów danych.

## Lista kontrolna {#checklist}

- [ ] Porównana emisyjność sieci w rozważanych regionach, w miarę możliwości w ujęciu godzinowym
- [ ] Wysłana prośba o PUE, WUE (site i source), CUE oraz dane o odzysku ciepła
- [ ] Wysłana prośba o emisje liczone zarówno metodą lokalizacyjną, jak i rynkową
- [ ] Deklaracje o energii odnawialnej sprawdzone pod kątem dodatkowości, lokalności i bilansowania godzinowego
- [ ] Uwzględnione dane o wodzie i lokalny niedobór wody
- [ ] Elastyczne obciążenia umieszczone w niskoemisyjnych regionach i godzinach
- [ ] Prace nad efektywnością kontynuowane niezależnie od tego, jak zielony jest dostawca

## Co dalej {#what-to-do-next}

1. Spisać, gdzie dziś działają obciążenia AI, w tym te uruchamiane przez dostawców.
2. Sprawdzić emisyjność sieci w każdym regionie i zanotować, które zadania można przenieść.
3. Wysłać dostawcom hostingu powyższe pytania; sformułowania do umów zawiera strona
   [zrównoważone zamówienia AI](/pl/dobre-praktyki/zrownowazone-zamowienia-ai/).
4. Umieścić emisyjność sieci na pulpicie operacyjnym obok obciążenia i kosztów.
5. Zdecydować, co działa centralnie, a co mogłoby działać lokalnie; zob. [edge czy chmura](/pl/dobre-praktyki/brzeg-sieci-czy-chmura-gdzie-powinna-dzialac-ai/).
6. Zanim hosting zostanie opisany jako zielony, warto przeczytać stronę
   [uczciwe deklaracje ekologiczne](/pl/dobre-praktyki/uczciwe-deklaracje-ekologiczne-dotyczace-ai/).

## Najczęściej zadawane pytania

### Jaka wartość PUE jest dobra?

PUE to całkowita energia obiektu podzielona przez energię sprzętu IT, więc 1,0 to teoretyczne minimum. Badanie Uptime Institute z 2025 roku podało średnią dla branży na poziomie 1,54.

### Czy centrum danych zasilane w 100% energią odnawialną oznacza, że moja AI jest zeroemisyjna?

Niekoniecznie. Takie deklaracje opierają się zwykle na rocznych certyfikatach lub umowach. W danej godzinie obiekt nadal pobiera energię z lokalnej sieci, dlatego warto prosić o emisje liczone metodą lokalizacyjną, a najlepiej o dane z bilansowaniem godzinowym.

### Ile wody zużywają centra danych?

Bardzo różnie, zależnie od konstrukcji chłodzenia i klimatu. Google podaje 0,26 mL wody na medianowy tekstowy prompt (polecenie) w Gemini; badacze prognozują, że światowy pobór wody przez AI wyniesie w 2027 roku od 4,2 do 6,6 mld metrów sześciennych.

### Czy zawsze należy wybierać najbardziej ekologiczny region?

W przypadku elastycznej pracy, która toleruje opóźnienia, często tak. W przypadku usług interaktywnych należy zestawić emisje z opóźnieniem, przepisami o ochronie danych, odpornością i kosztem przenoszenia danych.

## Źródła

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Uptime Institute Global Data Center Survey 2025](https://intelligence.uptimeinstitute.com/resource/uptime-institute-global-data-center-survey-2025), Uptime Institute (2025)
- [Water Usage Effectiveness (WUE): a Green Grid data center sustainability metric (White Paper 35)](https://www.thegreengrid.org/system/files/store/WUE_v1.pdf), The Green Grid (2011)
- [ERE: a metric for measuring the benefit of reuse energy from a data center](https://datacenters.lbl.gov/sites/default/files/EREmetric_GreenGrid.pdf), The Green Grid (2010)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Google (arXiv 2508.15734) (2025)
- [Making AI Less 'Thirsty': Uncovering and Addressing the Secret Water Footprint of AI Models](https://arxiv.org/abs/2304.03271), Li, Yang, Islam and Ren (arXiv 2304.03271) (2023)
- [GHG Protocol Scope 2 Guidance](https://ghgprotocol.org/sites/default/files/2023-03/Scope%202%20Guidance.pdf), GHG Protocol (2015)
- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the first phase of a common Union rating scheme for data centres](https://eur-lex.europa.eu/eli/reg/2024/1364/oj), EUR-Lex (2024)
- [Carbon Intensity API](https://carbonintensity.org.uk/), National Energy System Operator (2025)
- [Carbon Emissions and Large Neural Network Training](https://arxiv.org/abs/2104.10350), Patterson et al. (arXiv 2104.10350) (2021)
- [Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact](https://www.thegreenwebfoundation.org/publications/report-ai-environmental-impact/), Green Web Foundation (2024)
