Как пользоваться ИИ и не сжигать планету: пять приемов, которые реально экономят энергию

Внутри новейших дата-центров мира энергоемкие вычисления идут круглосуточно: ИИ-чат-боты и генеративные инструменты решают задачи от легкомысленных до жизненно важных — собирают изображения для соцсетей, раздают советы по отношениям, анализируют медицинские снимки для диагностики рака, пишут код и выявляют финансовые махинации. Но вместе с популярностью ИИ-инструментов взлетели и сопутствующие экологические издержки.

По данным Международного энергетического агентства, дата-центры сейчас потребляют 414 тераватт-часов в год — около 1,5 процента мирового электричества; этот объем рос на 12 процентов ежегодно в течение пяти лет, а в 2025 году подскочил до 17 процентов. К 2030 году, по прогнозам, спрос на электричество со стороны дата-центров более чем удвоится. Значительная часть растущего спроса покрывается ископаемым топливом, и эксперты также обеспокоены расходом воды на охлаждение серверов в засушливых регионах.

На использование ИИ для генерации текста или картинок, вероятно, приходится лишь крохотная доля личного экологического следа конкретного человека. И специалисты подчеркивают: ответственность за снижение ресурсопотребления лежит на технологических компаниях — от создания более умных, энергосберегающих алгоритмов до разработки эффективного оборудования. Однако есть и простые действия, которые помогают минимизировать воздействие на среду: от осознанного выбора ситуаций, где ИИ действительно нужен, до формулировки промптов, сокращающих объем вычислений. «Индивидуальные решения не бессмысленны, и некоторые из них действеннее, чем люди думают», — говорит специалист по компьютерным наукам из Университетского колледжа Лондона Ивана Дробняк.

Энергоемкие боты

Оценить энергию, затраченную на обработку одного запроса к чат-боту, чрезвычайно трудно. Google, например, подсчитал, что его чат-бот Gemini потребляет около 0,24 ватт-часа на ответ на текстовый запрос средней длины — столько же электричества нужно для просмотра телевизора меньше девяти секунд. На это также уходит около 0,26 миллилитра воды и выбрасывается эквивалент 0,03 грамма углекислого газа. По отдельности это крохи, но для тех, кто пользуется ИИ-инструментами помногу, расходы накапливаются.

Причина высокой энергоемкости ИИ-моделей — отчасти в процессорах, таких как графические ускорители, потребляющие значительно больше энергии, чем центральные процессоры, и в самой архитектуре трансформеров, лежащей в основе больших языковых моделей. Такая модель проводит миллиарды вычислений для каждого нового слова в ответе. Технологические компании уверяют, что LLM со временем становятся энергоэффективнее, но даже малые затраты складываются в огромные цифры при нынешних масштабах: по оценкам Дробняк, только ChatGPT ежедневно получает около 3,2 миллиарда запросов.

Не отказывайтесь от обычного поиска

Первый и самый простой способ сберечь энергию — задуматься, действительно ли вам нужен ИИ для конкретной задачи. «Спрашивать у ChatGPT «Что мне надеть?» или «Какая погода?» — это как лететь на «Конкорде» в супермаркет», — говорит Гюнтер Кламбауэр, эксперт по ИИ из Университета Иоганна Кеплера в Австрии. То же касается поисковиков, которые автоматически генерируют ИИ-ответ рядом с результатами поиска. Выбор режима «Только веб-результаты» в браузере или добавление «-ai» в поисковый запрос решает проблему.

Маленькие модели тратят меньше энергии

Тем, кто много пользуется ИИ для конкретных задач — перевода или суммаризации, — стоит присмотреться к небольшим специализированным моделям. В исследовании, опубликованном ЮНЕСКО в 2025 году, Дробняк протестировала малые модели вроде opus-mt-en-es для англо-испанского перевода вместо гигантской Llama 3.1. Несмотря на меньшую «дружелюбность» интерфейса, малые модели потребили в 15–50 раз меньше энергии, а качество результатов на профильных задачах оказалось выше. Переход с крупных моделей на специализированные снизил энергопотребление на 90 процентов — самая мощная одиночная стратегия экономии. Как формулирует это эксперт по компьютерной инженерии Удит Гупта: «Вам не нужна модель с триллионом параметров, чтобы отредактировать письмо».

Меньше болтовни от чат-бота

Поскольку LLM выполняют огромное количество вычислений для каждого следующего слова, выгодно выбирать менее «разговорчивые» модели. Исследователь ИИ-систем Мошараф Чоудхури из Мичиганского университета обнаружил, что некоторые модели в «режиме рассуждения» потребляют драматически больше энергии, чем в стандартном. Поэтому эксперты советуют включать режим рассуждения только для сложных вопросов. Простая просьба «будь краток» или ограничение по количеству слов тоже дает эффект: в исследовании Дробняк команда сократила энергопотребление Llama на 50 процентов, просто попросив модель уменьшить ответ вдвое. Укорачивание же самого промпта сэкономило лишь 5 процентов энергии. «Именно размер вывода определяет энергозатраты сильнее всего», — подчеркивает Дробняк.

Низкое разрешение и пакетная обработка для видео

Генерация изображений и видео расходует на порядки больше энергии, чем текст, так как требует многократной итерации миллионов пикселей. Почти 40 процентов подростков от 13 до 17 лет, опрошенных Pew Research Center, используют ИИ для создания или редактирования картинок. Дробняк советует генерировать медиа только при необходимости и в минимально нужном разрешении: «Можно начать с низкого разрешения и, если алгоритм пошел в верном направлении, повышать его». Редактирование существующих изображений всегда менее энергозатратно, чем создание с нуля, а пакетная генерация в одной сессии эффективнее множества отдельных запросов.

Все эти действия могут показаться каплей в море, и во многом так оно и есть, признают эксперты. Но мелочи накапливаются. Пока технологические компании и законодатели ищут способы системно снизить влияние ИИ на среду, «человек, который знает, какой инструмент выбрать, действительно способен повлиять на ситуацию, — говорит Дробняк. — ИИ потребляет так много энергии, что мы обязаны смотреть на проблему со всех сторон».

Источники: International Energy Agency; Knowable Magazine; исследование ЮНЕСКО (2025); данные Google, OpenAI; интервью Иваны Дробняк (University College London), Гюнтера Кламбауэра (Johannes Kepler University), Удита Гупты (Cornell Tech), Мошарафа Чоудхури (University of Michigan).