Rubrika: Technologie & AI Autor: V Délka čtení: ~27 min Prameny a další četba: 22 položek Témata: AI, elektřina, datová centra, inference, trénink, PUE, voda, ERÚ, IEA SEO / pracovní titulek: Kolik elektřiny spotřebuje umělá inteligence?
Kolik elektřiny spotřebuje umělá inteligence? Otázka zní jednoduše jen do chvíle, než si všimneme, že neporovnáváme jeden účet. Datové centrum není umělá inteligence. Trénink není inference. Watt-hodina promptu není terawatthodina sítě. A české netto 58 TWh není účet ChatGPT v Brně. Článek proto nehledá jedno procento, které by uneslo titulek. Hledá jmenovatele: který rok, která hranice, měření nebo scénář, a co do něj ještě nepatří.
1. Čtyři čísla na jednom stole nejsou jeden podíl „AI“
V redakci leží čtyři čísla na jednom stole. Reportér chce z globálního podílu datových center udělat větu o umělé inteligenci. Analytik ho zastaví: IEA v roce 2024 měří datová centra, ne čistý podíl AI. Aktivista cituje medián 0,24 Wh na textový prompt Gemini Apps a násobí jej neznámým počtem dotazů. Energetik ukáže české netto 58 TWh za rok 2024 a světový přírůstek spotřeby datových center o přibližně 70 TWh mezi roky 2024 a 2025. Manažer cloudu položí na stůl 37 026 353 MWh elektřiny Microsoftu za FY2025 a ptá se, kolik z toho je právě AI [3][9][14][16].
Na první pohled jde o spor, zda je umělá inteligence energeticky malá, nebo velká. Ve skutečnosti každý drží jiný jmenovatel. Reportér globální účet všech datových center. Analytik definici IEA. Aktivista jednotku inference u jedné služby a jedné metodiky. Energetik roční bilanci státu. Manažer firemní účet včetně cloudu pro zákazníky, kteří nemusí používat generativní AI.
Proto mohou být všichni částečně správně a společný titulek přesto chybný. Číslo bez roku, hranice a scope není informace. Je to surovina pro nedorozumění.
Datové centrum není totéž co „AI“ a watt-hodina promptu není totéž co terawatthodina sítě.
— Jiný Kontext
2. Elektřina umělé inteligence má nejméně šest vrstev
První vrstva je chip a výpočet. Záleží na akcelerátoru, využití, dávkování, délce kontextu, počtu výstupních tokenů a tom, zda systém běží v jednoduchém nebo náročnějším režimu. IEA uvádí, že špičkový GPU může mít příkon až 1 000 W a že cluster použitý pro GPT-4 byl odhadován na přibližně 10 MW jen pro GPU, respektive přibližně 22 MW se zbytkem IT a chlazením [2].
Druhá vrstva je trénink. Je jednorázový, špičkový a koncentrovaný. Třetí je inference, tedy serving: opakovaný provoz po každém dotazu, shrnutí, překladu, generování obrázku nebo agentním běhu. Čtvrtá vrstva je infrastruktura datového centra. PUE říká, kolik elektřiny nad IT zátěž spotřebuje chlazení a další provoz. Pátá je voda, kde se liší on-site od vody použité v energetice. Šestá je elektrizační soustava, včetně lokálních sítí a roční bilance.
Věta „AI spotřebovala elektřinu“ je tedy začátek diagnózy, ne její konec. Selhání může být v modelu, ve výpočtu, v chlazení, v síti, v emisním faktoru, ve vodním scope nebo v tom, že se scénář roku 2030 čte jako účet roku 2024.
Tato vrstevnatost mění i politickou otázku. Jinak se plánuje připojení velkého kampusu, jinak se hodnotí uhlík jedné služby a jinak se rozhoduje, zda má firma používat náročný agentní workflow na úlohu, kterou zvládne menší model. Síť nevidí „AI“ jako abstraktní schopnost. Vidí příkon, odběr, čas, místo a požadavky na spolehlivost. Uživatel zase nevidí síť. Vidí odpověď na obrazovce. Mezi těmito dvěma pohledy leží datové centrum, jeho chlazení, smlouvy na elektřinu a pravidla provozu.
Proto je tak snadné mluvit mimo sebe. Jeden člověk řeší globální klima, druhý lokální transformátor, třetí účet za API a čtvrtý vodu v místě chlazení. Všichni mohou používat slovo spotřeba. Nemluví však o stejné hranici. Dobrá věta o elektřině AI musí říct, na které vrstvě stojí. Pokud to neudělá, začne se tvářit jako obecné vysvětlení a přitom popisuje jen jeden článek řetězce.
3. Nejlepší číslo je to, jehož jmenovatel unesete
Energetická debata nepotřebuje nejsilnější větu. Potřebuje číslo, které ví, co měří. Levná chyba je zaokrouhlit podíl datových center tak, že zmizí lokální tlak na síť. Drahá chyba je vydat projekci roku 2030 za účetnictví roku 2024. Ještě dražší je vynásobit 0,24 Wh neznámým počtem úloh a tvářit se, že textový medián jedné služby vysvětluje globální infrastrukturu.
| Druh selhání | Jak vypadá | Jak testovat | Co omezí škodu |
|---|---|---|---|
| Datová centra vydaná za AI | Z účtu všech DC vznikne podíl umělé inteligence | Ověřit, zda zdroj mluví o DC, AI-focused DC, nebo inferenci | Oddělit hranici výpočtu a hranici infrastruktury [1][3] |
| Scénář jako účet | Rok 2030 se objeví bez slova projekce | Ptát se na rok a metodiku | Uvést měření 2024/2025 zvlášť od scénáře 2030 |
| Wh krát neznámý počet | Promptové číslo slouží k závěru o síti | Hledat počet, mix úloh a percentil | Nesčítat medián Gemini s globálním účtem DC [9] |
| Slití vody | 500 ml u GPT-3 se staví proti 0,26 ml u Gemini | Porovnat model, rok, on-site a total scope | Dva účty vedle sebe, ne jeden verdikt [12][13] |
| Česko jako platce AI | 58 TWh se čte jako účet jedné aplikace | Oddělit roční netto země a světový přírůstek DC | Používat srovnání řádů s výhradou [16] |
Číslo je dobré tehdy, když jej umíme vložit do věty bez skryté záměny. Rok. Populace. Jednotka. Hranice. Měření nebo scénář. Co v tom je a co v tom není.
Stejné pravidlo platí pro srovnání, která mají čtenáři pomoct. Domácnosti, státy nebo firmy jsou užitečné orientační pomůcky, pokud zůstanou orientační. Když IEA přirovnává velké datové centrum k domácnostem, ukazuje měřítko příkonu a odběru. Neříká, že domácnost má stejný denní profil, stejnou lokalitu, stejný tarif nebo stejný význam pro síť [2]. Když položíme vedle sebe světový přírůstek DC a českou netto spotřebu, ukazujeme řád růstu. Neříkáme, že jde o stejné území nebo stejné rozhodování.
Nejlepší číslo tedy není nutně největší ani nejmenší. Je to číslo, které se dá zkontrolovat. Pokud zdroj uvede 415 TWh, rok 2024 a všechna datová centra, lze s ním pracovat. Pokud zdroj uvede 0,24 Wh, medián textového promptu a metodiku Googlu, lze s ním pracovat také. Chyba vzniká ve chvíli, kdy jedno číslo začne dělat práci druhého.
4. Datové centrum není umělá inteligence
IEA v reportu Energy and AI uvádí, že datová centra spotřebovala v roce 2024 přibližně 415 TWh elektřiny, asi 1,5 procenta světové spotřeby elektřiny. Od roku 2017 podle reportu rostla jejich spotřeba přibližně o 12 procent ročně. Z těchto 415 TWh připadalo podle IEA 45 procent na USA, 25 procent na Čínu a 15 procent na Evropu [1][2].
To je pevný orientační bod. Není to však účet čisté AI. Datová centra obsluhují streaming, podnikový cloud, e-commerce, úložiště, databáze, tradiční servery a mnoho dalších služeb. AI-focused centra jsou podmnožina, která roste rychleji, protože obsahuje velké množství akcelerátorů pro trénink a běh modelů. Pokud se z 1,5 procenta udělá podíl umělé inteligence na světové elektřině, změní se objekt měření.
Z toho neplyne, že datová centra jsou zanedbatelná. Lokální tlak na síť může být vysoký i tehdy, když globální podíl vypadá malý. IEA opakovaně upozorňuje na koncentraci poptávky a připojovací omezení. Jen je třeba říkat: datová centra v roce 2024, ne umělá inteligence jako celek.
Lokální problém může být navíc opačný než globální titulek. Světový podíl kolem 1,5 procenta v roce 2024 vypadá v jedné větě malý. V konkrétním regionu může několik projektů změnit plánování sítě, potřebu záložních zdrojů a tempo výstavby. Energetika se nerozhoduje podle světového průměru. Rozhoduje se podle uzlu, vedení, rezervace kapacity a času, kdy odběr vznikne.
Proto je přesnější říct, že AI je jedním z motorů nové poptávky po datových centrech. Není přesné říct, že každé datové centrum je AI. A není přesné uklidnit se globálním procentem, pokud lokální připojení naráží na kapacitu. Jedna věta musí unést obě strany: globální účet všech DC a místní elektrické omezení nejsou totéž.
5. 485 TWh a +17 procent je účet datových center, ne účet ChatGPT
V aktualizaci Key Questions on Energy and AI IEA uvádí, že spotřeba elektřiny datových center dosáhla v roce 2025 přibližně 485 TWh, tedy téměř 500 TWh, a byla mírně nad 1,5 procenta světové spotřeby elektřiny. Meziročně podle IEA vzrostla o 17 procent. Rozdíl proti roku 2024 dává přibližně 70 TWh přírůstku [3][4][5].
To je velký pohyb v energetice. Pořád však jde o všechna datová centra. Když se vedle něj položí česká netto spotřeba 58 TWh v roce 2024, dostaneme řádové srovnání: světový roční přírůstek DC je větší než celoroční netto spotřeba ČR. Není to tvrzení, že Česko platí AI, ani že každý nový TWh patří chatbotům [16].
IEA pro rok 2030 uvádí projekci přibližně 950 TWh, kolem 3 procent světové poptávky po elektřině. Starší report Energy and AI pracoval v Base Case s přibližně 945 TWh. Obě hodnoty patří do budoucího scénáře, ne do účetnictví roku 2024 nebo 2025 [1][3].
6. AI-focused centra rostou rychleji než všechna datová centra
IEA v tiskové zprávě k roku 2025 uvádí, že spotřeba AI-focused datových center rostla meziročně přibližně o 50 procent. To je rychleji než celková spotřeba datových center, kde uvádí 17 procent, a rychleji než světová spotřeba elektřiny, u níž tisková zpráva zmiňuje přibližně 3 procenta [5].
To je důvod brát AI vážně. Ne proto, že by se každý účet datových center směl přepsat na AI, ale proto, že její podmnožina roste rychle. IEA v Base Case pro rok 2030 uvádí, že AI-focused centra mohou přesáhnout trojnásobek výchozí úrovně a dosáhnout přibližně 465 TWh. Definice se vztahuje na centra s velkým počtem akcelerátorů pro trénink a běh modelů [4].
I zde platí výhrada. 465 TWh v roce 2030 není měřený podíl umělé inteligence na veškeré světové elektřině. Je to scénář pro vymezenou kategorii datových center. Hodí se pro otázku, jak se má síť připravit. Nehodí se pro větu bez roku a bez definice.
7. Trénink není inference
Trénink je výroba modelu. Inference je jeho používání. Trénink může být energeticky koncentrovaný a mediálně viditelný, protože se odehraje jako velká kampaň na mnoha akcelerátorech. Inference je méně nápadná, protože se rozprostře do miliard jednotlivých požadavků, jejichž cena závisí na délce vstupu, výstupu, modelu, dávkování a režimu.
Luccioni, Jernite a Strubell ve své práci k energii AI uvádějí historické firemní odhady: podle citovaného Patterson et al. připadalo u Googlu v roce 2022 přibližně 60 procent energie ML na inferenci a 40 procent na trénink; podle citovaného AWS materiálu z roku 2019 připadalo 80 až 90 procent ML cloudu na inferenci [7][8][21].
Tato čísla se nesmějí zamrazit jako dnešní světový poměr. Mix se mění s reasoning režimy, agenty, videem, delším kontextem a novými modely. Ukazují však důležitý princip: velký trénink není celý účet. Každodenní provoz modelů může být v součtu rozhodující, i když jedna odpověď vypadá malá.
U inference je skrytý ještě jeden rozdíl: počet kroků. Jednoduchý dotaz může znamenat jedno modelové volání. Agentní práce může znamenat plán, vyhledávání, čtení dokumentů, několik návrhů, kontrolu, opravu a další průchod. Uživatel stále vidí jeden úkol. Datové centrum vidí více výpočtů. Proto se průměrná cena promptu nedá bez dalšího přenést na úlohy, které uvnitř obsahují mnoho promptů.
Tady se energetika potkává s produktovým designem. Když aplikace nastaví drahý režim pro každý dotaz, může plýtvat. Když jej zapne jen tam, kde jednoduchý model nestačí, může ušetřit bez ztráty kvality. Rozdíl mezi tréninkem a inferencí tedy není jen technická definice. Je to pravidlo, kde hledat úspory: jednou při stavbě modelu, podruhé při každém jeho použití.
8. 42,4 GWh jednoho tréninku GPT-4 není globální podíl
IEA s odkazem na Epoch AI uvádí odhad energie na jeden trénink GPT-4 přibližně 42,4 GWh. V podkladu se mluví o tréninku trvajícím asi 14 týdnů, 25 000 GPU a load factoru 84 procent. Denní spotřeba kolem 0,43 GWh je v reportu přirovnávána k přibližně 28 500 domácnostem v advanced economies v daný den [2][20].
Je to dobré číslo pro představu měřítka. Není to globální podíl. Měří jeden trénink, ne následnou inferenci, ne celé datové centrum, ne všechna opakování experimentů a ne každou službu na trhu. IEA také používá řádové analogie: jedno velké datové centrum může mít spotřebu srovnatelnou s přibližně 100 000 domácnostmi a největší ve výstavbě až s přibližně 2 miliony domácností. Takové analogie pomáhají velikosti. Nejsou účetní identitou českých domácností [2].
Tréninková čísla proto patří do vět s přesnou hranicí. Jeden trénink. Odhad. Konkrétní model. Konkrétní předpoklady. Jakmile z nich uděláme větu o celé umělé inteligenci, měníme špičku na rok a kampaň na provoz.
9. 0,24 Wh promptu není 415 TWh sítě
Google ve studii Elswortha a spoluautorů uvádí pro medián text-generation promptu v Gemini Apps hodnotu 0,24 Wh, 0,03 g CO2e a 0,26 ml vody. Metodika zahrnuje akcelerátor, host CPU a DRAM, idle kapacitu a PUE flotily. Google uvádí fleet-wide PUE 1,09 a pokles energie na medián promptu 33krát za 12 měsíců do května 2025 [9][10][11].
To je důležitá oprava starých dojmů, že každá textová odpověď má nutně velký řád. Je však stejně nebezpečné použít ji opačně jako univerzální omluvu. Jde o medián textových promptů jedné služby, jedné metodiky a jedné flotily. Neměří video, agenty, dlouhý reasoning, jiné poskytovatele, jiné PUE ani chvost velmi náročných úloh.
Jak testovat prompt proti síti
Má zdroj počet úloh a jejich mix? Jde o medián, průměr, nebo chvost rozdělení? Je to text, obraz, video, kódový agent nebo dlouhá rešerše? Patří do čísla PUE? Jde o jednu flotilu s PUE 1,09, nebo o jiné datové centrum? Bez počtu a mixu se Wh a TWh nesčítají.
10. I kdyby běžná vyhledávání byla jednoduchý AI text, pořád jde o méně než 4 TWh
IEA v Key Questions on Energy and AI uvádí hypotézu: i kdyby všechna běžná vyhledávání byla jednoduchým AI textovým dotazem, spotřeba by byla méně než 4 TWh ročně, tedy méně než 1 procento současné spotřeby datových center [3][4].
Tato věta je užitečná právě proto, že je úzká. Mluví o jednoduchých textových dotazech. Nemluví o agentech, kteří provedou desítky volání. Nemluví o generování videa. Nemluví o dlouhém kontextu, o privátním vyhledávání v dokumentech ani o tréninku nového modelu. A hlavně nemluví o celém účtu datových center.
Z toho neplyne, že inference je vždy malá. Plyne z toho, že běžný textový prompt a celosvětová datová infrastruktura jsou jiné jednotky. Pokud má někdo počet úloh, jejich mix a měření na úlohu, může odhadovat. Pokud má jen medián jedné služby a pocit z objemu internetu, nemá účet. Má násobilku bez jednoho činitele.
Praktický dopad je jednoduchý. Firma, která nasazuje AI do vyhledávání v dokumentech, zákaznické podpory nebo kódového agenta, nemá počítat jeden univerzální prompt. Má změřit vlastní typickou úlohu: kolik volání vznikne, jak dlouhý je vstup, kolik výstupu se zahodí, jak často se práce opakuje a kdy se zapíná dražší režim. Teprve potom lze mluvit o spotřebě na přijatý výsledek.
11. PUE není spotřeba modelu
PUE, power usage effectiveness, je poměr celkové elektřiny datového centra k elektřině IT zátěže. Když Google uvádí flotilové PUE 1,09, znamená to, že na 1 kWh IT zátěže připadá 0,09 kWh infrastruktury navíc. Tato infrastruktura zahrnuje chlazení, napájení a další provozní režii [9][10].
PUE tedy není vlastnost modelu. Není to „žravost transformeru“. Je to vlastnost datového centra a jeho provozu. Jiný kampus, jiné klima, jiné chlazení a jiné využití kapacity mohou dát jiný výsledek. Strubell, Ganesh a McCallum ve své práci z roku 2019 používali globální průměr PUE 1,58 z roku 2018. To patří k jejich odhadu a nelze to bez úpravy přenést na Google 2025 ani na český provoz [6].
PUE zároveň ukazuje, proč se trénink, inference a chlazení nemají míchat. Pokud se ptáme na výpočet modelu, zajímá nás IT zátěž. Pokud se ptáme na síť, zajímá nás celkové datové centrum. Pokud se ptáme na uhlík nebo vodu, přidává se energetický mix, místo a čas.
PUE také není omluva. Nízké PUE říká, že datové centrum má malou režii nad IT zátěž. Neříká, že samotná IT zátěž je malá. Velmi efektivní centrum s obrovským množstvím akcelerátorů může spotřebovat hodně elektřiny. Naopak horší PUE v menším provozu může být lokálně méně významné. Proto se PUE nemá používat jako samostatný štítek ctnosti. Patří vedle absolutního odběru, využití kapacity a zdroje elektřiny.
Dobrá otázka zní: kolik elektřiny jde do IT, kolik přidává infrastruktura a jak často je výpočet skutečně využitý? Pokud akcelerátory čekají na špičku, idle kapacita se může objevit v metodice jako část servingu. Pokud běží na vysoké využití, mění se cena latence a chlazení. PUE pomáhá číst provoz. Neuzavírá energetický účet.
12. Elektřina není uhlík a uhlík není voda
Jedna TWh elektřiny nemá všude stejný uhlík. Záleží na výrobním mixu, čase odběru a lokalitě. ERÚ pro Českou republiku v roce 2024 uvádí netto výrobu elektřiny 69 TWh, meziročně o 3,9 procenta méně. Saldo export minus import kleslo z 9,2 na 6,7 TWh. Instalovaný výkon fotovoltaických elektráren vzrostl z 3,3 na 4 GWe a výroba z FVE meziročně vzrostla o 24,2 procenta. Jádro i pára meziročně klesaly [16][17].
Tato čísla neříkají uhlíkovou stopu jednoho českého promptu. Dávají kontext jmenovateli. Stejný odběr v síti s jiným mixem má jiný emisní dopad. Stejný výpočet v jiném čase může mít jiný marginální zdroj. A stejný datový provoz může mít jinou vodní stopu podle chlazení a vody použité při výrobě elektřiny.
Proto je špatně převádět elektřinu, uhlík a vodu do jedné věty bez scope. Elektřina je fyzikální účet odběru. Uhlík závisí na výrobě. Voda závisí na chlazení, lokalitě a metodice. Když se tyto vrstvy rozliší, debata je méně efektní, ale přesnější.
V českém kontextu je tato výhrada zvlášť důležitá. ERÚ dává roční údaje o soustavě, výrobě, spotřebě a saldu. Neříká, jakou uhlíkovou stopu má konkrétní AI služba, kterou český uživatel zavolá přes zahraniční cloud. Taková odpověď by potřebovala vědět, kde výpočet proběhl, v jakém čase, s jakým zdrojem elektřiny a jaké smluvní nástroje poskytovatel používá. Roční český mix je kontext, ne GPS jednoho promptu.
Stejně tak voda není univerzální převodník viny. Chlazení v suchém regionu má jiný význam než odběr v místě s jinou vodní bilancí. Voda na výrobu elektřiny není totéž co voda odpařená v areálu. Obě mohou být relevantní. Nesmějí se však bez označení sčítat a porovnávat s číslem, které měří jen jednu z nich.
13. On-site voda není totální vodní stopa a Li není vyvrácení Googlu
Li, Yang, Islam a Ren odhadují, že trénink GPT-3 v USA v datových centrech Microsoftu mohl spotřebovat 5,4 milionu litrů vody celkem, z toho 0,7 milionu litrů on-site. U inference GPT-3 uvádějí přibližně 500 ml vody na 10 až 50 středně dlouhých odpovědí podle místa a času. Jde o on-site plus off-site vodu, tedy i vodu spojenou s výrobou elektřiny [12][13].
Google oproti tomu u mediánu textového promptu Gemini Apps uvádí 0,26 ml vody podle své metodiky a svého provozu v roce 2025 [9][11]. Tato dvě čísla nejsou přímý spor o jednu věc. Li mluví o GPT-3, jiném roce, jiném scope a zahrnutí vody v energetice. Google mluví o mediánu promptu v Gemini Apps, jiné infrastruktuře a jiné hranici.
Z toho neplyne, že jedno číslo je pravda a druhé lež. Plyne z toho, že voda bez scope je ještě nebezpečnější než elektřina bez roku. Rozsah 500 ml se nemá měnit na konstantu pro každý současný dotaz. A 0,26 ml se nemá měnit na strop pro všechny úlohy a poskytovatele.
14. 626 155 liber CO2e z roku 2019 není ChatGPT roku 2026
Strubell, Ganesh a McCallum v roce 2019 odhadli, že trénink velkého Transformeru s neural architecture search mohl dosáhnout 626 155 liber CO2e. Použili mimo jiné americký grid faktor 0,954 lb/kWh a PUE 1,58. Šlo o jeden výzkumný pipeline spojený s hledáním architektury podle práce So a spoluautorů. BERT trénovaný na GPU bez takového hledání byl v jejich tabulce řádově nižší [6].
Toto číslo sehrálo důležitou roli. Připomnělo, že výzkumné hledání modelů má fyzický účet. Není však korektní z něj dělat uhlíkovou stopu ChatGPT v roce 2026. Změnil se hardware, datová centra, PUE, energetický mix, modely, způsob servingu i rozsah použití. Navíc šlo o trénink a vyhledávání architektury, ne o běžnou inferenci.
Staré číslo tedy patří do historie měření a do argumentu, že energetika AI má být viditelná. Nepatří do titulku o současném globálním podílu. Když se řádová ilustrace stane účetnictvím, přestane pomáhat.
15. 37 TWh Microsoftu je účet firmy, ne podíl umělé inteligence na světě
Microsoft v Environmental Data Fact Sheet uvádí za FY2025 elektřinu 37 026 353 MWh, tedy přibližně 37,0 TWh. Je to účet celé firmy. Zahrnuje globální provoz a cloudové služby pro zákazníky, kteří mohou používat AI, ale také mnoho služeb, které s generativní AI přímo nesouvisejí [14].
Toto číslo je užitečné pro otázku, jak velké energetické firmy se z cloudových poskytovatelů staly. Není užitečné jako přímý podíl umělé inteligence na světové elektřině. Pokud jej někdo přičte k 415 TWh datových center, snadno započítá část téhož světa dvakrát nebo smíchá firemní účet s kategorií infrastruktury.
Správná věta zní užší: Microsoft jako firma vykázal v daném finančním roce odběr elektřiny v desítkách TWh. Z toho nevíme, kolik připadá na AI, kolik na jiné cloudové služby a kolik na zbytek provozu. Bez interní alokace a metodiky zůstává číslo firemním účtem, ne účtem modelů.
Firemní účty jsou přesto cenné. Ukazují, že digitální infrastruktura už není okrajová položka v energetice. Pokud velký poskytovatel roste, jeho rozhodnutí o lokalitě, nákupu elektřiny, záložních zdrojích a chlazení ovlivňují veřejné sítě i investice. Jen je třeba držet dvě věty odděleně. První: cloudové firmy mají velké a rostoucí energetické účty. Druhá: z jednoho firemního účtu nelze bez alokace vyčíst podíl generativní AI.
Tato distinkce chrání obě strany sporu. Kritika nemusí přehánět, aby byla vážná. Obrana se nemůže schovat za to, že přesný AI podíl není veřejný. Chybějící alokace není důkaz nuly. Je to důvod formulovat závěr opatrněji.
16. České 58 TWh je měřítko země. Není účet ChatGPT v Brně
ERÚ ve zprávě z 18. února 2025 uvádí, že netto spotřeba elektřiny v České republice v roce 2024 činila 58 TWh, meziročně o 0,6 procenta méně. Zmiňuje také výpadek lokální spotřeby velkých podniků. Ve stejném kontextu ERÚ uvádí netto výrobu 69 TWh, meziročně o 3,9 procenta méně [16][17][18].
Srovnání s IEA je silné, pokud zůstane přesné. Světový přírůstek spotřeby datových center mezi roky 2024 a 2025, přibližně 70 TWh, je větší než celoroční česká netto spotřeba. To ukazuje řád rychlosti růstu globální infrastruktury. Neříká to, že Česká republika spotřebovala méně než AI, ani že české datové centrum běží na takovém objemu. Dosie nemá čísla ERÚ o spotřebě konkrétních českých datových center v TWh.
Před srovnáním s Českem
Porovnáváte roční netto spotřebu země s ročním přírůstkem světových datových center, nebo s inferencí jedné aplikace? Je ve větě výroba 69 TWh, nebo spotřeba 58 TWh? Jde o český mix, světový růst, nebo firemní účet? Bez těchto tří odpovědí české číslo slouží spíš jako rétorika než jako měření.
17. Otázka nezní, kolik spotřebuje „AI“. Zní, který účet, který rok a která hranice
Energetický účet umělé inteligence se nedá zrušit tím, že jeden prompt vyjde malý. Nedá se ani nafouknout tím, že všechna datová centra přejmenujeme na AI. Potřebujeme méně nálepek a více jmenovatelů.
Když někdo uvede procento, musí říct rok. Rok 2024 s 415 TWh datových center není rok 2030 se scénářem kolem 950 TWh. Musí říct hranici. Všechna datová centra nejsou AI-focused centra, AI-focused centra nejsou jeden prompt a jeden prompt není video agent. Musí říct scope. Je v tom IT zátěž, PUE, uhlík, on-site voda, total voda, nebo firemní nákup elektřiny? A musí říct, zda jde o měření, odhad, firemní metodiku nebo scénář.
Tři testy jmenovatele
Rok: měření 2024, aktualizace 2025, nebo scénář 2030? Hranice: všechna datová centra, AI-focused centra, trénink, inference, nebo jedna služba? Scope: elektřina, chlazení, uhlík, on-site voda, total voda, nebo firemní účet?
Bez roku, definice a hranice trénink, inference a chlazení se z podílu nesmí stát titulek.
— Jiný Kontext
Správná otázka tedy nezní, kolik spotřebuje AI. Zní: který účet právě čtete, datová centra, AI-focused centra, jeden trénink, medián promptu, vodu nebo firmu, v kterém roce, a co z toho ještě není podíl umělé inteligence na světové síti?
Související texty této řady
- ChatGPT vs. Gemini vs. Claude vs. Grok… — žebříček neměří watt-hodinu.
- IEA Energy and AI: 415 TWh datových center v roce 2024 je účet infrastruktury, ne účet jednoho chatu.