FN-rapport: Så mye strøm bruker KI

Det er en kjensgjerning at kunstig intelligens (KI) er en svært energikrevende teknologi, men nå foreligger det en ny FN-rapport som gir et enda tydeligere – og kanskje alarmerende – bilde av hva vi har i vente.

Den nye rapporten, som ble fanget opp av blant andre Digital Trends, ble utarbeidet av FNs eget forskningsinstitutt, United Nations University (UNU), og tar for seg KI-teknologiens miljømessige fotavtrykk.

Et av hovedfunnene i rapporten er at globale datasentre i 2025 konsumerte anslagsvis 448 terawattimer (TWh) med elektrisitet i 2025, totalt sett. Dersom datasentre hadde vært ansett som et land, ville det havnet på en global 11.-plass i elektrisitetsforbruk – for å sette det i perspektiv.

378 terawattimer

Ifølge FN-rapporten utgjorde KI-teknologiens andel av elektrisitetsforbruket til datasentrene cirka 20 prosent, og det er videre forventet å øke til 40 prosent innen år 2030.

Dersom det skjer, kan KI-teknologiens totale energiforbruk komme opp i hele 378 terawattimer. Til sammenligning lå elektrisitetsforbruket i Norge på rundt 138 terawattimer i 2025, ifølge tallene til Ember, som altså betyr at KI-ens elektrisitetsforbruk er nesten tre ganger høyere enn Norges totale forbruk.

Det er også høyere enn Storbritannias totale forbruk, som lå på 321 terawattimer i 2025.

Rapporten peker blant annet på det enorme energibehovet som går med til treningen av KI-modellene. Som et eksempel anslår UNU at treningen av Open AIs GPT-4-modell trolig konsumerte mellom 50 og 70 gigawattimer med elektrisitet i løpet av 100 dager.

Ifølge UNU tilsvarer dette det årlige strømforbruket til mer enn 460.000 mennesker i Afrika sør for Sahara.

Ekstreme mengder vann

Strøm er likevel bare en del av bildet, og det går også vanvittige mengder vann med til treningen, det er vann som oftest brukes til kjøling av anleggene. FN beregner at det gikk med rundt 600 millioner liter vann til GPT-4-treningen, nok til å forsyne over 80.000 personer i Afrika sør for Sahara i et helt år.

Et viktig poeng som understrekes i rapporten, er imidlertid at treningen av KI-modellene kun utgjør en liten av det totale energiforbruket, og det er hovedsakelig vanlige folks daglige bruk av KI-tjenestene som står for det klart meste av forbruket.

Den såkalte inferens-fasen, altså prosessen bak genereringen av svarene til KI-modellene, står ifølge UNU for hele 80–90 prosent av det totale strømkonsumet.

En typisk tekstforespørsel til en Chat GPT-lignende tjeneste er omtrent 200 ganger mer energikrevende enn enklere KI-oppgaver som tekstklassifisering – slik som for eksempel spamfiltrering.

KI-video er svært krevende

Å generere et typisk KI-bilde krever 2,9 wattimer, noe som gjør det 60 ganger mer energikrevende enn et kort tekstsvar og 1450 ganger mer energikrevende enn tekstklassifisering, hevder rapporten.

Ingenting kan imidlertid måle seg med generering av KI-videoer, som nå er i ferd med å bli svært populært.

– Videogenerering representerer den mest energikrevende fronten innen KI, der høyoppløselige og lange videoklipp generert av store modeller kan kreve mer enn 415 wattimer per klipp. Det betyr at én enkelt kort KI-generert video kan bruke like mye elektrisitet som 200 000 spamklassifiseringer, heter det i rapporten.

Samtidig er både KI-basert video- og bildegenerering svært populært, og Open AI-sjefen Sam Altman erklærte på et tidspunkt at selskapets grafikkprosessorer var i ferd med å «smelte» på grunn av populariteten til bildeverktøyet deres.

Alle funnene kan man finne i se selve rapporten.