TL;DR
- Az AI-rendszerek energiafogyasztása nem lineárisan, hanem exponenciálisan nő — 2030-ra a világ adatközpontjai annyi áramot fogyaszthatnak, mint Japán teljes villamosenergia-felhasználása (~945 TWh/év).
- Az EROI-spirál (az energiabefektetés megtérülése) és az AI-igény görbéje 2040–2050 között metszi egymást — ez nem technológiai, hanem civilizációs kérdés.
- A Jevons-hatás nem vicc: minél olcsóbb a gépi következtetés, annál többen használják, és annál több áram kell hozzá — a hatékonyság önmagában nem megoldás, hanem a probléma része.
- Aki ma energiát exportál rövid távú nyereségért, az holnap a saját digitális fejlődési pályáját veszíti el — ez az energetikai gyarmatosítás új logikája.
A mátrix áramszámlája
Az energetikai gyarmatosítás az a folyamat, amelyben a fejlett országok AI-infrastruktúrája felszívja a kisebb országok energiakészleteit, megfosztva őket a saját technológiai fejlődés lehetőségétől. A Nemzetközi Energiaügynökség (IEA) előrejelzése szerint 2030-ra az adatközpontok ~945 TWh áramot igényelnek évente — ez Japán teljes fogyasztásával egyenértékű.
A világ adatközpontjai ma annyi áramot fogyasztanak, mint egy ipari nagyhatalom. 2030-ra Japán teljes éves villamosenergia-felhasználását nyelik majd el — csak azért, hogy a gépek válaszolni tudjanak a kérdéseinkre.
Ez nem sci-fi. Ez az IEA hivatalos előrejelzése.
A jövő nem a kód sorai között dől el, hanem a konnektorban: kihez folyik az elektron, és kihez nem. Ez az új geopolitikai választóvonal — az energetikai apartheid. Nem tankokkal vívják, nem szankciókkal kényszerítik ki. Egyszerűen arról szól, hogy aki ma energiát és számítási kapacitást birtokol, az holnap tudást és versenyelőnyt birtokol. Aki nem — az nézi.
Case összekapcsolta magát utoljára, és érezte, ahogy a kibertér pulzál körülötte, mint egy haldokló szív. A fény lassan halványult. Az adatok egyre lassabban mozogtak. Valahol távolról hallotta a generátorok zakatolását, érezte a városok légkondicionálásának zümmögését — minden egyes bájt, amit feldolgozott, egy kicsivel közelebb hozta az energetikai kollapsust. A konzolkovbojok arról álmodoztak, hogy egy napon minden adat szabad lesz. Tévedtek. Az adatok szabadok lettek — de az áram, ami életben tartja őket, rabságba esett.
A digitális metabolizmus — amikor a gépek fogyasztanak, mint egy közepes város
A mesterséges intelligencia energiafogyasztása nem lineáris növekedést mutat — exponenciálisat. Egy ChatGPT-lekérdezés nagyságrendileg tízszer több energiát igényel, mint egy hagyományos webes keresés. A csúcskategóriás modellek betanítása városrésznyi fogyasztással összemérhető energiát emészt fel. És ez még csak a kezdet.
A számok ijesztőek, de fontosak:
| Mutató | Érték | Forrás |
|---|---|---|
| Globális adatközponti villamosenergia-igény (2030, előrejelzés) | ~945 TWh/év | IEA |
| AI-optimalizált adatközpontok áramigény-növekedése 2030-ig | >4× | IEA, S&P Global |
| Hyperscale adatközpontok száma (2025 Q1) | 1 189 | Synergy Research Group |
| Hyperscale-ek aránya a globális DC-kapacitásban | ~44% | Synergy Research Group |
| Írország — adatközpontok részesedése az áramfogyasztásból (2023) | 21% | CSO Ireland |
| Írország — ugyanez 2015-ben | 5% | CSO Ireland |
| ChatGPT napi lekérdezésszám | >2,5 milliárd | The Verge, TechCrunch |
| ChatGPT éves interakció (becsült) | ~912,5 milliárd | napi × 365 |
| GPT-3.5 szintű inferencia költségcsökkenése (2022 nov. – 2024 okt.) | ~280× | Stanford HAI |
| Iparági átlagos PUE (2024) | ~1,56 | Uptime Institute |
Írország energetikai példája már ma a jövő előképe: Dublin környékén 2028-ig moratórium van új adatközpontokra — nem azért, mert nem akarnak fejlődni, hanem mert nincs több szabad kapacitás. Ez nem 2040-es forgatókönyv. Ez ma történik egy EU-tagállamban.
A világ adatközpontjai nagyságrendileg tízszer annyi áramot használnak fel, mint Magyarország összesen — és ebben az AI mint energiaéhes technológia gyorsítja a terhelést. A mélytanuló (deep learning) modellek képzési igénye a klasszikus Moore-törvényt meghaladó ütemben nő.
Miért nem megoldás a hatékonyság? — A Jevons-hatás csapdája
Itt lép be a történetbe William Stanley Jevons, a 19. századi angol közgazdász, aki a szénfelhasználás kapcsán fogalmazta meg azt az ellentmondást, amelyet ma Jevons-paradoxonnak hívunk: ha egy erőforrás felhasználása hatékonyabbá válik, az nem csökkenti, hanem növeli a teljes fogyasztást — mert a hatékonyság csökkenti az egységárat, ez pedig felszabadítja a keresletet.
Minél olcsóbb a kérdezés, annál többen kérdeznek — és annál több áram kell a válaszokhoz.
Az AI-következtetés (inference) költsége az elmúlt években körülbelül kétszáznyolcvanszorosára csökkent. Pont ezért használja ma már milliárdnyi kérés naponta. A hatékonyság nem a végső megoldás, hanem a probléma része — ha nincs keresletmenedzsment és energetikai keretrendszer mellé téve.
A neuroinformatika (neuroinformatics) józan összevetést kínál: az emberi agy nagyjából 20 wattból végez elképesztő mennyiségű feldolgozást, míg a jelenlegi AI-rendszerek megawattokban mérhető fogyasztást igényelnek az azonos szintű — vagy korlátozottabb — feladatokhoz. Ez egyszerre mutatja a mai mesterséges architektúrák hatékonysági szakadékát, és jelzi a közelgő energiakorlát mélységét.
Az EROI-spirál — amikor a fizika legyőzi a technológiát
Az EROI (Energy Return on Investment — energiabefektetés megtérülése) azt fejezi ki, hogy egységnyi befektetett energiával mennyi hasznos energiát tudunk előállítani. Az 1930-as években ez az arány az olajkitermelésnél gyakran ~100:1 volt. Ma már ~10–20:1, a megújuló energiaforrásoknál pedig sok esetben csak ~5–10:1, technológiától és helyszíntől függően.
| Korszak / Forrás | EROI |
|---|---|
| Olajkitermelés, 1930-as évek | ~100:1 |
| Olajkitermelés, jelenlegi | ~10–20:1 |
| Megújuló energiaforrások (átlag) | ~5–10:1 |
| Társadalmi működéshez gyakran idézett minimum | ~11:1 |
Ez a csökkenés nem pusztán technológiai hiba — termodinamikai szükségszerűség. A könnyen elérhető források kimerülnek, ezért egyre többet kell befektetni, hogy ugyanannyi energiát nyerjünk ki. Miközben az AI-rendszerek energiaéhsége exponenciálisan nő, az elérhető energia rendszerszintű hatékonysága tartósan romlik.
„A természet első törvénye: ingyen ebéd nem létezik. A második törvény: a számla mindig később érkezik.” — Herman Daly
2040–2050 környékére ez a két görbe jó eséllyel metszi egymást: az AI-fejlesztés és -üzemeltetés olyan energiaigényt támaszt, amelyet a csökkenő EROI mellett egyre nehezebb lesz fedezni. Ez nem csak gazdasági ügy — civilizációs kérdés. A történelem arra tanít: amikor az energia szűkül, felerősödnek a konfliktusok az utolsó egység fölött.
A neurális gyarmatosítás anatómiája
A hagyományos gyarmatosítás fizikai erőforrásokon alapult — arany, fűszerek, nyersanyagok. A digitális gyarmatosítás energián és adaton alapul. Az energetikai gyarmatosítás ennél is kifinomultabb: nemcsak az erőforrásokat veszi el, hanem a jövőbeli fejlődési lehetőségeket is.
Az ukrajnai háború egyik legfájóbb tanulsága, hogy a modern háborúk első célpontja az energetikai infrastruktúra. Nem a hadseregeket kell azonnal legyőzni — elég a civileket sötétben hagyni, fűtés és internet nélkül. Az energetikai gyarmatosítás ugyanez, csak békeidőben: gazdasági kényszerrel, nem bombákkal.
A folyamat négy fázisban bontakozik ki:
Első fázis (2025–2030): A fejlett országok tömegével építik az AI-infrastruktúrát. Az energiaigény még kezelhető, a rendszer úgy tűnik, bírja a terhelést.
Második fázis (2030–2040): Az AI-rendszerek tömegesen elterjednek, az energiafogyasztás exponenciálisan nő. A kisebb országok exportálni kezdik az energiájukat, hogy fenntartsák a növekedést — ahogy ma a szakembereiket is.
Harmadik fázis (2040–2050): Energiaválság. A kisebb országok választanak: eladják az energiát a fejletteknek, vagy gazdasági megrázkódtatással néznek szembe. Aki elad, saját AI-infrastruktúráját nem tudja fenntartani. Ismerős minta: exportáljuk a búzát, importáljuk a kenyeret. Exportáljuk az áramot, importáljuk a technológiát.
Negyedik fázis (2050+): Digitális apartheid. A világ két részre szakad: akik használhatnak AI-t, és akik nem. Ez nem pusztán technológiai lemaradás — kognitív és társadalmi szakadék is. A 21. század választóvonala nem berlini fal lesz, hanem energetikai.
Mi lesz Magyarországgal? — A kelet-európai csapda
Magyarország energiahelyzete jól illusztrálja a neurális gyarmatosítás mechanizmusát. Miközben a német autóipar AI-alapú gyártósorokra áll át, és ehhez masszív adatközpontokat épít, jogos a kérdés: honnan jön hozzá az energia?
A magyar villamosenergia-mérleg egyre rugalmasabb: időszakos export ma már valóság, de tartósan feszes a helyzet. Mi történik, amikor a német AI-infrastruktúra megduplázza az áramigényét? Amikor ténylegesen választani kell: magyar háztartások fűtése vagy a BMW müncheni AI-rendszereinek folyamatos működése között?
Ez nem elméleti felvetés. A hyperscale adatközpontok ma 1 189 helyszínen működnek világszerte, és a számuk meredeken nő. A nagyok nemcsak többet építenek, hanem nagyobbakat is. Mindegyik energiát akar — ott, ahol olcsóbb, stabilabb és gyorsabban leköthető.
A válasz egyszerre egyszerű és ijesztő: azok az országok, amelyek ma eladják az energiájukat, hogy életben tartsák a gazdaságukat, később nem lesznek képesek a saját technológiai fejlődésüket finanszírozni. Ez nem pusztán gazdasági egyenlőtlenség — ez egy új típusú gyarmatosítás, amelyben nem földeket, hanem elektronokat és kilowattórákat használnak a dominancia fenntartására. A háborúk ma már nem csak tankokkal zajlanak — hálózatokkal, erőművekkel, alállomásokkal, energiahálózatok célzott támadásával és gazdasági megszorításokkal. Az energetikai függőség a legcsendesebb — és talán a leghatékonyabb — fegyver.
A pszicho-technológiai függőség — amikor a gondolkodást is outsource-oljuk
Pszichológiai szempontból az AI-függőség egy új típusú dependenciát hoz létre: nem anyagi, hanem kognitív. Az emberek egyre inkább AI-eszközökre támaszkodnak döntéshozatalban, problémamegoldásban, sőt az alkotásban is.
A szerverházakat már jól hűtjük; mostantól magát a gondolkodást kell energiatakarékosabbá tenni.
Ez a függőség társadalmi szintű szorongást szül azokban a közösségekben, amelyek érzékelik, hogy energiakorlátozások miatt elveszíthetik a hozzáférést ezekhez az eszközökhöz. Egyfajta technológiai elvonási tünetegyüttes jelenik meg: félelem attól, hogy lemaradunk a digitális fejlődésről.
Ahogyan azokban az országokban, ahol platformkorlátozások vannak, a fiatalok rettegnek a közösségi felületektől való elzártságtól, úgy félhetünk mi is egy esetleges ChatGPT-hozzáférési korlátozástól. A különbség: míg az előbbi sokszor ideológiai döntés, addig az AI-hozzáférés korlátozása energetikai kényszerből is történhet.
A szociálpszichológia kutatásai szerint az egyéni identitás egyre inkább összefonódik a technológiai eszközhasználattal. Aki nincs „bekapcsolva” a digitális hálózatba, az szociálisan is peremre szorulhat. Így az energetikai gyarmatosítás végső hatása nem pusztán gazdasági — kompetencia-kiszervezés, kontrollillúzió és kognitív sérülékenység jelenik meg rendszerszinten.
Mi történik, amikor az AI diagnosztizál, de nem mindenkit?
Az orvostudományban az AI már most forradalmasítja a diagnosztikát. A sugárzástani képfeldolgozás, a kórszövettani elemzések és a genetikai kutatások mind-mind AI-alapú rendszerekkel erősödnek. De ezek a rendszerek jelentős energiaigényűek.
Egy MRI-felvétel AI-alapú értelmezése — előfeldolgozás, inferencia, tárolás, továbbítás — nem ritkán nagyobb energialenyomattal jár, mint maga a felvételkészítés. A személyre szabott gyógyászat (precision medicine) számítási eljárásai — amikor a beteg teljes genetikai, klinikai és környezeti adataiból készül előrejelzés — kisebb kutatóintézetet idéző számítási kapacitást követelnek.
Azok az országok, amelyek energiájukat exportálják, fokozatosan elveszítik a hozzáférést ezekhez a technológiákhoz.
Ez nem csupán egészségügyi egyenlőtlenség — ez fejlődési szakadék. Azok a népességek, amelyek hozzáférnek az AI-alapú egészségügyhöz, várhatóan hosszabb élettartamra, jobb életminőségre és — közvetve — magasabb kognitív teljesítményre számíthatnak. Akik nélkülözik, lemaradnak. Ahogy a gyarmatosítás korában: a gyarmatosítók egyre erősebbek és egészségesebbek lettek, míg a gyarmatosítottak elsorvadtak — most ugyanez energetikai gyarmatosítás formájában játszódhat újra.
A neurológiai paradoxon — gépek, amelyek „jobban gondolkodnak”, mint létrehozóik
A neurotudományban egyre világosabb, hogy az emberi agy rendkívül energiahatékony eszköz. Ugyanakkor a mesterséges neurális hálózatok — amelyeket az agy működése inspirált — nagyságrendekkel több energiát fogyasztanak, mint biológiai előképük.
Ez a paradoxon rámutat egy alapvető problémára: a jelenlegi AI-technológia nem az emberi intelligencia hatékony utánzása, hanem annak brutális, energiapazarló karikatúrája. De mivel működik, és mivel hatalmas gazdasági előnyökkel jár, folytatjuk a fejlesztését — egészen addig, amíg az energiarendszerek össze nem roskadnak a terhe alatt.
A kognitív tudományok nézőpontjából ez egy sajátos evolúciós csapda: létrehoztunk egy „intelligenciát”, amely energetikailag fenntarthatatlan, mégis gazdaságilag előnyös. Most választanunk kell: vagy radikálisan más irányba fejlesztjük az AI-t — biomimetikus (az élő rendszereket utánzó), kvantum-alapú, neuromorf (az agy szerkezetét közvetlenül utánzó) architektúrák felé —, vagy elfogadjuk, hogy az energiaválság visszaveti a technológiai fejlődést.
A geopolitikai sakktábla — az energia mint új atombomba
A nemzetközi kapcsolatok elmélete szerint a hatalom mindig azon múlik, ki ellenőrzi a legfontosabb erőforrásokat. A 20. században ez olaj, urán és ritkaföldfémek voltak. A 21. században: energia és adat.
Az energetikai gyarmatosítás azonban eltér a korábbi formáktól: nem katonai hódítás, hanem gazdasági kényszer. A kisebb országok „önként” adják el energiájukat, mert rövid távon ez az egyetlen mód a növekedés fenntartására. Így jön létre az ördögi kör: minél több energiát adnak el, annál kevésbé képesek saját technológiai infrastruktúrájukat fejleszteni.
Közben a fejlett országok egyre függőbbé válnak ettől az importtól. Ha egy kisebb ország hirtelen megszakítja az energiaexportot, az AI-infrastruktúra részleges vagy teljes leállásához vezethet. Ez egy új típusú geopolitikai fegyver — egyfajta „energetikai EMP” (elektromágneses impulzus), amely megbéníthatja egy fejlett ország digitális rendszereit.
Valóban zöld a zöld energia? — A fenntarthatósági illúzió
A megújuló energiaforrások fejlesztése első pillantásra megoldást kínálhat az energetikai gyarmatosítás problémájára. A valóság azonban összetettebb. A napelem-parkok és szélerőművek építése nagy anyagigényű: réz, nikkel, lítium, kobalt és — bizonyos technológiáknál — ritkaföldfémek tömege kell hozzájuk. A bányászat és feldolgozás súlyát gyakran éppen azok az országok viselik, amelyek később az energiát exportálják.
Ez egy perverz ciklus: a kisebb országok kiássák a kritikus anyagokat, a fejlett országok megújuló rendszereket építenek belőlük, ezekkel AI-infrastruktúrát működtetnek — amelynek energiaigénye végül meghaladhatja a kisebb országok teljes termelését.
A környezeti pszichológia óta tudjuk, mennyire erős a „zöld illúzió”: hajlamosak vagyunk korlátlannak és tisztának látni a megújulókat, miközben anyag- és energia-életciklusuk nagyon is valós terhekkel jár. Az AI-rendszerek energiaigénye olyan mértékűre nőhet, hogy még nagyon gyors megújuló-bővítés mellett is szűkös marad az ellátás — különösen ott, ahol a hálózat, a tárolás és az infrastruktúra nem tartja a lépést.
Az egzisztenciális dilemma — szabadság vs. számítási kapacitás
Az egzisztenciális filozófia nézőpontjából az energetikai gyarmatosítás egy mélyebb kérdést vet fel: mi az emberi szabadság ára a digitális korban?
Az AI-eszközök használata kétségtelenül növeli az emberi képességeket. De mi történik, amikor ez a használat energetikai függőséghez vezet? Amikor egy ország lakosságának gondolkodási és döntési képessége attól függ, van-e elég áram az AI-szerverek működtetéséhez?
Ez egy sajátos egzisztenciális csapda: minél inkább támaszkodunk az AI-ra, annál inkább függünk az energiától, amelyet az AI elhasznál. És minél erősebb ez a függés, annál kevésbé vagyunk képesek önállóan gondolkodni és dönteni.
A szabadság klasszikus felfogása szerint az ember akkor szabad, ha képes önállóan választani. De mi történik, amikor a lehetséges választások kiértékelése már AI-t igényel, miközben annak működtetése olyan energiát kíván, amelyet nem engedhetünk meg magunknak?
Más gondolkodók ugyanerről a témáról
Yuval Noah Harari — a történelmi párhuzamok mestere
Harari valószínűleg az energetikai gyarmatosítás témáját a nagy történelmi átalakulások kontextusában helyezné el. Számára ez nem egyszerűen technológiai probléma, hanem a Homo sapiens újabb evolúciós lépcsőfoka — vagy zsákutcája.
Az ő megközelítésében az energetikai gyarmatosítás a „dataizmus” (adathit) új formája — ahol az információ helyett az energia válik az új istenséggé. „A 21. században a hatalom nem azon múlik, hogy ki birtokolja a földet vagy a gyárakat, hanem azon, hogy ki tudja etetni az algoritmusokat. És az algoritmusok éhesek — energiára, adatokra, figyelemre.”
Shoshana Zuboff — a felügyeleti energiakapitalizmus
Zuboff számára az energetikai kolonializmus a surveillance capitalism (megfigyelési kapitalizmus) logikus következménye és eszkalációja. „Először a viselkedésünket privatizálták, most az energiánkat.” Az ő elemzésében az AI-energiaéhség nem véletlenszerű, hanem rendszerimmanens.
Zuboff hangsúlyozza az „instrumentarian power” (eszközösítő hatalom) új formáját: a technológiai vállalatok nem csak megfigyelnek és manipulálnak, hanem közvetlenül az alapvető infrastruktúránkat uralják. „Az energetikai gyarmatosítás a megfigyelési kapitalizmus 3.0 verziója — amikor a megfigyelés fizikai kontrollá válik.”
Jaron Lanier — az ember, aki nem adta fel
Lanier mélyen szkeptikus a technológiai determinizmussal szemben. Az AI-energiaválság számára tökéletes példája annak, hogyan válik eszközből úr a technológia. „Amikor a ‘80-as években VR-t fejlesztettem, azt hittük, hogy a technológia kiterjeszti az emberi kreativitást. De ma az AI-nak nincs szüksége emberi kreativitásra — csak energiára. És ez drámai váltás.”
Számára a neuromorf számítástechnika (neuromorphic computing) nem csak technikai megoldás, hanem filozófiai állítás: „Az emberi agy hatékonysága azt bizonyítja, hogy van jobb út. De ehhez le kell mondanunk a brute force megközelítésről és visszatérnünk az elegáns, emberi léptékű tervezéshez.”
Nick Bostrom — az egzisztenciális kockázat kalkulátor
Bostrom valószínűleg az energetikai kolonializmus témáját a szuperintelligencia felé vezető út egyik kritikus pontjaként elemezné. „Az EROI-spirál és az AI-exponencialitás metszéspontja 2040–2050 között következhet be. Ez egy szűk ablak: vagy megoldjuk az energiahatékonyság problémáját, vagy az AI-fejlődés lelassul. Harmadik lehetőség nincs.”
De Bostrom látná a sötétebb forgatókönyvet is: „Ha a szuperintelligencia úgy dönt, hogy az emberi civilizáció energetikailag inefficiens, akkor az energetikai gyarmatosítás csak előjátéka lehet valami sokkal radikálisabbnak. A gépek nem fogják megosztani velünk a bolygót, ha nem tudjuk megosztani velük az energiát.”
Az innovátok — van-e lehetőség a változásra?
2025 és 2035 között kritikus időablak nyílik. Ebben az évtizedben dől el, hogy képesek leszünk-e energetikailag fenntartható AI-technológiákat fejleszteni, vagy végignézzük, ahogy a digitális szakadék visszafordíthatatlanná válik.
A kutatás-fejlesztési prioritások átrendezése kulcsfontosságú. Ma a fókusz túlnyomórészt a modell-teljesítmény javításán van; az energiahatékonyság csak kísérő téma. Ezt az arányt meg kell fordítani: a következő évtizedben a K+F legalább fele a hatékonyságra, adatmozgatás-csökkentésre, peremszámításra (edge computing) és új architektúrákra koncentráljon.
Szükség van nemzetközi egyezményekre az AI-energiafogyasztás szabályozására — nem cenzúra, hanem a fizikai korlátok beismerése. Ahogyan a nukleáris korszakban biztonsági és átláthatósági normákat hoztunk létre, úgy most AI-energia-normákra van szükség:
- Átlátható energia-mérőszámok minden AI-szolgáltatásnál
- Időben illesztett, 24/7 karbonmentes üzemeltetés (24/7 CFE — Carbon-Free Energy)
- Hulladékhő-hasznosítás
- Közcélú hozzáférési kvóták
A döntési ablak most van. Ha a következő években a hatékonyságra és a hozzáférés védelmére optimalizálunk, a forradalom a szabadság eszköze lesz. Ha nem, akkor a digitális szakadék válik az új választóvonallá.
Kulcsgondolatok
- Számolj az energiával is, ne csak az adattal — AI-SLA mellé energia-SLA szükséges. Minden gépi döntésnek van energialenyomata.
- Kerüld az energetikai függőséget — ne exportálj rövid távú nyereségért jövőbeli fejlődési potenciált. Ez a 21. század búza-kenyér csapdája.
- Fektess be karcsúbb modellekbe — az energiahatékonyság stratégiai előny lesz, nem technikai apróság. A neuromorf architektúrák és a feltételes futtatás az út.
- Készülj a pszicho-technológiai függőségre — gondolkodási kapacitásod ne legyen egy az egyben AI-hoz kötve. A kognitív szuverenitás az új digitális írástudás.
- Lépj be időben a szabályozásba — AI-energia normák, kvóták, átlátható mérőszámok nélkül nem lesz fenntartható fejlődés.
- Az EROI-spirál nem áll meg — a termodinamika nem tárgyal. A kérdés nem az, hogy bekövetkezik-e az energia-szűkösség, hanem hogy felkészülünk-e rá.
- A digitális apartheid nem metafora — hanem lehetséges forgatókönyv. A tét egyszerű: olyan AI-ökoszisztémát építünk-e, amely kevesebb energiából több értéket teremt, vagy elfogadjuk az energetikai apartheid logikáját.
GYIK
Mennyivel több energiát fogyaszt egy AI-lekérdezés, mint egy hagyományos keresés?
Egy ChatGPT-lekérdezés nagyságrendileg tízszer annyi energiát igényel, mint egy hagyományos Google-keresés. Ez önmagában nem tűnik soknak, de a volumen döntő: napi több mint 2,5 milliárd kérés érkezik csak a ChatGPT-hez, ami éves szinten ~912,5 milliárd interakció. A Stanford HAI adatai szerint a GPT-3.5 szintű inferencia költsége körülbelül kétszáznyolcvanszorosára csökkent 2022 novembere és 2024 októbere között — ez pedig a Jevons-hatás tankönyvi esete: az olcsósodás nem csökkentette, hanem robbanásszerűen növelte a keresletet.
Mi az EROI, és miért fontos az AI jövője szempontjából?
Az EROI (Energy Return on Investment — energiabefektetés megtérülése) azt méri, hogy egységnyi befektetett energiával mennyi hasznos energiát tudunk kinyerni. Az 1930-as években az olajkitermelés EROI-ja ~100:1 volt; ma ~10–20:1, a megújulóknál ~5–10:1. A társadalmi működéshez gyakran idézett minimum ~11:1 körül van. Az AI-rendszerek exponenciálisan növekvő energiaigénye és a csökkenő EROI 2040–2050 között metszéspontba kerülhet — ami azt jelenti, hogy egyszerűen nem lesz elég hatékonyan kitermelhető energia az AI-fejlesztés fenntartásához. Ez nem pesszimizmus, hanem termodinamika.
Mit tehet Magyarország — vagy bármely kisebb ország — az energetikai gyarmatosítás ellen?
Három stratégiai irány létezik. Először: ne exportálj energiát rövid távú nyereségért, ha az a saját digitális infrastruktúrád rovására megy. Másodszor: fektess be energiahatékony AI-architektúrákba — neuromorf számítástechnika, peremszámítás (edge computing), feltételes futtatás —, amelyek kevesebb energiából több értéket hoznak. Harmadszor: lobbizz nemzetközi AI-energia-normákért, amelyek tartalmazzák a közcélú hozzáférési kvótákat és a 24/7 karbonmentes üzemeltetési követelményeket. A döntési ablak 2025–2035 között van nyitva — utána a digitális szakadék visszafordíthatatlanná válhat.
Kapcsolódó gondolatok
- AI és a civilizációs tükör — rendszerszintű visszacsatolás, amikor a technológia felnagyítja a struktúrákat
- A magyar különút az AI-ban — kelet-európai pozíció, lehetőségek és csapdák
- Zuboff és az okos gép — amikor a megfigyelés gazdasági modellé válik
Key Takeaways
- Az AI-rendszerek energiafogyasztása exponenciálisan nő, és 2030-ra az adatközpontok Japán teljes éves áramfogyasztásával (~945 TWh) megegyező mennyiséget használhatnak fel, ami egy új, energetikai alapon működő geopolitikai választóvonalat hoz létre.
- A Jevons-paradoxon értelmében az AI-következtetés (inference) költségeinek drasztikus csökkenése nem csökkenti, hanem robbanásszerűen növeli a teljes energiaigényt, mert a hatékonyság önmagában a probléma része, nem a megoldás.
- Az energetikai gyarmatosítás lényege, hogy aki ma energiát exportál, az holnap elveszíti saját digitális fejlődési lehetőségét; ahogy Harari is rámutat a digitális birodalmakról, a kizsákmányolás új formái alakulnak ki.
- Az EROI (Energy Return on Investment) spirál csökkenése és az AI energiaigényének görbéje 2040–2050 között metszheti egymást, ami nem pusztán technológiai, hanem civilizációs korlátot jelent.
- Írország példája mutatja, hogy a válság nem egy távoli jövő problémája: Dublin környékén már moratórium van új adatközpontokra, mert nincs elég szabad áramkapacitás.
- A neuroinformatika összehasonlítása szerint az emberi agy ~20 wattból végez komplex feladatokat, míg a jelenlegi AI-rendszerek megawattokkal dolgoznak, ami a mai architektúrák hatalmas hatékonysági szakadékát és az energiakorlát súlyosságát mutatja.
Varga Zoltán - LinkedIn
Neural • Knowledge Systems Architect | Enterprise RAG architect
PKM • AI Ecosystems | Neural Awareness • Consciousness & Leadership
The grid doesn’t dream — it just decides who gets to.