Vyhladoví lidstvo umělá inteligence? Nebo spíš její nekonečný apetit?
13. 10. 2026
Umělá inteligence má pomáhat s výzkumem, vývojem nových léků, řešením složitých problémů a zvyšováním produktivity. Jenže zatímco se bavíme o jejích téměř neomezených možnostech, poněkud zapomínáme na to, že její provoz vyžaduje velmi konkrétní množství elektřiny, výpočetního výkonu, vody a dalších zdrojů. Kolik nás vlastně tato technologická revoluce stojí? A co se stane, až ji začne naplno využívat několik miliard lidí?
Lidstvo strávilo několik desetiletí vývojem počítačů, procesorů, neuronových sítí a stále dokonalejších algoritmů. Investovalo do výzkumu nepředstavitelné množství peněz, vybudovalo rozsáhlou infrastrukturu a zaměstnalo tisíce špičkových vědců a inženýrů. To všechno proto, aby jednou vznikla technologie schopná pomáhat s výzkumem nových léků, řešením složitých matematických problémů, vývojem materiálů nebo třeba s předpovídáním klimatických změn.
A pak jsme ji konečně dostali do rukou.
A začali se jí ptát, jestli nás má naše kočka ráda, co si máme dát k večeři a jak slušně poslat kolegu do háje.
Někteří pokročilejší uživatelé nechávají umělou inteligenci sestavovat horoskopy, vykládat sny nebo analyzovat, co asi znamenalo, když jim sousedka při ranním setkání neodpověděla na pozdrav. A pokud se nám odpověď nelíbí, požádáme o jinou. Případně se s chatbotem začneme hádat, dokud nám nepotvrdí, že jsme měli pravdu.
Technologický pokrok v celé své kráse.
Samozřejmě trochu přeháním. Umělá inteligence už dnes odvádí obrovské množství skutečně užitečné práce a její možnosti jsou v mnoha oborech mimořádné. Jenže vedle výzkumu, programování, medicíny nebo průmyslu vzniká také stále větší prostor pro využití, jehož skutečný přínos je přinejmenším diskutabilní.
Ať již jde o generování stovek téměř stejných obrázků, nekonečné konverzace o naprostých banalitách nebo vytváření obsahu, který nikdo nepotřebuje a pravděpodobně ani nikdo nebude číst.
Na první pohled na tom není nic zvláštního. Ostatně internet také nepoužíváme výhradně ke vzdělávání a vědeckému výzkumu. A nikdo asi nebude vážně požadovat, aby člověk před každým dotazem do ChatGPT prokazoval jeho společenskou užitečnost.
Jenže je tu jeden drobný problém.
Zatímco my si s umělou inteligencí krátíme dlouhou chvíli, někde na druhém konci světa kvůli tomu pracují velmi skutečné počítače. Tisíce, desetitisíce, možná miliony specializovaných výpočetních čipů rozdělených mezi obrovská datová centra. Spotřebovávají elektřinu, produkují teplo, potřebují chlazení a jejich výroba vyžaduje materiály, které rozhodně nerostou na stromech.
A právě tady se z docela nevinné zábavy začíná stávat zajímavý problém.
Kolik energie jsme vlastně ochotni spotřebovat na to, aby nám umělá inteligence potvrdila, že naše kočka je pravděpodobně spokojená?
Jedna taková otázka samozřejmě žádnou energetickou katastrofu nezpůsobí.
Ale co když si podobné otázky začnou každý den pokládat miliardy lidí? A co když vedle obyčejných textových odpovědí začneme ve velkém generovat obrázky, videa, hudbu nebo celé virtuální světy?
V tu chvíli už možná nebude tak důležité, kolik elektřiny spotřebuje jedna odpověď.
Podstatnější bude, kolik odpovědí budeme chtít.
A především, kolik výpočetního výkonu budeme ochotni vybudovat, abychom je všechny dostali.
Umělá inteligence nežije v oblacích. A už vůbec ne zadarmo.
Když dnes používáme některou ze služeb umělé inteligence, může snadno vzniknout dojem, že jde o cosi téměř nehmotného. Otevřeme webovou stránku, napíšeme otázku a za několik sekund dostaneme odpověď.
Žádné hučící ventilátory, žádné rozměrné počítače, žádná změť kabelů. Jen jednoduché chatovací okno.
Pravdou však je, že za tímto oknem stojí poměrně rozsáhlá infrastruktura. Datová centra vybavená specializovanými výpočetními akcelerátory, vysokorychlostními sítěmi, systémy pro ukládání dat a samozřejmě také zařízením pro napájení a chlazení.
Samotná umělá inteligence přitom není jeden program běžící na jednom počítači. Moderní jazykové modely mohou při svém vývoji využívat tisíce výpočetních akcelerátorů pracujících současně. A když je model dokončen, je potřeba zajistit také jeho každodenní provoz pro uživatele.
Právě zde je dobré rozlišovat dvě věci.
První je trénování modelu. Tedy proces, při kterém se model učí ze zpracovávaných dat. Ten může vyžadovat mimořádné množství výpočetního výkonu a probíhat celé týdny nebo měsíce.
Druhou částí je samotné používání modelu, odborně označované jako inference. Při každém našem dotazu musí systém provést výpočty potřebné k vytvoření odpovědi.
Jednotlivý dotaz může představovat poměrně malou energetickou zátěž. Jenže zatímco trénování konkrétní verze modelu jednou skončí, dotazy uživatelů přicházejí neustále.
Ve dne i v noci.
A jejich počet roste.
Kolik elektřiny vlastně umělá inteligence potřebuje?
Tady už se dostáváme k číslům, která nejsou úplně zanedbatelná.
Mezinárodní energetická agentura (IEA) ve své zprávě Energy and AI z roku 2025 odhadla, že datová centra spotřebovala v roce 2024 přibližně 415 terawatthodin elektřiny.
Pro člověka, který se běžně nezabývá energetikou, je takové číslo poměrně obtížně představitelné.
Jedna terawatthodina představuje miliardu kilowatthodin. Mluvíme tedy o 415 miliardách kilowatthodin za jediný rok.
Pro srovnání, celková roční spotřeba elektřiny České republiky se pohybuje v řádu desítek terawatthodin. Světová datová centra tak již v roce 2024 spotřebovala několikanásobek roční spotřeby celé naší země.
Je ovšem třeba zdůraznit jednu podstatnou věc.
Těchto 415 TWh nepřipadá pouze na umělou inteligenci.
Datová centra provozují také běžné internetové služby, cloudová úložiště, firemní informační systémy, databáze, streamovací platformy a řadu dalších technologií, které používáme každý den.
Umělá inteligence je však jedním z hlavních důvodů, proč se očekává další výrazný růst.
Podle základního scénáře IEA by spotřeba elektřiny datových center mohla do roku 2030 dosáhnout přibližně 945 TWh ročně. To je více než dvojnásobek hodnoty z roku 2024.
A v roce 2035 by se podle stejného scénáře mohla pohybovat kolem 1 200 TWh.
Nejde o jistou předpověď. Je to model založený na určitých předpokladech o technologickém vývoji, investicích a budoucí poptávce.
Přesto nám ukazuje poměrně zajímavý směr.
Zatímco se výrobci elektroniky dlouhodobě snaží snižovat energetickou náročnost jednotlivých zařízení, celková spotřeba výpočetní infrastruktury může v následujících letech velmi výrazně růst.
A to jsme se ještě nedostali k otázce, kolik takových zařízení vlastně potřebujeme.
Kolik grafických procesorů se musí zapotit, abychom dostali odpověď?
Přesný počet výpočetních akcelerátorů používaných pro provoz všech světových AI služeb neznáme. Jednotlivé společnosti zveřejňují jen část informací o své infrastruktuře, navíc se používají různé generace čipů, různé konfigurace a také vlastní specializované procesory.
Bylo by tedy poněkud odvážné tvrdit, že umělá inteligence dnes využívá přesně tolik a tolik milionů GPU.
Můžeme si ale vytvořit modelový příklad.
Abychom zůstali u konkrétních zařízení, vezměme si server NVIDIA DGX B200. Jde o výkonný systém určený mimo jiné pro práci s umělou inteligencí, vybavený osmi akcelerátory NVIDIA B200.
Výrobce u tohoto serveru uvádí maximální příkon přibližně 14,3 kilowattu.
Představme si tedy datové centrum, ve kterém pracuje 10 000 takových serverů.
Dostáváme se na 80 000 výpočetních akcelerátorů a maximální souhrnný příkon samotných serverů přibližně 143 megawattů.
To už je výkon, který rozhodně nelze napájet několika prodlužovacími kabely.
Jenže samotnými servery to nekončí.
Datové centrum potřebuje také chlazení, napájecí infrastrukturu, síťová zařízení a další technologie. Pokud pro náš příklad použijeme velmi dobrou energetickou efektivitu vyjádřenou hodnotou PUE 1,2, dostaneme celkový příkon přibližně 172 megawattů.
Při nepřetržitém provozu na této úrovni by roční spotřeba dosáhla zhruba 1,5 TWh elektřiny.
Pro lepší představu jde o přibližně 1,5 miliardy kilowatthodin.
A stále mluvíme pouze o jednom hypotetickém komplexu s 80 000 akcelerátory.
Samozřejmě musíme být opatrní. Výpočet vychází z maximálního příkonu zařízení a předpokládá jeho nepřetržité využití. Ve skutečném provozu může být spotřeba nižší. Záleží na zatížení, typu výpočtů, konfiguraci serverů a celé řadě dalších okolností.
Na druhou stranu se datová centra nestavějí proto, aby jejich zařízení většinu času zahálela.
A zde se dostáváme k další zajímavé otázce.
Pokud takto může vypadat spotřeba jednoho rozsáhlého výpočetního komplexu, jaké nároky bude mít infrastruktura potřebná pro několik miliard každodenních uživatelů?
Odpověď zatím neznáme.
A právě proto bychom měli být opatrní jak při optimistických prohlášeních o téměř neomezených možnostech AI, tak při katastrofických předpovědích její budoucí spotřeby.
Jedna otázka přece skoro nic nestojí. Nebo ano?
Při debatách o energetické náročnosti umělé inteligence se často objevují údaje o tom, kolik elektřiny spotřebuje jeden dotaz.
Problém je, že takové číslo není univerzální.
Jinou spotřebu může mít jednoduchá otázka s krátkou odpovědí, jinou zpracování rozsáhlého dokumentu a úplně jinou generování obrázku nebo videa.
Záleží také na konkrétním modelu, použitém hardwaru, délce vstupu a výstupu nebo způsobu provozu služby.
Google například v roce 2025 zveřejnil měření, podle kterého mediánový textový požadavek ve službě Gemini Apps představoval spotřebu přibližně 0,24 watthodiny.
To na první pohled nevypadá nijak dramaticky.
Ostatně 0,24 Wh je množství energie, které běžná deset wattová LED žárovka spotřebuje přibližně za minutu a půl.
Jenže co když takových požadavků nebude tisíc nebo milion, ale miliarda denně?
Při uvedené spotřebě bychom se dostali přibližně na 87,6 milionu kilowatthodin ročně.
Tedy 87,6 GWh.
A pokud by průměrná spotřeba jednoho požadavku byla například pět watthodin, dostaneme se při stejném počtu požadavků na 1,825 TWh ročně.
Rozdíl je více než dvacetinásobný.
Těch pět watthodin ovšem nepředstavuje univerzální naměřenou hodnotu. Používám ji pouze jako druhou variantu modelového výpočtu.
Podstatné je něco jiného.
Energetická náročnost jedné odpovědi nám sama o sobě mnoho neřekne, pokud neznáme počet požadavků a jejich skutečnou výpočetní náročnost.
Navíc nemůžeme jednoduše předpokládat, že všechny požadavky jsou stejné.
Krátká textová odpověď a několikaminutové generované video mohou představovat velmi rozdílné množství práce.
A zatímco dnes se velká část běžného používání AI odehrává prostřednictvím textových chatbotů, do budoucna se očekává mnohem širší využívání hlasových asistentů, generování videa, autonomních softwarových agentů a dalších systémů, které mohou pracovat prakticky nepřetržitě.
Člověk přitom ani nemusí vědět, kolik jednotlivých výpočtů se na pozadí jeho požadavku skutečně odehrálo.
Když si umělá inteligence začne povídat sama se sebou
Zatím jsme uvažovali především o situaci, kdy člověk položí otázku a AI odpoví.
Jenže vývoj postupuje trochu jiným směrem.
Stále častěji se objevují systémy, které mají za člověka samostatně vykonávat složitější úkoly. Nejen odpovědět na dotaz, ale také vyhledávat informace, analyzovat dokumenty, komunikovat s dalšími službami, připravovat podklady nebo provádět určité operace.
Takovým systémům se obvykle říká AI agenti.
Představme si, že místo jednoduchého požadavku „najdi mi vhodný hotel“ zadáme úkol, aby AI připravila celou dovolenou.
Systém začne vyhledávat nabídky, porovnávat ceny, zjišťovat dopravní spojení, hodnotit recenze a postupně sestavovat varianty.
Při tom může provést desítky nebo stovky dílčích operací.
A pokud bude spolupracovat více specializovaných agentů, mohou si mezi sebou předávat informace a opakovaně vyhodnocovat výsledky.
To všechno může být velmi užitečné.
Ale také energeticky náročnější než jedna krátká odpověď.
Zatím nemáme dostatek veřejných dat, abychom mohli spolehlivě určit, jak výrazně takové systémy zvýší celkovou spotřebu výpočetního výkonu.
Lze však předpokládat, že pokud se autonomní agenti skutečně rozšíří do běžného podnikání a osobního života, bude nutné jejich provoz do energetických prognóz stále více zahrnovat.
A možná se jednou dostaneme do situace, kdy se náš osobní AI asistent bude celý den domlouvat s asistenty dalších lidí, zatímco my budeme v klidu sedět u kávy.
Což je vlastně docela hezká představa.
Dokud si neuvědomíme, že všichni ti asistenti potřebují někde běžet.
Úspornější technologie nemusí znamenat nižší spotřebu
Mohlo by se zdát, že celý problém postupně vyřeší technologický pokrok.
Procesory budou výkonnější, modely efektivnější a jedna odpověď bude vyžadovat stále méně energie.
To je samozřejmě velmi pravděpodobný směr vývoje.
Jenže ekonomie zná už poměrně dlouho jev, který nám do této optimistické představy trochu zasahuje.
Říká se mu Jevonsův paradox.
Jeho podstata spočívá v tom, že zvýšení efektivity využívání určitého zdroje může za určitých okolností vést nikoli ke snížení, ale naopak ke zvýšení jeho celkové spotřeby.
Důvod je jednoduchý.
Pokud se nějaká technologie stane levnější a dostupnější, začneme ji používat častěji.
A někdy také k činnostem, při kterých bychom ji dříve vůbec nepoužili.
U umělé inteligence si to můžeme ukázat na jednoduchém příkladu.
Představme si, že se během několika let podaří snížit energetickou náročnost jednoho požadavku na desetinu.
Výborná zpráva.
Jenže pokud se současně počet požadavků zvýší stokrát, celková spotřeba energie bude desetkrát vyšší než původně.
Samozřejmě jde pouze o matematický příklad, nikoli o předpověď budoucího vývoje.
Přesto dobře ukazuje, proč nestačí sledovat pouze spotřebu jednotlivých modelů.
Musíme sledovat také to, jak rychle roste jejich používání.
A tady se opět vracíme k naší kočce.
Pokud bude jedna otázka stát prakticky nic, proč se nezeptat na dalších deset?
A proč si místo jednoho obrázku nevygenerovat rovnou stovku?
Vždyť je to tak jednoduché.
Elektřina není jediný problém
Zatím jsme mluvili především o spotřebě elektrické energie. Jenže provoz výpočetní infrastruktury má také další nároky.
Jedním z nich je chlazení.
Výkonné procesory přeměňují značnou část spotřebované elektrické energie na teplo, které je potřeba odvádět. Podle konkrétní technologie mohou datová centra využívat vzduchové chlazení, kapalinové systémy nebo kombinaci různých řešení.
Některé způsoby chlazení přitom spotřebovávají vodu.
A právě zde může vznikat další problém, zejména v oblastech, kde je vody nedostatek.
Je ovšem potřeba rozlišovat mezi vodou skutečně spotřebovanou, například odpařováním, a vodou, která pouze cirkuluje v uzavřeném chladicím systému. Stejně tak se liší přímá spotřeba vody v datovém centru od vody potřebné při výrobě elektřiny.
Bez těchto rozdílů mohou být zveřejňované údaje poněkud zavádějící.
Další otázkou je výroba samotného hardwaru.
Moderní výpočetní akcelerátory vyžadují mimořádně složité výrobní procesy, pokročilé polovodičové technologie, specializované paměti a řadu materiálů, jejichž získávání a zpracování má vlastní energetické i ekologické náklady.
A čím rychleji se jednotlivé generace zařízení střídají, tím důležitější začíná být také otázka jejich životnosti.
Datové centrum vybavené desetitisíci výkonných akcelerátorů představuje obrovskou investici.
Pokud však za několik let vznikne nová generace zařízení s podstatně lepším poměrem výkonu a spotřeby, může být ekonomicky výhodné původní hardware nahradit.
Z pohledu provozovatele to může dávat smysl.
Z pohledu celkových materiálových a energetických nároků je však potřeba započítat také výrobu nových zařízení, dopravu a následné zpracování těch vyřazených.
Jinými slovy, energetická náročnost umělé inteligence nezačíná okamžikem, kdy zapneme server.
A rozhodně nekončí jeho vypnutím.
A kdo to všechno zaplatí?
Mohli bychom namítnout, že provozovatelé datových center si elektřinu platí sami, takže jde především o jejich obchodní problém.
Jenže ani to není úplně pravda.
Výstavba velkých datových center může vyžadovat posílení elektrických sítí, nové transformátory, rozvodny nebo investice do výroby elektřiny.
A tyto náklady se nemusí vždy týkat pouze samotného provozovatele.
Záleží na konkrétních podmínkách, způsobu financování infrastruktury a pravidlech daného energetického trhu.
V některých regionech může rychlý růst poptávky po elektřině komplikovat připojování dalších odběratelů nebo vytvářet tlak na investice do energetické soustavy.
Neznamená to automaticky, že kvůli AI budou domácnosti platit vyšší účty.
Takový závěr by byl příliš zjednodušený.
Ale znamená to, že energetické nároky datových center mohou mít dopady i mimo samotný technologický sektor.
A právě proto by se o nich mělo mluvit otevřeně.
Ostatně není příliš rozumné plánovat budoucnost energetiky bez představy o tom, kolik elektřiny budou potřebovat technologie, které chceme postupně zabudovat do prakticky každé oblasti našeho života.
A co když nám AI naopak energii ušetří?
Abychom ovšem nevytvářeli dojem, že umělá inteligence představuje pouze dalšího nenasytného spotřebitele elektřiny, je potřeba zmínit i její možný přínos.
AI může pomáhat optimalizovat průmyslové procesy, řídit spotřebu energie, zlepšovat předpovědi výroby z obnovitelných zdrojů nebo hledat efektivnější materiály a technologické postupy.
V některých oblastech může umožnit úspory, kterých bychom jinak dosahovali jen velmi obtížně.
Může také urychlit výzkum nových technologií, včetně těch energetických.
Bylo by tedy nesprávné počítat pouze elektřinu spotřebovanou při provozu AI a úplně ignorovat možné úspory, které její používání přinese jinde.
Problém je v tom, že tyto přínosy zatím neumíme spolehlivě vyčíslit v celosvětovém měřítku.
Nevíme, kolik energie AI skutečně ušetří, kolik nové spotřeby vyvolá a jak rychle se budou jednotlivé oblasti vyvíjet.
Můžeme vytvářet scénáře, odhady a modely.
Ale neměli bychom je zaměňovat za jistotu.
Ostatně i proto jsou současné prognózy energetické náročnosti AI poměrně nejisté.
Vývoj nových čipů, efektivnějších modelů, způsobů chlazení nebo energetické infrastruktury může výsledná čísla významně změnit.
Stejně tak je může změnit mnohem rychlejší rozšíření AI, než se dnes předpokládá.
Kolik umělé inteligence vlastně potřebujeme?
A tím se pomalu dostáváme k otázce, která mě na celém tématu zajímá nejvíc.
Nejde ani tak o to, zda umělá inteligence spotřebovává příliš mnoho elektřiny.
Každá technologie něco stojí.
Výroba automobilů, provoz internetu, letecká doprava, průmysl nebo třeba obyčejné vytápění domácností mají své energetické a materiálové nároky.
A nikdo rozumný asi nebude požadovat, abychom se všech těchto věcí vzdali jen proto, že spotřebovávají zdroje.
Podstatnější je otázka, jaký užitek nám jejich používání přináší.
Pokud AI pomůže urychlit vývoj léku, zlepšit diagnostiku závažného onemocnění nebo navrhnout efektivnější průmyslovou technologii, její energetické nároky mohou být vzhledem k výsledku velmi dobře obhajitelné.
Pokud však spotřebujeme podobné množství výpočetního výkonu na výrobu několika milionů bezcenných reklamních obrázků nebo nekonečných konverzací, jejichž jediným výsledkem je další konverzace, můžeme si alespoň položit otázku, zda jde o nejlepší využití dostupných prostředků.
Samozřejmě nelze vytvořit nějaký univerzální seznam užitečných a neužitečných dotazů.
Pro někoho může být rozhovor s chatbotem o zdánlivé maličkosti velmi důležitý. Může mu pomoci při učení, uspořádání myšlenek nebo řešení osobního problému.
A zrovna tak může být na první pohled odborný úkol ve skutečnosti naprosto zbytečný.
Hodnotu jednotlivých činností tedy nelze jednoduše měřit podle toho, zda vypadají dostatečně vážně.
Jenže určitou míru rozumného používání bychom si možná přece jen měli zachovat.
Už jen proto, že digitální svět není tak nehmotný, jak se nám někdy zdá.
Vyhladoví nás tedy umělá inteligence?
Pokud bychom měli na tuto otázku odpovědět pouze podle dnes dostupných údajů, odpověď by byla poměrně jednoduchá.
Nevíme.
A především nemáme důkazy, že by samotný provoz umělé inteligence měl v dohledné době způsobit celosvětový nedostatek potravin, energie nebo jiných základních zdrojů.
Takové tvrzení by bylo přehnané.
Máme však poměrně přesvědčivé důkazy o tom, že energetická spotřeba datových center rychle roste a že umělá inteligence představuje významnou část očekávaného budoucího růstu.
Víme také, že výstavba nové infrastruktury vyžaduje značné investice, materiály, energii a v některých případech také vodu.
Co zatím nevíme, je skutečný rozsah budoucí poptávky.
Nevíme, kolik AI služeb budeme za deset let používat, kolik výpočtů budou jednotlivé úkoly vyžadovat ani jak výrazně se podaří zlepšit energetickou účinnost hardwaru a samotných modelů.
A už vůbec nedokážeme spolehlivě odhadnout, kolik energie nám AI naopak pomůže ušetřit.
Bylo by tedy poněkud předčasné malovat katastrofické scénáře.
Stejně předčasné by ale bylo celý problém přehlížet.
Je docela možné, že za deset nebo dvacet let budeme na dnešní diskuse o energetické náročnosti AI vzpomínat podobně jako na dobu, kdy se řešilo, zda se vůbec vyplatí provozovat osobní počítače. Technologie se vyvíjejí, jejich účinnost roste a věci, které dnes vypadají jako obtížně řešitelný problém, mohou být za několik let samozřejmostí.
Stejně tak je ale možné, že nás čeká poněkud nepříjemné vystřízlivění. Že zjistíme, že nekonečný výpočetní výkon není zadarmo a že i digitální svět má své velmi konkrétní fyzikální hranice.
Zatím totiž nevíme, kolik umělé inteligence bude lidstvo skutečně potřebovat.
Víme jen, že jí chceme stále víc.
A možná bychom si vedle otázky, co všechno za nás AI dokáže udělat, měli občas položit ještě jednu.
Má vůbec smysl ji o to žádat?
Poznámka autora k použitým údajům
Článek kombinuje veřejně dostupné údaje, technické parametry konkrétních zařízení a vlastní modelové výpočty. Uváděné odhady budoucí spotřeby elektřiny nejsou jistými předpověďmi. Stejně tak výpočet spotřeby hypotetického datového centra představuje ilustraci možného rozsahu energetických nároků, nikoli popis skutečného provozu konkrétní společnosti.
Přesný počet výpočetních akcelerátorů používaných pro AI, jejich celosvětové vytížení ani energetickou náročnost všech uživatelských požadavků dnes nelze z veřejných údajů spolehlivě určit. Při hodnocení budoucího vývoje je proto nutné počítat s poměrně značnou nejistotou.
Použité podklady: