الأثر البيئي للذكاء الاصطناعي

يشمل الأثر البيئي لتصميم وتدريب ونشر واستخدام الذكاء الاصطناعي انبعاثات غازات الاحتباس الحراري الناتجة عن توليد الكهرباء لمراكز البيانات وأجهزة الحوسبة، واستخدام المياه في العمليات التشغيلية والاستخدام الأولي للمياه، والآثار المادية الناتجة عن تصنيع الأجهزة والتعدين والنفايات الإلكترونية . ^{[ 1 ] [ 2 ] [ 3 ] [ 4 ]}

قد يكون تقدير الآثار البيئية للذكاء الاصطناعي أمراً صعباً لأن النتائج تعتمد على كيفية قياس هذه الآثار، بما في ذلك ما إذا كانت الحسابات تشمل فقط حسابات النموذج أم تشمل أيضاً تكاليف مراكز البيانات ، والطاقة غير المستخدمة، وتصنيع الأجهزة، وإمدادات الكهرباء المحلية. ^{[ 5 ]}

مع ازدياد الاهتمام بهذه القضايا، بدأت الحكومات والهيئات التنظيمية تنظر بشكل متزايد في متطلبات الإبلاغ الخاصة بمراكز البيانات، ومعايير كفاءة الطاقة، وتدابير الشفافية الأوسع نطاقاً لاستخدام الموارد المتعلقة بالذكاء الاصطناعي. ^{[ 6 ] [ 7 ]}

ينشأ استهلاك الطاقة المرتبط بالذكاء الاصطناعي في مراحل متعددة، بما في ذلك تدريب النموذج ، والضبط الدقيق ، والاستدلال ، والتخزين، والشبكات، والبنية التحتية الداعمة مثل التبريد وتحويل الطاقة. ^{[ 2 ]}

المستوى الفردي

تتباين التقديرات المنشورة لاستهلاك الطاقة لكل طلب ذكاء اصطناعي تبايناً واسعاً بين النماذج والمهام وأساليب القياس. ^{[ 5 ]} وقد وجدت دراسة معيارية عُرضت في مؤتمر ACM لعام 2024 حول العدالة والمساءلة والشفافية اختلافات كبيرة بين أنواع المهام، حيث انخفض استهلاك الطاقة في بعض مهام النصوص، بينما ارتفع استهلاك الطاقة بشكل ملحوظ في مهام توليد الصور في ظروف الاختبار. ^{[ 9 ]} في تلك الدراسة المعيارية، استهلكت مهام التصنيف البسيطة ما بين 0.002 و0.007  واط/ساعة لكل طلب في المتوسط ​​(حوالي 9% من شحنة هاتف ذكي لـ 1000 طلب)، بينما استهلكت مهام توليد النصوص وتلخيصها حوالي 0.05  واط/ساعة لكل طلب؛ وبلغ متوسط ​​استهلاك الطاقة في مهام توليد الصور 2.91  واط/ساعة لكل طلب، أما أقل نماذج الصور كفاءة في الدراسة فقد استهلكت 11.49  واط/ساعة لكل صورة (ما يعادل تقريباً نصف شحنة هاتف ذكي). ^{[ 9 ]}

نُشرت أيضًا قياسات مباشرة من جهات خارجية في بيئات الإنتاج. أشارت دراسة أجرتها جوجل عام 2025 حول خدمة مساعد Gemini إلى متوسط ​​تقديرات استهلاك الطاقة والانبعاثات والمياه لكل طلب، وذلك وفقًا لإطار المحاسبة الذي اعتمده الباحثون، مع ملاحظة أن اختلاف حدود النظام قد يُنتج نتائج مختلفة بشكل كبير. ^{[ 5 ]} وذكرت الدراسة أن متوسط ​​استهلاك الطاقة لكل طلب نصي يبلغ حوالي 0.24  واط/ساعة، وهو ما يعادل تقريبًا الطاقة اللازمة لمشاهدة تسع ثوانٍ من التلفزيون. كما أوضحت الدراسة أن تحسينات البرمجيات والبنية التحتية خفضت استهلاك الطاقة بمقدار 33 ضعفًا وانبعاثات الكربون بمقدار 44 ضعفًا لطلب نموذجي على مدار عام واحد ضمن إطار عمل الباحثين. ^{[ 5 ]}

قام باحثون في جامعة ميشيغان بقياس استهلاك الطاقة لنماذج Meta Llama 3.1 المختلفة التي صدرت عام 2024، ووجدوا أن النماذج اللغوية الأصغر (8 مليارات مُعامل) تستهلك حوالي 114 جول (0.03167 واط/ساعة) لكل استجابة، بينما تتطلب النماذج الأكبر (405 مليارات مُعامل) ما يصل إلى 6700 جول (1.861 واط/ساعة) لكل استجابة. وهذا يُعادل الطاقة اللازمة لتشغيل فرن ميكروويف لمدة عُشر ثانية وثماني ثوانٍ تقريبًا، على التوالي. ^{[ 10 ]}

أسفرت المقارنات بين أنظمة الذكاء الاصطناعي والعمل البشري في مهام محددة عن نتائج متباينة، ولا تزال هذه المقارنات تتأثر بالافتراضات المتعلقة بجودة المخرجات، وحجم العمل، وحدود النظام. فقد أشارت دراسة نُشرت عام 2024 في مجلة "ساينتيفيك ريبورتس" إلى انخفاض تقديرات انبعاثات الكربون لأنظمة الذكاء الاصطناعي المختارة بمقدار يتراوح بين 130 و2900 ضعف مقارنةً بانبعاثات الكتّاب والرسامين البشريين، وذلك وفقًا لافتراضات الدراسة. ^{[ 11 ]} وفي دراسة لاحقة نُشرت في "ساينتيفيك ريبورتس" ، تم تقديم مثال معاكس لمهام البرمجة، حيث وُجد أن تقديرات انبعاثات الكربون لنظام الذكاء الاصطناعي المُقيَّم أعلى بمقدار يتراوح بين 5 و19 ضعفًا مقارنةً بانبعاثات المبرمجين البشريين، وذلك وفقًا للمعيار المستخدم في تلك الدراسة. ^{[ 12 ]}

مستوى النظام

استخدام الطاقة وكفاءتها

نتيجة لنمو الذكاء الاصطناعي، ازداد الطلب على الطاقة في مراكز البيانات في العقد الثاني من القرن الحادي والعشرين. ^{[ 13 ]}

ووفقًا لوكالة الطاقة الدولية، من المتوقع أن تمثل مراكز البيانات حصة صغيرة نسبيًا من نمو الطلب العالمي على الكهرباء بحلول عام 2030. ^{[ 14 ]}

لا يعتمد استهلاك الطاقة في أنظمة الذكاء الاصطناعي على بنية النموذج فحسب، بل يعتمد أيضًا على كفاءة الأجهزة والمرافق. ويُبلغ مشغلو مراكز البيانات عادةً عن فعالية استخدام الطاقة (PUE)، التي تقيس نسبة إجمالي طاقة المنشأة إلى طاقة معدات تكنولوجيا المعلومات ؛ ويشير انخفاض قيمة PUE إلى انخفاض الطاقة المُستهلكة للتبريد والبنية التحتية الداعمة الأخرى. ^{[ 5 ]}

قد ينشر المشغلون أيضًا مقاييس ودراسات حالة حول كفاءة الأجهزة وأنظمة التبريد ومصادر الطاقة. في تقريرها البيئي لعام 2024، ذكرت جوجل أن إجمالي انبعاثاتها من غازات الاحتباس الحراري لعام 2023 قد زاد بنسبة 13% على أساس سنوي، ويعود ذلك بشكل أساسي إلى زيادة استهلاك الطاقة في مراكز البيانات وانبعاثات سلسلة التوريد ، مع تسجيلها في الوقت نفسه مؤشرًا أقل لفعالية استخدام الطاقة (PUE) من متوسطات القطاع لمنشآتها الخاصة. ^{[ 16 ]}

كما أفادت وكالة الطاقة الدولية بأن مراكز البيانات لا تزال تشكل نسبة صغيرة نسبياً من إجمالي استهلاك الكهرباء العالمي، إلا أن تأثيراتها المحلية قد تكون أكثر وضوحاً نظراً لتركز الطلب جغرافياً. ^{[ 1 ]}

البصمة الكربونية

على مستوى الأنظمة، يُسهم الذكاء الاصطناعي في زيادة الطلب على الكهرباء في مراكز البيانات والبنية التحتية ذات الصلة. وقدّرت وكالة الطاقة الدولية  أن مراكز البيانات استهلكت حوالي 415 تيراواط/ساعة من الكهرباء في عام 2024، أي ما يُعادل 1.5% تقريبًا من الاستهلاك العالمي للكهرباء، وتوقّعت أن يرتفع استهلاك الكهرباء في مراكز البيانات إلى حوالي 945  تيراواط/ساعة بحلول عام 2030، مع تحديد الذكاء الاصطناعي كمحرك رئيسي لهذا النمو إلى جانب الخدمات الرقمية الأخرى. ^{[ 1 ]}

تعتمد البصمة الكربونية لأنظمة الذكاء الاصطناعي بشكل كبير على مصادر الكهرباء، وكفاءة الأجهزة، ومعدلات الاستخدام، والمراحل المشمولة في الحساب. قد يتطلب تدريب النماذج الكبيرة كميات كبيرة من الكهرباء، بينما تعتمد التأثيرات الإجمالية لدورة الحياة أيضًا على نطاق النشر وكمية الاستدلال التي يتم إجراؤها بعد التدريب. ^{[ 2 ] [ 17 ] [ 5 ]}

أشارت التحليلات المبكرة لتطوير النماذج الرائدة إلى نمو تاريخي سريع في قدرة الحوسبة التدريبية لأنظمة مختارة، على الرغم من أن الاتجاهات اللاحقة اعتمدت على التغييرات في تصميم النموذج والأجهزة وتحسينات الكفاءة. ^{[ 18 ]}

يمكن أن تؤثر أساليب المحاسبة التي تشمل التأثيرات الأولية أو المتضمنة، مثل تصنيع الأجهزة وبناء المرافق، بشكل جوهري على تقديرات الانبعاثات المرتبطة بالذكاء الاصطناعي. ^{[ 17 ] [ 4 ]}

يمكن لمراكز البيانات استخدام المياه مباشرةً للتبريد وبشكل غير مباشر من خلال المياه المستخدمة في توليد الكهرباء ، وذلك تبعًا لمزيج الطاقة المحلي . ^{[ 3 ]} غالبًا ما تكون التقارير العامة حول استخدام المياه في مراكز البيانات غير متسقة، مما يجعل المقارنات بين المشغلين والمناطق أمرًا صعبًا. ^{[ 3 ]}

لتوحيد التقارير التشغيلية، اقترحت مبادرة الشبكة الخضراء مقياس فعالية استخدام المياه (WUE)، والذي يُعرَّف بأنه استهلاك المياه السنوي للموقع مقسومًا على استهلاك الطاقة لمعدات تكنولوجيا المعلومات. ^{[ 19 ]} لا يقيس مقياس فعالية استخدام المياه (WUE) وحده الإجهاد المائي المحلي ، أو استدامة المصادر، أو جميع تأثيرات المياه في المنبع. ^{[ 19 ] [ 3 ]} كما تُفرِّق دراسات استخدام المياه في الذكاء الاصطناعي بين سحب المياه واستهلاكها . ^{[ أ ] [ 21 ]}

أشارت الأبحاث المتعلقة باستخدام المياه في أنظمة الذكاء الاصطناعي إلى صعوبة رصد البصمة المائية لهذه الأنظمة، وأنها قد تختلف اختلافًا كبيرًا باختلاف الموقع، وتصميم التبريد، ومصدر الكهرباء. وقد لخصت مقالة نُشرت عام 2025 في مجلة "كوميونيكيشنز أوف ذا إيه سي إم" طرق تقدير البصمة المائية لأنظمة الذكاء الاصطناعي، وأكدت على الفرق بين سحب المياه واستهلاكها. ^{[ 21 ]}

أفاد تقرير صادر عن وكالة الطاقة الدولية عام 2025 أن استهلاك المياه العالمي في مراكز البيانات بلغ حوالي 560 مليار لتر عام 2023، ومن المتوقع أن يرتفع إلى 12 مليار لتر عام 2030. ومن بين المياه المستهلكة عام 2023، ارتبط ثلثاها تقريبًا بتوليد الطاقة، وربعها بالتبريد، أما الباقي فكان مرتبطًا بتصنيع أشباه الموصلات والرقائق الإلكترونية. ^{[ 22 ]} ويشير تقرير صادر عن مختبر لورانس بيركلي الوطني عام 2024 إلى بصمة مائية غير مباشرة تبلغ 800 مليار لتر عام 2023 (من توليد الكهرباء)، مع استهلاك مباشر للمياه يبلغ 66 مليار لتر في جميع مراكز البيانات في الولايات المتحدة، بالإضافة إلى كمية غير محددة ناتجة عن الذكاء الاصطناعي. ^{[ 23 ]} ومع ذلك، يوجد تباين كبير في استخدام المياه بناءً على حجم العمل، حيث تلعب كفاءة الخوادم دورًا كبيرًا. ^{[ 24 ]}

استنادًا إلى تقديرات كثافة استهلاك المياه والطاقة، أشارت مقالةٌ نُشرت عام 2025 بقلم دي فريس-غاو إلى أن إجمالي البصمة المائية لأنظمة الذكاء الاصطناعي قد يصل إلى ما بين 312.5 و764.6 مليار لتر في ذلك العام. ^{[ 25 ]} وفي العام نفسه، قدّر لي وزملاؤه أن سحب المياه العالمي لأنظمة الذكاء الاصطناعي قد يصل إلى 4.2-6.6 مليار متر مكعب (4200-6600 مليار لتر) في عام 2027 وفقًا للسيناريوهات التي تناولتها مقالتهم. ^{[ 21 ]} وباستخدام نموذج GPT-3 ، الذي أصدرته OpenAI عام 2020، كمثال، قدّروا أن تدريب النموذج في مراكز بيانات مايكروسوفت في الولايات المتحدة قد يستهلك حوالي 700 ألف لتر من المياه في الموقع، وحوالي 5.4 مليون لتر إجمالًا عند احتساب استهلاك المياه المرتبط بالكهرباء خارج الموقع؛ كما قدّروا أن 10-50 استجابة متوسطة الطول لنموذج GPT-3 قد تستهلك حوالي 500  مل من الماء، وذلك بحسب زمان ومكان نشر النموذج. ^{[ 21 ]} كما تباينت التقديرات المنشورة على مستوى الطلب حسب النظام وإطار المحاسبة: فقد ذكرت دراسة جوجل لعام 2025 حول خدمة مساعد جيميني متوسط ​​تقدير الطلب النصي بحوالي 0.26  مل في إطارها. ^{[ 5 ]}

تشير مقالة لشومبا وآخرين حول كفاءة استخدام المياه في مراكز البيانات الأفريقية إلى أنه عند كتابة بريد إلكتروني متوسط ​​الطول يتراوح بين 120 و200 كلمة، يمكن أن يستهلك كل من Llama3-70B وGPT-4 حوالي 0.12 لتر و2.6 لتر من الماء على التوالي، بينما يمكن أن يستهلك كتابة تقرير من عشر صفحات 0.6 و53 لترًا. ^{[ 26 ]}

يُمكن أن يؤثر الموقع بشكلٍ كبير على أهمية استخدام المياه في مراكز البيانات. فقد وجدت دراسة أُجريت على مراكز البيانات في الولايات المتحدة أن خُمس البصمة المائية المباشرة للخوادم تأتي من مستجمعات مائية تُعاني من إجهاد مائي متوسط ​​إلى شديد ، بينما يتم تزويد ما يقرب من نصف الخوادم بالطاقة كليًا أو جزئيًا من محطات تقع في مناطق تُعاني من إجهاد مائي. ^{[ 27 ]} وذكر تقرير لوكالة رويترز صدر عام 2025، استنادًا إلى بيانات من شركتي فيريسك مابلكروفت ونيتشر فاينانس، أن متوسط ​​استهلاك مركز البيانات متوسط ​​الحجم يبلغ حوالي 1.4 مليون لتر من الماء يوميًا للتبريد، وأن مدينة فينيكس ستشهد زيادة بنسبة 32% في الإجهاد المائي السنوي إذا تم تشغيل مراكز البيانات المُخطط لها حاليًا. ^{[ 28 ]}

يُستخدم الماء أيضًا في المراحل الأولية لتصنيع أشباه الموصلات ، والتي تعتمد على كميات كبيرة من المياه فائقة النقاء . ^{[ 29 ]}

تعتمد أنظمة الذكاء الاصطناعي على أجهزة حاسوب متخصصة، وقد يُسهم التغيير السريع في الخوادم والمُسرّعات في زيادة النفايات الإلكترونية. ^{[ 4 ]} وقد صنّفت منظمة الصحة العالمية النفايات الإلكترونية كمشكلة بيئية وصحية عامة متنامية. ^{[ 30 ]} ويُعدّ المُساهم الرئيسي في النفايات الإلكترونية الناتجة عن الذكاء الاصطناعي هو الأجهزة عالية الأداء المُستخدمة في مراكز البيانات، والتي قد تحتوي على مواد خطرة مثل الرصاص والزئبق والكروم . ^{[ 4 ]} كما يتم استبدال مُكوّنات مراكز بيانات الذكاء الاصطناعي بشكل مُتكرر، حيث يُتوقع من الشركات استبدال أجهزتها بالكامل كل ثلاث سنوات للحفاظ على قدرتها التنافسية. ^{[ 31 ]} وقد يكون إعادة تدوير أجهزة الذكاء الاصطناعي أكثر صعوبة من إعادة تدوير الأجهزة الإلكترونية الاستهلاكية العادية نظرًا لاحتمالية تخزين بيانات حساسة. ^{[ 32 ]}

أشارت دراسة نُشرت عام 2024 في مجلة Nature Computational Science إلى أن الذكاء الاصطناعي التوليدي قد يُضيف ما بين 1.2 و5 ملايين طن من النفايات الإلكترونية بحلول عام 2030، وذلك وفقًا للسيناريوهات التي درسها الباحثون. ^{[ 4 ]} وفي السيناريوهات الأكثر تفاؤلًا في الدراسة، قد يُمثل هذا ما يصل إلى 12% من إجمالي النفايات الإلكترونية العالمية المتوقعة بحلول عام 2030. ^{[ 4 ]} كما أفاد الباحثون بأن استراتيجيات الاقتصاد الدائري على امتداد سلسلة قيمة الذكاء الاصطناعي التوليدي يُمكن أن تُقلل من إنتاج النفايات الإلكترونية المرتبطة بالذكاء الاصطناعي بنسبة تتراوح بين 16% و86%. ^{[ 4 ]} في المقابل، قدّرت دراسة أخرى أُجريت عام 2026 أن خوادم الذكاء الاصطناعي ستُنتج ما بين 131 ألفًا و224 ألف طن من النفايات الإلكترونية سنويًا بحلول عام 2030. ^{[ 33 ]}

وقد تم اقتراح استخدام أنظمة التعلم العميق والذكاء الاصطناعي للمساعدة في تتبع النفايات الإلكترونية وجمعها وإدارتها. ^{[ 34 ] [ 35 ] [ 36 ] [ 37 ] [ 38 ]}

تعتمد أجهزة الذكاء الاصطناعي على سلاسل إمداد معقدة للمعادن والمواد الخام والمكونات المصنعة. وقد أفاد مؤتمر الأمم المتحدة للتجارة والتنمية (الأونكتاد) بأن توسع البنية التحتية الرقمية يزيد الطلب على المواد الخام، ويثير مخاوف بيئية وتوزيعية مرتبطة بعمليات الاستخراج والمعالجة والتصنيع. ^{[ 39 ]}

قد تعتمد الرقائق المتخصصة المستخدمة في أنظمة الذكاء الاصطناعي على سلاسل توريد تشمل معادن حيوية ومواد أخرى، قد يكون لاستخراجها ومعالجتها آثار بيئية واجتماعية كبيرة. هذه الآثار ليست حكرًا على الذكاء الاصطناعي، ولكنها قد تتفاقم مع ازدياد الطلب على الأجهزة المتعلقة به. ^{[ 39 ]}

لا تتوزع الآثار البيئية للبنية التحتية المرتبطة بالذكاء الاصطناعي بالتساوي. فقد أظهرت الأبحاث التي أُجريت على مراكز البيانات في الولايات المتحدة أن بصمتها البيئية تختلف باختلاف المنطقة، وقد تتداخل مع أنظمة الكهرباء المحلية، وتوافر المياه، والأعباء البيئية القائمة. ^{[ 27 ]} في تلك الدراسة، جاء خُمس البصمة المائية المباشرة للخوادم من مستجمعات مائية تعاني من إجهاد مائي متوسط ​​إلى شديد ، بينما تم تزويد ما يقرب من نصف الخوادم بالطاقة كليًا أو جزئيًا من محطات تقع في مناطق تعاني من إجهاد مائي. ^{[ 27 ]}

أُثيرت مخاوف أيضاً بشأن تلوث الهواء المحلي ، وإجراءات الترخيص، والضغط على شبكة الكهرباء في المجتمعات التي تستضيف منشآت الذكاء الاصطناعي والبنية التحتية للطاقة المرتبطة بها. في عام 2025، طعنت منظمات حقوقية وبيئية في تراخيص متعلقة بمنشأة للذكاء الاصطناعي المتقدم (xAI) في منطقة ممفيس ، بحجة أن أعباء تلوث الهواء قد تقع بشكل غير متناسب على الأحياء التي عانت تاريخياً من التلوث. وقد خضع هذا النزاع لإجراءات تنظيمية وقانونية. ^{[ 40 ] [ 41 ] [ 42 ]}

على الرغم من المخاوف بشأن أثرها البيئي، فقد تم استخدام الذكاء الاصطناعي في التطبيقات البيئية والمتعلقة بالمناخ، بما في ذلك التنبؤ بالطقس ، ومراقبة الأرض، والتحسين في أنظمة النقل والطاقة.

في مجال التنبؤات الجوية، أظهرت دراسات محكمة نتائج قوية لبعض أنظمة التنبؤ القائمة على الذكاء الاصطناعي ضمن أطر تقييم محددة. فقد أشارت ورقة بحثية نُشرت في مجلة Nature عام 2023 حول نظام Pangu-Weather إلى أداء قوي في التنبؤات متوسطة المدى مقارنةً بنظام رائد للتنبؤات الجوية العددية في تقييم الدراسة. ^{[ 43 ]} كما استُخدم الذكاء الاصطناعي في أبحاث الظواهر الجوية المتطرفة ونمذجة الأحداث المناخية. ^{[ 44 ]}

كما تم اقتراح استخدام الذكاء الاصطناعي لتحسين عمليات التخفيف من آثار التلوث. فعلى سبيل المثال، يستخدم مشروع "الضوء الأخضر" من جوجل بيانات حركة المرور والتعلم الآلي للتوصية بتعديلات على توقيت إشارات المرور بهدف تقليل الازدحام المروري المتقطع وما يرتبط به من انبعاثات عند التقاطعات. ^{[ 45 ]}

يبقى السؤال مطروحاً حول ما إذا كان الذكاء الاصطناعي يحقق فوائد بيئية صافية على نطاق واسع، لأن النتائج تعتمد على خيارات النشر، وتأثيرات الارتداد ، والطلب الإضافي على البنية التحتية، ومدى إزالة الكربون من أنظمة الكهرباء والتبريد . ^{[ 1 ]}

• تأثير الذكاء الاصطناعي في مكان العمل
• الأثر البيئي للبيتكوين
• الأثر البيئي لأجهزة الكمبيوتر