Как компании могут заставить IT-гигантов сократить энергетический след ИИ: стартап, который учит бизнес давить рублем

Искусственный интеллект развивается с космической скоростью — а вместе с ним растет и инфраструктура, необходимая для его работы. Пока дата-центры расширяются, а рабочие нагрузки ИИ множатся, вопросы потребления электричества, выбросов и использования ресурсов становятся центральными для будущего всей индустрии.

Новая исследовательская и консалтинговая фирма Sustainable AI Group (SAIG) утверждает: самый мощный рычаг для решения этих экологических проблем находится не внутри серверных. Он в руках компаний, которые покупают ИИ.

Что такое Sustainable AI Group?

Sustainable AI Group (SAIG) — исследовательская и консалтинговая компания, запущенная 13 мая 2026 года, чтобы помочь бизнесу измерять, сравнивать и снижать воздействие систем искусственного интеллекта на окружающую среду .

Организацию основали два хорошо известных в сфере устойчивого ИИ эксперта:

• Доктор Саша Луччиони (Sasha Luccioni) , бывшая руководительница направления «ИИ и климат» в Hugging Face;
• Борис Гамазайчиков (Boris Gamazaychikov) , ранее возглавлявший направление устойчивого ИИ в Salesforce.

Их цель — помочь компаниям понять, как ИИ-системы влияют на энергопотребление, выбросы и спрос на инфраструктуру, и превратить это понимание в конкретные решения о покупке и развертывании технологий .

Проблема: экологический след ИИ сложно разглядеть

Рост ИИ ведет к колоссальным инвестициям в вычислительную инфраструктуру. Чтобы обслуживать взрывной рост числа задач, связанных с искусственным интеллектом, строятся огромные дата-центры, разрабатываются специализированные чипы, внедряются мощные системы охлаждения и создаются новые энергетические мощности.

В SAIG подчеркивают, что компании, внедряющие ИИ, часто не имеют ясной картины о воздействии на экологию тех моделей и сервисов, которые они покупают . Без единых стандартов измерений и отчетности бизнесу трудно оценить:

• энергопотребление ИИ-моделей;
• выбросы, связанные с электричеством для дата-центров;
• расход воды и потребности в охлаждении;
• инфраструктурные решения, включая источники энергии.

Другая трудность в том, что разные ИИ-системы могут иметь кардинально разный экологический след. Маленькая, точно настроенная под задачу модель способна выполнить работу, расходуя значительно меньше вычислительных ресурсов, чем модель передового масштаба. Все зависит от конкретного применения и среды развертывания .

Однако покупатели, не имея возможности видеть эти нюансы, часто по умолчанию выбирают самые большие и заметные модели, не задумываясь об эффективности или экологических компромиссах.

Главный аргумент основателей: у корпоративных покупателей есть рычаг

Большинство компаний, использующих ИИ, не строят собственных моделей или центров обработки данных. Они полагаются на облачных провайдеров и поставщиков ИИ-решений.

Но основатели SAIG утверждают, что корпоративные клиенты все равно формируют всю инфраструктурную экосистему.

Расходы бизнеса в конечном счете финансируют расширение ИИ-инфраструктуры. Таким образом, решения о закупках — от требований в тендерной документации до условий контрактов с поставщиками — посылают сигнал всей цепочке создания стоимости ИИ .

Другими словами, в то время как электросеть и дата-центры — это видимая «сторона предложения», клиентский спрос определяет, что именно строят провайдеры.

Эта динамика дает крупным организациям рычаг влияния на:

• ожидания по эффективности моделей;
• стандарты отчетности о потреблении энергии;
• прозрачность инфраструктуры;
• то, где и как размещаются рабочие нагрузки ИИ.

Как закупки и контракты могут формировать ИИ-инфраструктуру

В SAIG доказывают, что бизнес может начать влиять на устойчивость ИИ через повседневные процессы закупок.

Ключевые механизмы включают:

1. Требования в тендерной документации (RFP)

Компании могут включать экологические критерии в процесс оценки поставщиков ИИ, запрашивая данные об эффективности моделей, потреблении энергии и практиках управления инфраструктурой.

В закупочных методологиях все больше внимания уделяется вопросам практик оптимизации моделей и экологической отчетности, что позволяет покупателям различать вендоров с более серьезными обязательствами по устойчивости .

2. Выбор поставщика

Организации могут выбирать тех ИИ-провайдеров, которые демонстрируют более низкую энергоемкость или большую прозрачность в отношении инфраструктуры.

Если достаточное количество корпоративных покупателей начнет ранжировать эти факторы как приоритетные, поставщики будут конкурировать не только по производительности и цене, но и по эффективности и устойчивости.

3. Пункты контракта

Генеральные соглашения об обслуживании и корпоративные контракты могут требовать раскрытия информации о воздействии на окружающую среду.

Например, контракты могут предусматривать отчетность о:

• источниках энергии, питающих дата-центры;
• использовании объектами автономных ископаемых источников генерации;
• показателях эффективности для рабочих нагрузок ИИ.

Такие требования создают прямые стимулы для провайдеров улучшать прозрачность и инфраструктурные решения .

Какие услуги предоставит Sustainable AI Group

SAIG позиционирует себя одновременно как исследовательскую организацию и как стратегического консультанта, помогающего перевести устойчивый ИИ в практическую плоскость.

Открытые исследования

Фирма планирует публиковать работы по анализу воздействия ИИ на окружающую среду, включая энергопотребление от обучения и инференса (выполнения задач), а также более широкие инфраструктурные эффекты .

Корпоративный консалтинг

SAIG поможет организациям интегрировать устойчивость в ИИ-стратегии через:

• рекомендации по закупкам;
• внутренние воркшопы и стратегические сессии;
• фреймворки для измерений;
• инструменты поддержки принятия решений;
• согласование позиций технических команд и отделов устойчивого развития.

Также планируется помогать компаниям составлять карту использования ИИ внутри организации и устанавливать базовые экологические метрики для этих рабочих нагрузок .

Инструменты для измерений и бенчмаркинга

Одно из главных направлений — сделать эффективность ИИ измеримой и сопоставимой для разных систем.

Пример — инициатива AI Energy Score, система бенчмаркинга, разработанная для оценки энергопотребления ИИ-моделей при выполнении типовых задач .

Эта система предлагает стандартизированные рейтинги энергопотребления и публичные сравнения моделей, помогая разработчикам и покупателям находить более эффективные варианты . Более ранние версии системы уже оценили сотни широко используемых моделей для множества ИИ-задач, создав таким образом ориентир для энергоэффективности в этой сфере .

Подбор моделей «под задачу»

Еще одна планируемая возможность — инструментарий, который помогает перенаправлять задачи к наиболее подходящим моделям, а не использовать по умолчанию огромные «фронтирные» модели для каждого случая.

Выбор меньших или специализированных моделей там, где это возможно, может значительно снизить потребность в вычислительных мощностях, не жертвуя при этом качеством выполнения задач .

Почему момент так важен

Основатели утверждают, что текущий период критичен, поскольку инвестиции в ИИ-инфраструктуру ускоряются невиданными темпами.

По оценкам SAIG, к концу десятилетия расходы на ИИ-инфраструктуру могут достичь $5 трлн, и окно возможностей для влияния на то, как именно эта инфраструктура будет построена, крайне узкое .

Как только дата-центры, энергетические контракты и цепочки поставок оборудования будут зафиксированы, изменить экологическую траекторию ИИ станет на порядок сложнее.

Их стратегия заключается в воздействии на систему до того, как произойдет этот «захват», — через поощрение бизнеса относиться к устойчивости как к ключевому критерию закупок, а не запоздалой мысли.

Идея шире: устойчивость как рыночный сигнал

Более масштабное видение Sustainable AI Group просто и амбициозно: превратить корпоративный спрос в рыночный сигнал, который вознаграждает эффективные системы ИИ.

Если покупатели начнут требовать прозрачности и энергоэффективности, поставщики будут бороться за конкурентное преимущество в этих измерениях так же агрессивно, как сейчас борются за скорость, возможности и цену.

Произойдет ли этот сдвиг — зависит от того, решатся ли компании использовать тот рычаг, который у них уже есть в цепочке поставок ИИ.