Den hurtige vækst af kunstig intelligens (AI) har fået aktiepriserne for de store tech-virksomheder til at stige, men det går ud over industriens klimamål. Google har for eksempel erkendt, at deres datacentre, der er afgørende infrastruktur for AI, har bidraget til en 48% stigning i drivhusgasemissioner siden 2019, hvilket har rejst tvivl om deres mål om at opnå nettonul-emissioner inden 2030. Microsoft, hovedstøtte for OpenAI, har også indrømmet, at deres mål om nettonul-emissioner i 2030 muligvis ikke kan opnås på grund af deres AI-strategi. AI's miljømæssige påvirkning stammer fra dets afhængighed af datacentre, som forbruger store mængder elektricitet og genererer CO2-emissioner. Ifølge skøn kan det samlede elforbrug fra datacentre fordobles inden 2026, og AI forventes at udgøre 4, 5% af den globale energiproduktion inden 2030. Vandforbrug er også betydeligt, da AI potentiel kan forbruge op til 6, 6 milliarder kubikmeter vand inden 2027. Eksperter fremhæver betydningen af energikilden, der bruges af tech-virksomheder, og behovet for at skifte til vedvarende energi. Men tilgængeligheden af ren energi kan være en begrænsende faktor, da der muligvis ikke er nok til at imødekomme den stigende efterspørgsel fra AI-datacentre. Regeringer sigter mod at tredoble ressourcerne inden for vedvarende energi ved udgangen af ​​årtiet, men Det Internationale Energiagentur advarer om, at den globale kapacitet for vedvarende energi muligvis kun fordobles inden 2030 under de nuværende planer. For at imødekomme energikravene fra AI ville tech-virksomheder være nødt til at investere kraftigt i nye projekter inden for vedvarende energi. Mens onshore-projekter inden for vedvarende energi kan udvikles relativt hurtigt, kan udfordringer som planlægningsregler og forsinkelser i nettilslutning forårsage flere års forsinkelse.

Havvindmølleparker og vandkraftprojekter står over for lignende forhindringer, udover længere byggetider. AI-industriens unikke karakter rejser bekymringer om dens stadig stigende behov for elektricitet. Mens normale udbud- og efterspørgselsprincipper antyder, at stigende energiomkostninger ville få industrien til at rationalisere, kan førende tech-virksomheder vælge at bære omkostningerne og fortsætte deres jagt på AI-dominans. Konkurrencen om avancerede AI-systemer er intens, med enorme investeringer i træningsløb. Der er en følelse af, at vinderen tager det hele og driver løbet for at bruge enorme summer på træningsløb for at monopolisere vitale teknologier. Trods fremskridt inden for AI-teknologi, der gør det muligt for virksomheder at opnå mere med mindre databehandlingskraft, har dette ikke ført til reduceret elforbrug. I stedet har det ført til, at den samme mængde elektricitet bruges til at skabe endnu mere avancerede AI-systemer. Denne fænomen, kendt som "Jevons' paradoks, " viser, hvordan effektivitetsforbedringer kan føre til øget energiforbrug. Samlet set udgør AI-boomet en trussel mod tech-industriens klimamål på grund af de betydelige energiforbrug og miljøpåvirkninger fra datacentre. Uden en mere omfattende overgang til vedvarende energi og gennembrud inden for energieffektivitet kan industriens umættelige jagt på AI-domæne standse fremskridt mod klimamålene.