USA-senator vill beskatta datacenter för att betala för AI-omvälvningen

Antalet platsannonser för ingångsjobb i USA har fallit med 35 procent sedan 2023, enligt senator Mark Warner. Han vill nu att de datacentraler som driver den pågående vågen av artificiell intelligens ska vara med och betala för omställningen. Vid konferensen Axios AI Summit sade Warner till TechCrunch att han undersöker en särskild skatt på datacentraler och kallade detta den ”enklaste platsen” att ta ut ett ”pund kött” ur branschen. Förslaget kommer samtidigt som politiker som Bernie Sanders och Alexandria Ocasio-Cortez driver på för ett federalt stopp för fortsatt utbyggnad av datacentraler, med hänvisning till lokalt motstånd mot buller, utsläpp, vattenförbrukning och stigande elpriser.

Resonemanget stöter snabbt på ett mätproblem. ”Den artificiella intelligensens energifotavtryck” är inte ett enda tal, utan ett bokföringsval som beror på vad man räknar, var man drar systemgränserna och vilket tidsspann man väljer. Operatörer redovisar ofta måttet effektutnyttjandefaktor, förhållandet mellan anläggningens totala energianvändning och den energi som går till själva informationsbehandlingsutrustningen. Men detta är ett mått på effektivitet på anläggningsnivå, inte ett verktyg för att fördela energianvändningen på en viss modell eller tjänst. En anläggning kan visa upp en imponerande årsiffra och ändå skapa stora effekttoppar under de sämsta timmarna för elnätet, eller flytta värme- och vattenbördan till närboende.

För arbetslaster inom artificiell intelligens spelar uppdelningen mellan träning och löpande användning stor roll. Träning sker mer sporadiskt, kan schemaläggas och körs ofta i några få specialiserade kluster. Löpande användning är däremot kontinuerlig, känslig för fördröjningar och sprids över regioner närmare användarna. Det förändrar både lastfaktorn, alltså hur jämn efterfrågan är, och vilken elproduktion som i praktiken möter den extra efterfrågan. Den el som tillkommer i marginalen är sällan densamma som elnätets genomsnitt: nattetid kan det vara baskraft, under toppar kan det vara gasturbiner eller importerad el. Utan finmaskig mätning – timvis förbrukning, platsberoende utsläppsintensitet i elnätet och vilken kylmetod som används – kan rubrikpåståenden om ”ren” artificiell intelligens vara korrekta på papperet samtidigt som lokalsamhällen ser högre priser och ett hårt pressat distributionsnät.

Vatten är den andra blinda fläcken. Kylsystem spänner från luftkylning till avdunstningstorn och blandlösningar; samma megawatt beräkningskapacitet kan ge mycket olika vattenförbrukning beroende på klimat och konstruktion. Att rapportera ”använt vatten” utan att skilja mellan uttag och faktisk förbrukning, eller utan säsongssammanhang, säger boende lite om huruvida sommarens restriktioner sammanfaller med anläggningens varmaste driftperiod.

Warner säger att han stöder stränga krav för att hindra datacentraler från att vältra över vatten- och elkostnader på invånarna, och han pekar på platser som Henrico County i Virginia där skatteintäkter från datacentraler har finansierat projekt, bland annat bostäder med lägre hyror. Men ett skattesystem som inte kan skilja mellan en anläggning med låg belastning och ett hårt utnyttjat kluster för artificiell intelligens riskerar att belöna god rapportering snarare än gott beteende.

Om målet är att göra lokalsamhällen skadelösa är första steget inte en ny pålaga utan ett gemensamt kalkylblad: tidsstämplad elförbrukning, energi till kylning och vattenförbrukning som kan granskas av någon annan än operatören.