Cloud nie je vo vzduchu: prečo bude pri AI rozhodovať elektrina a lokalita

Keď používateľ zadá otázku chatbotu, vygeneruje obrázok alebo použije AI funkciu v kancelárskej aplikácii, vyzerá to ako okamžitá softvérová služba. Klikne, počká pár sekúnd a dostane odpoveď. Lenže táto odpoveď nevzniká „niekde v cloude“. Vzniká v konkrétnej budove, v konkrétnej lokalite, s konkrétnou prípojkou do elektrickej siete.

Práve preto začína byť AI aj energetickou a územnou témou. Dátové centrá potrebujú stabilnú elektrinu, sieťové pripojenie, chladenie, záložné zdroje a povolenia. Pre Európu preto nebude rozhodujúce iba to, koľko AI kapacity dokáže postaviť. Rovnako dôležité bude, kde ju dokáže prevádzkovať bez zbytočných systémových nákladov.

Pri novom AI dátovom centre sa preto neoplatí pozerať iba na veľkosť investície, počet čipov alebo sľuby o inovácii. Praktickejšia otázka znie: odkiaľ príde elektrina, kto zaplatí pripojenie, čo to urobí s lokálnou sieťou a či projekt dáva zmysel aj mimo firemnej prezentácie.

AI nezačína v aplikácii, ale v zásuvke

Za každou AI službou stojí fyzický reťazec infraštruktúry. Požiadavka používateľa prechádza cez siete do dátového centra, kde bežia servery s výkonnými čipmi. Tie potrebujú napájanie, záložné zdroje, chladenie, fyzickú bezpečnosť, sieťovú konektivitu a pripojenie na elektrizačnú sústavu.

Tento reťazec je dôležitý, pretože mení spôsob, akým treba o AI rozmýšľať. Diskusia o umelej inteligencii sa často sústreďuje na modely, aplikácie, autorské práva, reguláciu alebo čipy. To všetko je relevantné. No ak sa AI rozširuje vo veľkom, prestáva byť len softvérovou témou. Stáva sa infraštruktúrnou témou, podobne ako telekomunikačné siete, logistika alebo priemyselné parky.

Cloud nikdy nebol „vo vzduchu“. Pri bežnom cloude sa táto fyzická stránka dala ľahšie prehliadať, pretože rast bol rozložený medzi mnoho služieb a dátové centrá sa navonok javili ako nenápadná technická vrstva internetu. Generatívna AI však posúva výpočtovú náročnosť do popredia. Výkonné akcelerátory sú drahé, koncentrujú vysoký príkon do jednej budovy alebo kampusu a menia požiadavky na chladenie aj lokálnu sieť.

Pre používateľa je AI služba otázkou ceny predplatného, kvality odpovedí a ochrany dát. Pre prevádzkovateľa infraštruktúry je to otázka megawattov, transformátorov, chladiacich systémov, stavebných povolení a dlhodobých zmlúv na elektrinu. Práve tento rozdiel vysvetľuje, prečo oznámenie o novom „AI dátovom centre“ nemožno čítať iba ako technologickú správu. Je to aj energetická a územná správa.

Prečo sa z AI stáva energetická téma

Medzinárodná energetická agentúra vo svojom základnom scenári odhaduje, že globálna spotreba elektriny dátových centier sa do roku 2030 viac než zdvojnásobí približne na 945 TWh. Ročný rast medzi rokmi 2024 a 2030 má byť približne 15 %. To neznamená, že dátové centrá ovládnu svetovú spotrebu elektriny. V globálnom meradle by stále išlo o jednotky percent.

Praktický problém je inde: táto spotreba sa nekoncentruje rovnomerne. Elektrické vozidlá, tepelné čerpadlá alebo klimatizácie pribúdajú v miliónoch domácností a podnikov. Dátové centrá pribúdajú v konkrétnych uzloch. Jedno veľké zariadenie môže mať príkon porovnateľný s veľkou fabrikou.

Viacero takýchto zariadení v jednom regióne vie zmeniť plánovanie prenosovej a distribučnej siete, cenotvorbu kapacity aj politickú diskusiu o tom, kto má platiť nové vedenia, trafostanice a rezervnú výrobu. Inými slovami: problém nemusí byť v tom, že AI spotrebuje elektrinu. Problém môže byť v tom, že ju potrebuje rýchlo, vo veľkom objeme a na konkrétnom mieste.

Preto je zjednodušené pýtať sa iba na to, „koľko elektriny spotrebuje AI“. Presnejšia otázka znie: kde sa táto spotreba objaví, v akom čase, akým typom zdroja bude krytá a či tam už existuje sieťová kapacita. Rovnaký megawatt môže mať iný praktický dopad v priemyselnej zóne so silnou sieťou, iný v regióne s prebytkom nízkouhlíkovej elektriny a iný v lokalite, kde už dnes chýba prenosová kapacita alebo kde sa nová výroba bude stavať roky.

AI navyše nezvyšuje len množstvo výpočtov. Mení aj ich profil. Tréning veľkých modelov je kapitálovo náročný a dá sa vo väčšej miere plánovať v dávkach. Inferencia [1], teda každodenné používanie modelov, je bližšie používateľom, produktom a latencii. Nie každý workload [2] musí byť v centre veľkej metropoly. Nie každý sa dá bez následkov presunúť do vzdialeného regiónu s lacnejšou elektrinou. Práve typ výpočtu preto patrí medzi otázky, ktoré by mali zaznieť pri každom veľkom AI projekte.

Prečo nestačí počítať spotrebu jedného promptu

V populárnej debate sa často objavuje snaha prepočítať AI na jednotlivú otázku: jeden prompt, jedna odpoveď, konkrétny počet watthodín alebo mililitrov vody. Takéto čísla môžu byť zaujímavé, ale ako hlavný rámec sú slabé. Spotreba závisí od modelu, dĺžky vstupu a výstupu, hardvéru, vyťaženia serverov, chladenia, lokality, metodiky výpočtu a toho, či sa počíta iba samotná inferencia alebo aj širšia infraštruktúra.

Ak sa diskusia zúži na prompt, ľahko vznikne falošný pocit presnosti. Malé rozdiely medzi odhadmi potom pôsobia dôležitejšie než reálne systémové otázky. Pre elektrizačnú sústavu nie je najdôležitejšie, či jedna odpoveď spotrebuje o niečo viac alebo menej energie. Dôležitejšie je, koľko veľkých odberateľov sa pripojí v jednom uzle, či majú flexibilitu pri špičkách, aký majú zmluvný príkon a či rastú rýchlejšie než nové zdroje a siete.

Podobne opatrne treba narábať so skratkami PUE [3] a WUE [4]. Sú to užitočné prevádzkové ukazovatele, ale nie sú to univerzálne známky environmentálnej kvality. Dátové centrum s dobrým PUE môže stáť v lokalite s uhlíkovo intenzívnou elektrinou. Nízka spotreba vody nemusí automaticky znamenať nižšiu celkovú ekologickú stopu, ak si vyžiada energeticky náročnejšie chladenie.

Vodné riziko je zvlášť citlivé na lokalitu. V suchom regióne môže byť voda zásadný problém. V chladnejšej lokalite s vhodným typom chladenia môže byť podstatnejšia elektrina, kapacita siete alebo spôsob využitia odpadového tepla. Preto je nepresné robiť z vody univerzálneho strašiaka, rovnako ako je nepresné tváriť sa, že ide len o technický detail.

Ilustracia: AI-generated

Lokalita je technický parameter, nie PR nálepka

Dobré dátové centrum nie je automaticky „zelené“ preto, že si firma nakúpi obnoviteľnú elektrinu cez zmluvu. A nie je automaticky „špinavé“ preto, že spotrebúva veľa energie. Rozhoduje kombinácia faktorov: fyzický mix elektriny v danej sieti, dostupnosť výkonu v čase, možnosti pripojenia, typ chladenia, lokálne vodné riziko, sieťová konektivita, latencia, povolenia, pracovná sila a schopnosť projektu zapadnúť do dlhodobého energetického plánovania.

Dôležitý je aj rozdiel medzi účtovnou a fyzickou realitou elektriny. Firma môže oznámiť, že pokrýva spotrebu obnoviteľnými zmluvami. To môže byť užitočné, ak zmluvy pomáhajú financovať nové veterné alebo solárne zdroje. Neznamená to však automaticky, že servery v každej hodine fyzicky bežia na bezuhlíkovej elektrine v lokálnej sieti.

Pri dátových centrách je preto čoraz dôležitejšie hodinové a regionálne zosúladenie spotreby s nízkouhlíkovou výrobou. Nestačí iba ročná účtovná bilancia. Jednoducho povedané: nestačí tvrdiť, že firma nakúpi dosť obnoviteľnej energie za celý rok. Dôležité je aj to, či je čistá elektrina dostupná tam a vtedy, keď dátové centrum reálne beží.

Lokalita rozhoduje aj o tom, či dátové centrum prináša len odber, alebo aj systémový prínos. Ak sa odpadové teplo využije v mestskom vykurovaní, časť energie, ktorá by sa inak vypustila do okolia, môže nahradiť iné zdroje tepla. Ak je dátové centrum schopné dočasne znížiť odber alebo pracovať s batériami a záložnými zdrojmi tak, aby pomohlo sieti, môže byť menej problematické než rovnaký odber bez flexibility.

Tieto možnosti však nie sú samozrejmé. Vyžadujú technický návrh, obchodný model a regulačné pravidlá. Preto by sa lokalita nemala brať ako vedľajšia položka po tom, čo investor nájde lacný pozemok a politickú podporu. Pri AI infraštruktúre je lokalita súčasťou produktu. Ovplyvňuje cenu prevádzky, spoľahlivosť, uhlíkovú stopu, spoločenskú akceptáciu aj riziko oneskorenia.

USA ukazujú rýchlosť aj cenu koncentrácie

Spojené štáty sú užitočný kontrast, nie jednoduchý vzor ani odstrašujúci príklad. Ukazujú, čo sa deje, keď sa spojí kapitál, dopyt po AI a ochota stavať veľké infraštruktúrne projekty rýchlo. Zároveň ukazujú, že ani veľký a flexibilný trh neobchádza fyzické limity siete.

Najvýraznejším príkladom je región PJM, najväčší prevádzkovateľ veľkoobchodnej elektrickej siete v USA, ktorý zahŕňa aj severnú Virgíniu. Práve severná Virgínia patrí medzi najväčšie svetové koncentrácie dátových centier. Pre technologické firmy je atraktívna pre konektivitu, existujúci ekosystém a infraštruktúru. Pre energetický systém však koncentrácia znamená, že rast dopytu nie je abstraktná krivka v národnej štatistike, ale konkrétna záťaž na konkrétnych uzloch.

PJM podľa agentúry Reuters očakáva, že dátové centrá budú tvoriť takmer celý predpokladaný rast dopytu 32 GW do roku 2030. Kapacitné aukcie [5] v regióne pritom zdraželi o viac než 1 000 % za dve posledné aukcie. To nie je dôkaz, že dátové centrá sú „zlé“. Je to dôkaz, že rýchly prírastok veľkých odberov mení ekonomiku kapacity. Ak nové zdroje, vedenia a transformátory nepribúdajú tak rýchlo ako dopyt, cena za pripravenosť systému rastie.

Tento príklad je dôležitý aj pre Európu. Veľká časť verejnej debaty o AI sa točí okolo konkurencieschopnosti: kto má lepšie modely, kto má viac čipov, kto dokáže rýchlejšie škálovať. PJM ukazuje menej atraktívnu, ale praktickejšiu otázku: kto zaplatí sieť a rezervnú kapacitu, keď sa výpočtová infraštruktúra sústredí do úzkych lokalít?

Európa nechce menej AI, ale musí si vybrať, kde ju unesie

Európska únia nechce zostať iba používateľom zahraničnej AI infraštruktúry. Cieľ minimálne strojnásobiť kapacitu dátových centier v EÚ v horizonte piatich až siedmich rokov zapadá do širšej snahy o digitálnu suverenitu, cloudové služby a výpočtovú kapacitu pre výskum, verejný sektor a priemysel. Z pohľadu konkurencieschopnosti to dáva zmysel. Bez dostupného výpočtového výkonu sa ťažko budujú lokálne modely, priemyselné AI aplikácie alebo bezpečné verejné cloudové služby.

Lenže Európa má iné obmedzenia než USA. Povoľovanie je často pomalšie a fragmentovanejšie. Energia je drahšia a politicky citlivejšia. Sieťové investície sú naviazané na dekarbonizáciu, elektrifikáciu priemyslu, tepelné čerpadlá, elektromobilitu a obnoviteľné zdroje. Ak sa dátové centrá dostanú do konfliktu s týmito prioritami, diskusia sa rýchlo zmení z technologickej ambície na spor o účty, pôdu, vodu a lokálnu akceptáciu.

Presná otázka preto nie je, či má Európa stavať dátové centrá. Bez nich nebude mať dostatočnú digitálnu kapacitu. Presná otázka je, kde majú stáť a za akých podmienok. Európa nemusí kopírovať americkú rýchlosť za každú cenu. Jej potenciálna výhoda môže byť v selektívnejšom prístupe: uprednostniť lokality so silnejšou sieťou, nízkouhlíkovou elektrinou, vhodnou klímou, možnosťou využitia odpadového tepla a primeraným vzťahom medzi lokálnymi nákladmi a ekonomickým prínosom.

To však nie je automatická výhoda. Selektívnosť sa môže zmeniť na byrokratické oneskorenie. Udržateľnosť sa môže zmeniť na deklaráciu bez fyzického účinku. A digitálna suverenita sa môže stať politickým sloganom, ak projekty v praxi postavia a prevádzkujú prevažne rovnakí globálni hyperscaleri [6].

Európska dilema je preto praktická: ako rozšíriť kapacitu bez toho, aby sa náklady skryli v sieťových poplatkoch, dotáciách alebo dlhodobom fosílnom lock-ine [7].

Írsko je varovanie pred malou sústavou a veľkou koncentráciou

Írsko je európsky príklad, ktorý sa dá ľahko zneužiť na jednoduchý argument proti dátovým centrám. Presnejšie je čítať ho ako varovanie pred koncentráciou. Írsky štatistický úrad uviedol, že dátové centrá tvorili 5 % meranej spotreby elektriny v roku 2015, 21 % v roku 2023 a 22 % v roku 2024. To je mimoriadne vysoký podiel pre jednu kategóriu odberateľov.

Írsko bolo pre dátové centrá atraktívne pre kombináciu anglického jazyka, daňového a podnikateľského prostredia, blízkosti európskeho trhu, prítomnosti veľkých technologických firiem a dobrej konektivity. Lenže malá elektrizačná sústava má menší priestor absorbovať prudký rast niekoľkých veľkých odberateľov. To, čo je v jednej krajine zvládnuteľný priemyselný prírastok, môže byť v inej krajine systémový problém.

Regulačná reakcia v Írsku preto nie je dôkazom iracionálneho odporu voči technológiám. Je skôr ukážkou, že dátové centrá sa po určitej miere nedajú posudzovať len ako bežné komerčné budovy. Ak nový veľký odber zvyšuje riziko pre bezpečnosť dodávok, musí sa riešiť lokalita, vlastná alebo blízka výroba, flexibilita a pravidlá pripojenia.

Pre Európu je Írsko praktická lekcia: digitálna infraštruktúra sa môže stať príliš veľkou na to, aby zostala v rukách územného plánovania a firemných tlačových správ.

Texas ukazuje model „prines si vlastnú elektrinu“

Americký vývoj zároveň ukazuje iný smer: ak verejná sieť nestačí alebo je pripojenie pomalé, veľký odberateľ si zabezpečí vlastný zdroj. Projekt Kilby v západnom Texase má podľa verejne dostupných oznámení a agentúrnych správ zahŕňať plynovú výrobu s postupným nárastom až na 2,67 GW pre dátové centrum prevádzkované Microsoftom. Chevron má dodávať zemný plyn, projekt je viazaný na dlhodobú zmluvu a prvá elektrina sa očakáva v roku 2028. Finálne investičné rozhodnutie ešte v čase písania nebolo uzavreté.

Technicky je to zrozumiteľný model. AI infraštruktúra potrebuje stabilný výkon. Plynová výroba môže poskytnúť riaditeľný zdroj rýchlejšie než mnohé nové jadrové alebo prenosové projekty. Ak je výroba kolokovaná s dátovým centrom, môže znížiť tlak na verejnú sieť. Pre investora je to spôsob, ako si skrátiť neistotu a dostať pod kontrolu kritický vstup.

Systémovo však takýto model otvára nepríjemné otázky. Ak sa pre dátové centrá stavajú nové fosílne zdroje s dvadsaťročnými zmluvami, nejde len o prechodné preklenutie. Vzniká riziko fosílneho lock-inu. Ak sú tieto zdroje mimo bežnej verejnej diskusie o plánovaní energetiky, vzniká otázka transparentnosti. Ak dátové centrum deklaruje klimatické ciele, no jeho fyzická prevádzka je viazaná na nový plynový výkon, treba rozlišovať medzi účtovným vykazovaním a reálnym energetickým dopadom.

Texas preto nie je karikatúra „zlého“ riešenia. Je to pragmatické riešenie jedného obmedzenia: nedostatku rýchlo dostupného stabilného výkonu. Jeho trade-off je, že rieši čas a spoľahlivosť, ale môže zhoršiť dlhodobú uhlíkovú bilanciu a posunúť časť energetického plánovania do súkromných zmlúv.

Fínsko ukazuje, kedy môže dátové centrum zapadnúť do energetického systému

Aby sa z článku nestala kritika dátových centier ako takých, treba ukázať aj opačný typ príkladu. Fínsko naznačuje, kedy môže lokalita dávať väčší technologický zmysel. Nejde iba o chladnejšiu klímu. Dôležitá je kombinácia elektrickej siete, existujúcej infraštruktúry, priemyselných lokalít a systémov diaľkového vykurovania, ktoré dokážu využiť odpadové teplo.

Spoločnosť Fortum v roku 2026 oznámila spustenie výroby tepla na dvoch veľkých lokalitách napojených na dátové centrá Microsoftu vo Fínsku. Po plnej implementácii má odpadové teplo pokryť približne 40 % ročného dopytu po diaľkovom teple pre 250 000 používateľov v oblasti Espoo, Kirkkonummi a Kauniainen. Google v Hamine zasa prevádzkuje dátové centrum v bývalom papierenskom areáli, využíva chladenie morskou vodou z Fínskeho zálivu a pripravuje využitie odpadového tepla pre lokálnu sieť diaľkového vykurovania.

Tieto príklady netreba romantizovať. Dátové centrum stále spotrebúva veľa elektriny. Využitie odpadového tepla nemení fakt, že najprv treba vyriešiť príkon a zdroj elektriny. Funguje iba tam, kde existuje odber tepla, infraštruktúra na jeho distribúciu a ekonomika, ktorá dáva zmysel. V lete je dopyt po teple nižší. Technické úpravy nie sú zadarmo.

Praktická lekcia je však jasná. Dátové centrum môže byť menším problémom tam, kde sa nepostaví ako izolovaný odberateľ, ale ako súčasť energetického systému. Ak nahrádza časť inej výroby tepla, využíva existujúcu priemyselnú lokalitu a má prístup k nízkouhlíkovej elektrine, jeho bilancia je iná než pri zariadení postavenom v napätej sieti bez možnosti využitia odpadového tepla.

Kde sa to môže zvrtnúť

Najväčšie riziko nie je samotná existencia dátových centier. Rizikom je zlá kombinácia miesta, rýchlosti a motivácií. Kapitál chce rýchlo nasadiť čipy, technologické firmy chcú rezervovať kapacitu, politici chcú investície a lokálne samosprávy môžu vidieť veľký projekt ako prestíž. Tieto incentívy nemusia automaticky viesť k energeticky racionálnemu umiestneniu.

Projekt sa môže zvrtnúť, keď sa veľký odber pripojí v lokalite, kde už dnes chýba sieťová kapacita. Môže sa zvrtnúť, keď sa sľubujú pracovné miesta počas výstavby, ale nehovorí sa o nízkom počte trvalých pracovných miest po spustení. Môže sa zvrtnúť, keď sa verejne komunikuje „100 % obnoviteľná energia“, ale fyzická prevádzka v špičke závisí od fosílnej výroby. Môže sa zvrtnúť, keď dotácie alebo zľavy na pripojenie presunú časť nákladov na ostatných odberateľov.

Rizikom je aj opačný bias: automaticky odmietať každé dátové centrum ako plytvanie. Digitálna infraštruktúra je reálna infraštruktúra modernej ekonomiky. AI môže mať praktické využitie vo výskume, priemysle, zdravotníctve, správe sietí, návrhu materiálov alebo automatizácii. Otázka nie je, či výpočtová kapacita má hodnotu. Otázka je, či konkrétny projekt vytvára primeranú hodnotu vzhľadom na elektrinu, sieť, vodu, pôdu a verejné náklady, ktoré potrebuje.

Preto je najlepšia diskusia menej ideologická a viac účtovná v širšom zmysle. Čo projekt spotrebuje, kedy to spotrebuje, čo za to lokalita dostane a kto nesie riziko, ak sa predpoklady nenaplnia?

Ako čítať oznámenie o novom AI dátovom centre

Pri novom dátovom centre nestačí čítať veľkosť investície a počet čipov. Tie čísla sú často najviditeľnejšie, ale nemusia hovoriť o systémovej racionalite. Praktickejšie sú otázky, ktoré odhalia fyzické predpoklady projektu:

• Prečo má dátové centrum stáť práve v tejto lokalite?

• Aký má byť plánovaný príkon a ako rýchlo sa bude kapacita pripájať?

• Odkiaľ bude fyzicky prichádzať elektrina v bežných hodinách a v špičke?

• Je nízkouhlíková elektrina len ročne nakúpená cez zmluvy, alebo dostupná v danej sieti a čase?

• Vyžaduje projekt nové vedenia, transformátory, plynové zdroje alebo záložnú kapacitu?

• Aký typ výpočtu tam bude bežať: tréning, inferencia, cloudové služby alebo colocation [8]?

• Aký chladiaci systém sa použije a je voda v tej lokalite reálne riziko?

• Dá sa odpadové teplo využiť, alebo sa len vypustí do okolia?

• Kto platí sieťové posilnenie a kto nesie riziko, ak bude projekt čerpať viac kapacity, než sa pôvodne komunikovalo?

• Koľko pracovných miest zostane po výstavbe a aké budú lokálne ekonomické prínosy mimo dočasnej stavebnej fázy?

Tieto otázky nie sú protitechnologické. Sú to základné otázky infraštruktúrnej gramotnosti. Ak projekt dáva zmysel, mal by ich ustáť. Ak sa odpovede strácajú v marketingových formuláciách o inovácii, udržateľnosti a budúcnosti, je to signál, že náklady a trade-offy nie sú dostatočne vysvetlené.

AI bude testom infraštruktúrnej racionality

AI sa často prezentuje ako technológia, ktorá zrýchľuje všetko ostatné. Pri dátových centrách však naráža na pomalšie vrstvy reality: elektrické siete, povoľovanie, výrobu energie, chladiace systémy a lokálnu akceptáciu. Softvér sa dá nasadiť za týždne. Transformátory, vedenia a veľké energetické zdroje sa plánujú v rokoch.

Pre Európu z toho nevyplýva jednoduchý záver „stavať menej“ ani „stavať čo najrýchlejšie“. Rozumný záver je stavať selektívnejšie. AI infraštruktúra dáva najväčší zmysel tam, kde existuje stabilná elektrina s čo najnižšou uhlíkovou intenzitou, dostupná sieťová kapacita, primerané vodné a chladiace podmienky, možnosť využitia odpadového tepla a transparentné rozdelenie nákladov.

Hlavný trade-off bude medzi rýchlosťou a systémovou kvalitou. Rýchla výstavba môže priniesť konkurenčnú výhodu, ale aj drahé sieťové úzke hrdlá, fosílny lock-in a verejný odpor. Pomalší a selektívnejší prístup môže znížiť riziká, no môže prehĺbiť závislosť Európy od výpočtovej kapacity inde. Správne riešenie preto nebude univerzálne. Bude závisieť od konkrétnej lokality a od toho, či projekt obstojí nielen ako technologická investícia, ale aj ako energetická infraštruktúra.

AI nebude iba otázkou najlepšieho modelu. Bude aj otázkou toho, kde stojí budova, z ktorej model odpovedá.

Poznámky k pojmom

• [1] Inferencia: fáza, keď už natrénovaný AI model odpovedá používateľom. Na rozdiel od tréningu ide o každodennú prevádzku služby.

• [2] Workload: konkrétny typ výpočtovej úlohy, napríklad tréning modelu, generovanie odpovedí, vyhľadávanie alebo firemná cloudová aplikácia.

• [3] PUE: ukazovateľ, koľko energie dátové centrum spotrebuje celkovo v pomere k energii pre samotné IT vybavenie. Nižšie číslo zvyčajne znamená efektívnejšiu prevádzku, ale nehovorí priamo o uhlíkovej stope elektriny.

• [4] WUE: ukazovateľ spotreby vody na prevádzku dátového centra, najmä na chladenie. Dôležitý je hlavne v lokalitách s nedostatkom vody.

• [5] Kapacitná aukcia: mechanizmus, ktorým sa platí za dostupnosť elektrického výkonu v budúcnosti, nielen za samotnú vyrobenú elektrinu.

• [6] Hyperscaler: veľký poskytovateľ cloudovej infraštruktúry, typicky globálna technologická firma prevádzkujúca rozsiahle dátové centrá.

• [7] Fosílny lock-in: situácia, keď krátkodobé riešenie založené na fosílnych palivách vytvorí dlhodobú závislosť cez investície, zmluvy alebo infraštruktúru.

• [8] Colocation: dátové centrum, v ktorom si firmy prenajímajú priestor, napájanie a konektivitu pre vlastné servery namiesto toho, aby si stavali vlastnú budovu.