К 2030 ГОДУ ВЫБРОСЫ ОТ ИИ-ВИДЕО МОГУТ ВЫРАСТИ В 75 РАЗ
Введите фразу — получите видеоролик: генерация видео по тексту теперь работает в коммерческом масштабе. Уже известно, что один ролик обходится дорого. Согласно более раннему исследованию, авторы которого — Делаванд (Delavande) и коллеги, генерация короткого видео по тексту требует примерно 90 ватт-часов — почти в 30 раз больше, чем изображение, и в 45 000 раз больше, чем простая задача классификации текста. И ролики создаются не на устройстве самого пользователя: каждый запрос выполняется на стойках ИИ-чипов в центрах обработки данных.
Но стоимость одного ролика мало что говорит об итоге. Она не сообщает, сколько роликов создаётся, какое оборудование для этого нужно и сколько воды уходит на охлаждение. А эффективность в расчёте на ролик может расти, пока общий след увеличивается.
Тристан Куаньон (Tristan Coignion) из Лилльского университета вместе с Бюжо (A. Bugeau) и Геннебо (G. Guennebaud) из Бордо и Лигоза (A.-L. Ligozat) из Университета Париж-Сакле поставили задачу оценить весь след генерации видео с помощью ИИ по всему миру — на 2026 год и до 2030-го.
Подсчёт роликов
Поставщики редко сообщают, сколько видео они генерируют, поэтому команда измерила то, что могла. Она обходила публичную ленту Sora, видеосервиса OpenAI, в течение 54 дней с февраля по апрель 2026 года: 3,3 миллиона публичных видео, или около 22 миллионов в год. Вскоре после этого OpenAI закрыла веб-версию и приложение Sora. Команда также 90 дней следила за счётчиком HeyGen в реальном времени: около 111 миллионов видео в год, включая приватные.
Шесть других поставщиков публикуют собственные подсчёты. Крупнейший с большим отрывом — Grok Imagine, около 3,8 миллиарда в год. В сумме они дают наблюдаемый итог около 6,2 миллиарда видео в год. Модель выбирает объём 2026 года в диапазоне от 6,2 до 9,5 миллиарда с медианой 7,16 миллиарда.

Годовое число ИИ-видео по сервисам: закрашенные точки измерены командой, пустые — раскрыты поставщиками; затенённая полоса — диапазон модели для 2026 года. — Рис. 1, Coignion et al. (2026), arXiv:2611.17938.
Счёт за 2026 год
Отталкиваясь от этого, восходящая модель (bottom-up) определяет размер необходимого парка ИИ-чипов, затем выводит электроэнергию, воду, парниковые газы и истощение минеральных ресурсов, прогоняя 10 000 симуляций, чтобы учесть неопределённость. Обучение и хранение учтены; звук и потоковая передача видео зрителям — нет.
Для 2026 года медианный результат — парк из 72 600 графических процессоров, 724 гигаватт-часа электроэнергии и 124 300 тонн CO₂-эквивалента. Возьмите парниковые газы, которые человечество может выбрасывать каждый год, не переходя климатический лимит планеты, и разделите их поровну на каждого человека: 124 300 тонн — это годовая квота примерно 126 000 человек.
В расчёте на одно видео полная стоимость составляет около 100 ватт-часов — в 4,1 раза больше, чем 24,4 ватт-часа, которые тратит на одну генерацию сам чип. Разницу дают простои, накладные расходы зданий, обучение и хранение. На генерацию видео приходится около 69% выбросов, на обучение моделей — 31%, на хранение — почти ничего. И то, откуда берётся электроэнергия, важнее, чем сколько её расходуется: для выбросов углеродоёмкость электросети весит в 12 раз больше, чем число видео.
Три варианта будущего
Затем модель доводит расчёт до 2030 года по трём сценариям, все с одинаковым постоянным техническим прогрессом: более новые и эффективные чипы и программное обеспечение, которое каждый год становится примерно на 10% эффективнее.
- Базовый: число видео удваивается в 2027, 2028 и 2029 годах, затем растёт на 60% в 2030-м — всего в 12,8 раза, сознательно умеренная траектория. Выбросы растут в 74 раза и достигают примерно 9,2 миллиона тонн в 2030 году: это бюджет примерно 9,3 миллиона человек. Почему быстрее спроса? Видео становятся длиннее и чётче, поэтому энергия на одно видео растёт с 24,4 до 214 ватт-часов.
- Стагнация использования: объём, разрешение и длительность остаются на уровне 2026 года. Выбросы снижаются примерно на две пятых. Это единственный сценарий, в котором они падают.
- Массовое внедрение: объём растёт в 60 раз. Выбросы достигают 42,9 миллиона тонн — это бюджет примерно 44 миллионов человек.

Выбросы по трём сценариям, 2026–2030; линии — медианы, полосы — диапазон 5–95%. — Рис. 6, Coignion et al. (2026), arXiv:2611.17938.
Эффективность не догонит
Команда также прогнала модель в обратную сторону. На базовой траектории даже выигрыш в эффективности на 30% каждый год оставляет выбросы 2030 года в 27,5 раза выше уровня 2026-го. Чтобы удержать выбросы на одном уровне, потребовалось бы около 75% в год — примерно в семь раз больше тех 10%, которые закладывает модель, и больше, чем лучший прирост эффективности, измеренный на какой-либо рабочей (production) модели. Собственная цель цифрового сектора, согласованная с Парижским соглашением, требует сокращения выбросов на 45% с 2020 по 2030 год.
Нижняя планка, а не потолок
Авторы представляют все эти цифры как нижние границы. Модель генерации зафиксирована до 2030 года, тогда как реальные модели, вероятно, станут более требовательными; потоковая передача, звук и другие применения ИИ не учтены; обучение, наименее документированная часть, откалибровано на нескольких небольших открытых моделях. Использование может и быстро сократиться, как показало закрытие Sora. Но по цифрам статьи след перестаёт расти, только если перестаёт расти число видео или их качество.
