מָבוֹא

בעידן של אתגרים סביבתיים הולכים וגדלים, בינה מלאכותית (AI) מתגלה כבעלת ברית רבת עוצמה במאבק נגד שינויי האקלים ובהגנה על מערכות אקולוגיות. שנת 2025 מייצגת שנה מכרעת שבה טכנולוגיות בינה מלאכותית מתקדמות סוף סוף עוברות מהבטחה ליישומים קונקרטיים, ומציעות פתרונות חדשניים לניטור, חיזוי והפחתת השפעות סביבתיות.

‍

מאמר זה בוחן את החידושים המרכזיים שבהם בינה מלאכותית מחוללת מהפכה בניהול סביבתי, מספק דוגמאות קונקרטיות ליישומים מוצלחים ומתאר את הסיכויים העתידיים לסינרגיה זו בין טכנולוגיה לקיימות.

‍

הפוטנציאל של בינה מלאכותית במאבק נגד שינויי האקלים

בינה מלאכותית מציעה כלים חסרי תקדים להתמודדות עם אתגרים סביבתיים. מחקרים אחרונים מצביעים על כך שבינה מלאכותית יכולה לסייע בהפחתת פליטות גזי חממה עולמיות בעד 10% עד שנת 2030, שווה ערך לפליטות השנתיות של האיחוד האירופי כולו.

‍

היכולת של בינה מלאכותית לעבד כמויות עצומות של נתונים, לזהות דפוסים מורכבים וליצור תחזיות מדויקות הופכת אותה למתאימה במיוחד עבור:

• ניתוח נתוני אקלים ומזג אוויר כדי לחזות אירועים קיצוניים
• אופטימיזציה של ניצול משאבי טבע ואנרגטיים
• ניטור והגנה על מערכות אקולוגיות
• הקלת המעבר לכלכלה מעגלית

‍

יישומי בינה מלאכותית מרכזיים לסביבה בשנת 2025

1. ניטור מתקדם של מערכות אקולוגיות

מערכות ניטור סביבתיות מבוססות בינה מלאכותית מייצגות את אחד היישומים המבטיחים ביותר. פלטפורמות כמו Envirosensing מחוללות מהפכה בניטור כריתת יערות באמצעות ניתוח תמונות לוויין ברזולוציה גבוהה בשילוב עם אלגוריתמים של למידת מכונה. מערכות אלו מאפשרות:

• מעקב מדויק אחר שינויים בכיסוי היער
• זיהוי מוקדם של סיכוני כריתת יערות
• אוטומציה של תהליך בדיקת הנאותות עבור חברות הכפופות לתקנת הגנת המידע האירופית (EUDR)

באיטליה, משרד הסביבה השיק השקעה של 500 מיליון אירו לפיתוח מערכת ניטור מתקדמת ומשולבת המשתמשת בחישה מרחוק בתחום התעופה והחלל, חיישנים באתר וניתוח בינה מלאכותית כדי לחזות סיכונים הידרוגיאולוגיים ולזהות פשעים סביבתיים.

‍

2. חיזוי והתאמה לשינויי אקלים

בינה מלאכותית משנה את יכולתנו לחזות ולהגיב לשינויי אקלים:

• מודלים אקלימיים מתקדמים : אלגוריתמים של למידה עמוקה משפרים משמעותית את דיוק תחזיות האקלים על ידי זיהוי דפוסים מורכבים שמודלים מסורתיים עלולים להחמיץ.
• מערכות התרעה מוקדמת : פלטפורמות כמו "Sunny Lives", שפותחו על ידי IBM ו-SEEDS, משתמשות בבינה מלאכותית כדי לנתח תמונות לוויין ולהעריך סיכונים מקומיים של מפגעי טבע, תוך הקצאת ציוני סיכון למבנים.
• סימולציית תרחישי אקלים : בינה מלאכותית מאפשרת לנו לדמות תרחישים שונים של שינויי אקלים ולהעריך את יעילותן של אסטרטגיות הסתגלות והפחתה פוטנציאליות.

3. אופטימיזציה של משאבי אנרגיה

במגזר האנרגיה, בינה מלאכותית מניעה טרנספורמציה לעבר מערכות יעילות ובנות קיימא יותר:

• רשת חכמה מונעת בינה מלאכותית : מערכות חכמות המאזנות בין היצע וביקוש אנרגיה בזמן אמת, ומקלות על שילוב אנרגיה מתחדשת.
• חיזוי ייצור אנרגיה מתחדשת : אלגוריתמים המשפרים את דיוק תחזיות הייצור ממקורות רוח ואנרגיה סולארית, ומפחיתים את הצורך בדלקים מאובנים לגיבוי.
• יעילות אנרגטית : מערכות ניהול אנרגיה מבוססות בינה מלאכותית אשר מייעלות את הצריכה בבניינים, תהליכים תעשייתיים ותחבורה.

4. ניהול בר-קיימא של חקלאות

חקלאות מדויקת המונעת על ידי בינה מלאכותית מחוללת מהפכה בתעשיית החקלאות:

• ניטור בריאות הקרקע : חיישני IoT בשילוב עם אלגוריתמים של בינה מלאכותית מנתחים את בריאות הקרקע, כולל המיקרוביום, בזמן אמת, ומאפשרים התערבויות ממוקדות והפחתת השימוש בדשנים.
• ניהול מים אופטימלי : מערכות בינה מלאכותית הקובעות במדויק את צורכי ההשקיה, ומפחיתות בזבוז מים.
• חיזוי מחלות יבולים : אלגוריתמים המזהים מחלות פוטנציאליות מוקדם, מאפשרים התערבויות מונעות ומפחיתים את השימוש בחומרי הדברה.

5. גילוי וניהול זיהום

בינה מלאכותית משפרת משמעותית את יכולתנו לנטר ולנהל זיהום:

• ניטור איכות אוויר : רשתות חיישני IoT בשילוב עם בינה מלאכותית מנתחות את רמות מזהמי האוויר באזורים עירוניים בזמן אמת.
• זיהוי מקורות זיהום : אלגוריתמים של ראייה ממוחשבת המיושמים על תמונות לוויין או רחפנים כדי לזהות מקורות זיהום בלתי חוקיים.
• אופטימיזציה של ניהול פסולת : מערכות חכמות המשפרות את מיון ומיחזור הפסולת באמצעות רובוטים המונעים על ידי בינה מלאכותית.

‍

אתגרים ושיקולים אתיים

למרות הפוטנציאל הטרנספורמטיבי שלה, יישום בינה מלאכותית למטרות סביבתיות מציב גם אתגרים משמעותיים:

טביעת הרגל הסביבתית של בינה מלאכותית: ניתוח השוואתי

לבינה מלאכותית עצמה יש טביעת רגל סביבתית הראויה לתשומת לב, אך ניתוח השוואתי עם טכנולוגיות ומגזרים אחרים שם את השפעתה האמיתית בפרופורציה.

על פי נתונים עדכניים, אימון מודל בינה מלאכותית מורכב כמו GPT-3 צרכה כ-1,287 מגה-וואט-שעה וייצרה כ-550 טון CO2. נתון זה אולי נראה גבוה, אך יש להשוותו למגזרים אחרים:

‍

• תחבורה : מגזר התחבורה אחראי לכ-26% מפליטות גזי החממה של איטליה. טיסה הלוך ושוב בין ניו יורק לסן פרנסיסקו 550 פעמים תייצר פליטות שוות ערך לאימון GPT-3.
• הזרמת וידאו : שעה ממוצעת של הזרמת וידאו מייצרת בין 36 ל-100 גרם של CO2, על פי הערכות של הסוכנות הבינלאומית לאנרגיה. בהתחשב במיליארדי שעות הסטרימינג הנצרכות ברחבי העולם, ההשפעה המצטברת היא ניכרת.
• שימוש יומיומי לעומת אימון : מחקר שפורסם לאחרונה ב-Scientific Reports מציע כי למרות עלויות האנרגיה הגבוהות של אימון, בינה מלאכותית יכולה להיות יעילה יותר באנרגיה מבני אדם עבור משימות מורכבות, ולפלוט בין פי 130 ל-1,500 פחות CO2 לכל עיבוד טקסט מורכב.

‍

תפקידם של מקורות אנרגיה בני קיימא עבור מרכזי נתונים

הפעלת מרכזי נתונים המארחים מערכות בינה מלאכותית מייצגת אתגר מכריע לקיימות סביבתית. פתרונות אנרגיה שונים צצים כחלופות בנות קיימא להפחתת טביעת הרגל הפחמנית:

‍

1. אנרגיה גרעינית למרכזי נתונים

אנרגיה גרעינית חווה רנסנס במרכזי נתונים בשל גורם הקיבולת הגבוה שלה (יכולת לייצר אנרגיה באופן רציף) ופליטות CO2 נמוכות. על פי IdTechEx, מרכזי נתונים חידשו את העניין במקור אנרגיה זה בשנת 2024, ובחנו מספר אפשרויות:

• כורים מודולריים קטנים (SMR) : כורים קומפקטיים אלה מבטיחים עלויות נמוכות יותר וזמני בנייה קצרים יותר בהשוואה לתחנות כוח גרעיניות קונבנציונליות, הודות לתהליכי ייצור בקנה מידה תעשייתי.
• יתרונות האנרגיה הגרעינית : עם אפס פליטות CO2 במהלך ייצור חשמל וצפיפות אנרגיה גבוהה, אנרגיה גרעינית יכולה לספק את צריכת החשמל הגבוהה הנדרשת למרכזי נתונים של בינה מלאכותית ללא התנודות האופייניות למקורות מתחדשים כמו אנרגיה סולארית ורוח.

ג'יימס הארט, מנכ"ל BCS Consulting, הדגיש כיצד "הצמיחה האקספוננציאלית של הבינה המלאכותית מציבה אתגר לתעשיית מרכזי הנתונים", והדגיש את הצורך במקורות אנרגיה יציבים ודלים בפליטות כמו אנרגיה גרעינית.

‍

2. מערכות קוגנרציה: יעילות שאין שני לה

מערכות חימום וחשמל משולבות (CHP) מייצגות את אחד הפתרונות היעילים ביותר להפעלת מרכזי נתונים המארחים מערכות בינה מלאכותית, ומציעות יתרונות משמעותיים על פני מקורות אנרגיה אחרים:

‍

• יעילות אנרגטית מעולה : בעוד שייצור נפרד של חשמל וחום בעל יעילות כוללת של 40-55%, מערכות קוגנרציה יכולות להשיג יעילות יוצאת דופן של 80-90% על ידי מיחזור חום שהיה מתבזבז אחרת ושימוש בו למטרות אחרות.
• צריכת דלק מופחתת : קוגנרציה דורשת עד 40% פחות דלק מאשר ייצור חשמל וחום בנפרד כדי להשיג את אותה כמות של אנרגיה שימושית, על פי נתונים של משרד האנרגיה האמריקאי.
• הפחתה משמעותית בפליטות CO2 : הודות ליעילותה הגבוהה יותר, תחנת קוגנרציה יכולה להפחית את פליטות גזי החממה עד 30% בהשוואה לשיטות ייצור אנרגיה מסורתיות.
• יישום אידיאלי למרכזי נתונים : ניתן להחזיר את החום הנוצר על ידי שרתים ולנצל אותו לחימום מבנים סמוכים או לתהליכים תעשייתיים אחרים, ובכך ליצור מעגל חיובי של יעילות אנרגטית.
• עצמאות וחוסן ברשת החשמל : מערכות קוגנרציה מציעות עצמאות אנרגטית וחוסן רב יותר, דבר בעל ערך רב במיוחד עבור מרכזי נתונים הדורשים המשכיות עסקית מובטחת.
• טריגנרציה : התפתחות מתקדמת של קוגנרציה המוסיפה קירור לייצור חשמל וחום, מועילה במיוחד למרכזי נתונים הדורשים מערכות קירור יעילות.

קוגנרציה מייצגת גשר אידיאלי בין טכנולוגיות אנרגיה קונבנציונליות לאנרגיה מתחדשת, הפועלת כייצור מבוזר בדומה לאנרגיה פוטו-וולטאית אך עם היתרון של פעולה רציפה ללא תלות בתנאי מזג האוויר. יתר על כן, תחנות קוגנרציה יכולות להשתמש במגוון דלקים, כולל ביוגז וביומסה מתחדשת, ובכך לסלול את הדרך לעתיד ללא פליטות.

‍

על פי דו"ח של Geoside, "היעילות הגבוהה יותר של תהליך ייצור האנרגיה מובילה לפליטות CO2 וגזי חממה פחותות, וכתוצאה מכך להפחתה בהשפעה הסביבתית", תוך הדגשת התפקיד המכריע של קוגנרציה במעבר האנרגיה.

‍

3. אנרגיה סולארית ואנרגיות מתחדשות אחרות

‍

חברות טכנולוגיה גדולות משקיעות רבות באנרגיה מתחדשת:

• התחייבויות לעתיד : על פי Business Critical Services Consulting, 90% מהאנרגיה המשמשת מרכזי נתונים תהיה מתחדשת עד 2033, כאשר חברות כמו גוגל ומיקרוסופט כבר מכריזות על יעדים לפעול על אנרגיה ללא פליטות פחמן 24/7 עד 2030.
• פרויקטים סולאריים ייעודיים : חברות טכנולוגיה רבות בונות תחנות כוח סולאריות ייעודיות במיוחד כדי להפעיל את מרכזי הנתונים שלהן, לעתים קרובות בשילוב עם מערכות אחסון אנרגיה כדי להבטיח המשכיות.

ההשלמה של מקורות אנרגיה אלה היא המפתח: אנרגיה גרעינית יכולה לספק חשמל בסיסי רציף, בעוד שאנרגיות מתחדשות כמו אנרגיה סולארית יכולות לכסות את שיא הביקוש, כאשר מערכות קוגנרציה ממקסמות את היעילות הכוללת.

‍

בנוסף, תעשיית הבינה המלאכותית עושה התקדמות משמעותית בהפחתת ההשפעה הסביבתית שלה:

1. יעילות אנרגטית משופרת : מרכזי נתונים משדרגים כל הזמן את הציוד שלהם כדי להיות יעילים יותר באנרגיה.
2. אימוץ אנרגיה מתחדשת : חברות טכנולוגיה רבות התחייבו להשתמש ב-100% אנרגיה מתחדשת כדי להפעיל את מרכזי הנתונים שלהן.
3. אלגוריתמים יעילים יותר : המחקר מתקדם לעבר אלגוריתמים של בינה מלאכותית הדורשים פחות כוח מחשוב כדי להשיג תוצאות דומות או טובות יותר.

‍

דיוק ואמינות

איכות תוצאות הבינה המלאכותית תלויה במידה רבה באיכות נתוני הקלט. בהקשרים סביבתיים, שבהם נתונים עשויים להיות חלקיים או לא מדויקים, זה מהווה אתגר משמעותי.

‍

שוויון ונגישות

קיים סיכון שפתרונות סביבתיים מבוססי בינה מלאכותית יהיו נגישים בעיקר למדינות ולארגונים בעלי משאבים גדולים יותר, מה שעלול להגדיל את פער הטכנולוגיה הקיים.

‍

עתיד הבינה המלאכותית הסביבתית: לקראת "בינה מלאכותית אחראית"

‍

כדי למקסם את הפוטנציאל של בינה מלאכותית בתחום הגנת הסביבה, חיוני לאמץ גישת "בינה מלאכותית אחראית" אשר:

• איזון בין חדשנות טכנולוגית לבין קיימות סביבתית
• להבטיח שקיפות ואחריות בשימוש בבינה מלאכותית
• לקדם שיתוף פעולה בינלאומי לשיתוף נתונים, משאבים ומומחיות
• להבטיח שהיתרונות של בינה מלאכותית לסביבה יחולקו בצורה הוגנת

‍

שאלות נפוצות: ההשפעה הסביבתית של בינה מלאכותית

‍

האם בינה מלאכותית באמת מזהמת כל כך הרבה כמו שאנשים אומרים?

לא, ההשפעה הסביבתית של בינה מלאכותית מוערכת יתר על המידה לעתים קרובות בדיונים ציבוריים. בעוד שאימון מודלים גדולים של בינה מלאכותית דורש אנרגיה משמעותית, יש לשקול השפעה זו מול היתרונות שהבינה המלאכותית יכולה להביא מבחינת אופטימיזציה של אנרגיה, הפחתת פליטות ופתרונות חדשניים לאקלים. מחקר משנת 2021 מאוניברסיטת בריסטול הראה כי הערכות קודמות רבות של ההשפעה האנרגטית של בינה מלאכותית הוערכו יתר על המידה עד פי 90.

‍

מדוע ההשפעה הסביבתית של בינה מלאכותית מוערכת יתר על המידה בוויכוח הציבורי?

ההשפעה הסביבתית של בינה מלאכותית מוערכת יתר על המידה עקב שילוב של גורמים פסיכולוגיים, כלכליים וחברתיים. פחד מהלא נודע וטכנופוביה מסוימת מלבים באופן טבעי ביקורת על טכנולוגיה מתפתחת זו, בעוד שסנסציוניזם תקשורתי מגביר נתונים מעוררי דאגה כדי לייצר מעורבות גדולה יותר. בנוסף, ישנם אינטרסים כלכליים במגזרים מסורתיים התופסים את הבינה המלאכותית כאיום תחרותי.

‍

גורם מפתח הוא חוסר התאמה תפיסתי: מרכזי נתונים הם מבנים פיזיים גלויים הצורכים כמויות מדידות של אנרגיה, בעוד שהיתרונות הסביבתיים המיוצרים על ידי בינה מלאכותית (כגון תחבורה אופטימלית או הפחתת פסולת) הם מפוזרים ופחות מוחשיים. יתר על כן, מרכזי נתונים אוטומטיים מאוד יוצרים מעט יחסית מקומות עבודה בהשוואה למגזרים תעשייתיים אחרים, מה שיוצר תפיסה שלילית של הקשר בין השפעתם הסביבתית לבין היתרונות החברתיים-כלכליים המקומיים.

‍

השפעתה של בינה מלאכותית מיוחסת לעתים קרובות בטעות לתלות בתמהיל האנרגיה בו נעשה שימוש, כשלמעשה, עם תמהיל אנרגיה יעיל, השפעה זו מצטמצמת באופן דרסטי. לבסוף, כמעט תמיד חסר הקשר השוואתי: טביעת הרגל הפחמנית של בינה מלאכותית כמעט ולא מושווית לזו של מגזרים אחרים כמו תחבורה, תעשייה כבדה, או אפילו פעילויות דיגיטליות יומיומיות אחרות (סטרימינג וידאו, משחקים מקוונים), מה שיוצר תפיסה מעוותת של הרלוונטיות שלה לתמונה הכוללת של פליטות עולמיות.

‍

‍

כיצד משתווה ההשפעה של בינה מלאכותית לפעילויות דיגיטליות יומיומיות אחרות?

טביעת הרגל הפחמנית של בינה מלאכותית דומה או נמוכה מזו של פעילויות דיגיטליות יומיומיות רבות. לדוגמה, שעה של הזרמת וידאו באיכות HD מייצרת כ-36-100 גרם של CO2, בעוד שמסקנה בודדת ממודל בינה מלאכותית יכולה לצרוך פחות אנרגיה מאשר אדם המבצע את אותה משימה. שלב האימון אינטנסיבי יותר, אך זהו אירוע חד פעמי בהשוואה לשימוש רציף.

‍

האם שימוש בבינה מלאכותית למטרות סביבתיות מהווה סתירה בהתחשב בצריכת האנרגיה שלה?

לא, זו לא סתירה. למרות שבינה מלאכותית צורכת אנרגיה, הפוטנציאל שלה לייעל את יעילות האנרגיה ולהפחית פליטות במגוון מגזרים (אנרגיה, תחבורה, ייצור) יכול להוביל לחיסכון בפליטות שעולה משמעותית על השפעתה הישירה. מחקרים מצביעים על כך שבינה מלאכותית יכולה לסייע בהפחתת הפליטות העולמיות בעד 10% עד 2030.

‍

כיצד נוכל להפחית את ההשפעה הסביבתית של בינה מלאכותית?

אנו יכולים להפחית את ההשפעה הסביבתית של בינה מלאכותית באמצעות אסטרטגיות שונות:

• פיתוח אלגוריתמים יעילים יותר הדורשים פחות כוח מחשוב
• הטמע חומרת בינה מלאכותית ייעודית שצורכת פחות אנרגיה
• אימוץ שיטות של "בינה מלאכותית ירוקה" המאזנות ביצועים וצריכת אנרגיה
• לקדם שקיפות בחברות טכנולוגיה בנוגע לפליטת הפחמן של מודלי הבינה המלאכותית שלהן

האם בינה מלאכותית מזיקה יותר לסביבה מהתהליכים המסורתיים שהיא מחליפה?

לא, ברוב המקרים, בינה מלאכותית יעילה יותר מתהליכים מסורתיים. לדוגמה, באופטימיזציה של תחבורה, בינה מלאכותית יכולה להפחית פליטות עד 10% באמצעות מסלולים יעילים יותר והפחתת עומסי תנועה. בחקלאות, היא יכולה להפחית את צריכת המים והדשנים עד 30%. רווחי יעילות אלה בדרך כלל עולים על טביעת הרגל הפחמנית של הבינה המלאכותית עצמה.

‍

מסקנות

בינה מלאכותית מייצגת כלי רב עוצמה ורב-תכליתי במאבק נגד שינויי האקלים ובהגנה על הסביבה. עד שנת 2025, אנו עדים להופעתם של יישומים קונקרטיים שכבר בעלי השפעה חיובית משמעותית.

‍

למרות שבינה מלאכותית צורכת אנרגיה, השפעתה דומה או נמוכה מזו של פעילויות דיגיטליות יומיומיות רבות, והפוטנציאל שלה להפחית פליטות במגזרים אחרים עולה בהרבה על טביעת הרגל הפחמנית הישירה שלה. חיוני לשקול את עלויות האנרגיה של בינה מלאכותית מול היתרונות הסביבתיים שהיא יכולה לייצר באמצעות אופטימיזציה, חיזוי וניהול משאבים.

‍

כדי לממש את מלוא הפוטנציאל של הבינה המלאכותית בתחום זה, נדרשת גישה מאוזנת אשר מתחשבת לא רק באפשרויות הטכנולוגיות, אלא גם בהשלכות האתיות, החברתיות והסביבתיות של הבינה המלאכותית עצמה.

‍

עתיד הקיימות הסביבתית יהיה תלוי יותר ויותר ביכולתנו לשלב באופן אחראי בינה מלאכותית באסטרטגיות ניהול סביבתי, ולהפוך טכנולוגיה זו לבת ברית אמיתית עבור כדור הארץ.

‍

מקורות

1. קבוצת אירן. (2025). "בינה מלאכותית: מהי ההשפעה הסביבתית וכיצד לאזן בין קיימות וחדשנות?" https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-el-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
2. מגזין GeoSmart. (2025). "ניטור כריתת יערות: מהפכת חישת הסביבה." https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/
3. משרד הסביבה וביטחון האנרגיה. "השקעה 1.1 - יישום מערכת ניטור וחיזוי מתקדמת ומשולבת." https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0
4. ESG360. (2025). "בינה מלאכותית: פתרונות חדשים למאבק בשינויי האקלים." https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/
5. מגזין Ecofuturo. (2025). "בינה מלאכותית: מהן התועלות לאקלים ולסביבה?". https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/
6. חשוב עם גוגל. (2024). "האם בינה מלאכותית יכולה לעזור לפתור את משבר האקלים?" https://www.thinkwithgoogle.com/intl/en-us/strategies/marketing-automation/artificial-intelligence-climate-change/
7. Wastezero. (2024). "ההשפעה הסביבתית של בינה מלאכותית (AI): כמה היא מזהמת בין צריכת CO2, אנרגיה ומים?" https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/
8. סדר יום דיגיטלי. (2024). "בינה מלאכותית ושינויי אקלים: סיכונים והזדמנויות." https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/
9. הסוכנות הבינלאומית לאנרגיה (IEA). "ההשפעה האמיתית של סטרימינג על האקלים". https://about.netflix.com/en/news/the-true-climate-impact-of-streaming
10. פורץ דרך דלק. "בינה מלאכותית בתחבורה מניעה יעילות וקיימות." https://www.breakthroughfuel.com/blog/how-will-ai-impact-transportation-3-predictions/
11. GreenPlanner. (2024). "עד 2033, מרכזי נתונים ישתמשו רק באנרגיה מתחדשת." https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/
12. GreenPlanner. (2025). "עתיד האנרגיה של מרכזי נתונים: אנרגיה גרעינית, מימן וסוללות." https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/
13. ZeroUno. (2023). "גורמי ההשפעה הסביבתית של מרכזי נתונים." https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/
14. אנרגיה גרעינית והיגיון. (2024). "השוואת מקורות אנרגיה." https://nucleareeragione.org/nuclear-power-comparison-with-other-forms-of-energy/
15. סדר יום דיגיטלי. (2024). "דיגיטל אינו ארוחת צהריים חינם: כמה מרכזי נתונים מזהמים וכיצד להפחית את השפעתם." https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/
16. סורג'ניה. (2024). "קוגנרציה של אנרגיה: כיצד זה עובד ויתרונותיו." https://www.sorgenia.it/guida-energia/cogenerazione
17. ויסמן. (2024). "קוגנרטור: יתרונות ותפעול של תחנות קוגנרציה." https://industriale.viessmann.it/blog/cogeneratore
18. אנל X. (2024). "תעשיית מרכזי הנתונים וקיימות". https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability
19. גיאוסייד. (2023). "קוגנרציה חכמה: אופטימיזציה של אנרגיה לחיסכון ותרומה למעבר האנרגטי." https://www.geoside.com/en/energy-saving-cogeneration-optimization
20. אנרגיה 2G. (2024). "ייצור משולב של חום וחשמל: אנרגיה יעילה ובת קיימא." https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation
21. Cummins Inc. (2021). "שלושת היתרונות המרכזיים של קוגנרציה." https://www.cummins.com/news/2021/08/09/three-key-benefits-cogeneration