Prezentacja_Cloud_Computing_Nych_Ivan

1.

T E M AT 3 0
Przyszłość cloud
computing i wpływ
chmury na
środowisko
Rozwój usług AI, współpraca chmury z edge computing oraz
zużycie energii i zasobów, na przykładzie klastra ze starych
smartfonów.
IVAN NYCH · INFORMATYKA
01 / 15

2.

CLOUD COMPUTING I ŚRODOWISKO
02 / 15
Chmura to dziś istotna część światowego
popytu na prąd
ZUŻYCIE ENERGII PRZEZ CENTRA DANYCH
945 TWh
1,5%
światowego zużycia prądu przypada
+12%
rocznego wzrostu od 2017, ponad
4× szybciej niż całość
na centra danych
×2,3
415 TWh
≈ Japonia 2030
tyle prądu zużyją centra danych w
2024
Źródło: IEA, Energy and AI (2025)
2030 (prognoza)

3.

CLOUD COMPUTING I ŚRODOWISKO
AI jest głównym motorem wzrostu
01
02
03
Centra pod AI
Według IEA ich zapotrzebowanie na energię więcej niż czterokrotnie wzrośnie do
2030 roku.
Inferencja jest ciągła
Trening jest jednorazowy, ale każde zapytanie to nowe obliczenia. Zapytanie do LLM
zużywa więcej energii niż zwykłe wyszukiwanie.
Koncentracja
Prawie połowa mocy centrów danych w USA leży w pięciu regionach i mocno obciąża
lokalne sieci.
03 / 15

4.

CLOUD COMPUTING I ŚRODOWISKO
Nie tylko prąd: woda, CO₂ i sprzęt
01
02
03
Woda
Chłodzenie wyparne zużywa wodę pitną. Skala zależy od klimatu, lokalizacji i
technologii chłodzenia.
Emisje CO₂
Zależą od miksu energetycznego regionu. Ten sam serwer emituje wielokrotnie mniej
tam, gdzie prąd jest odnawialny.
Produkcja sprzętu
Serwery i układy mają duży ślad węglowy zanim zostaną włączone. Krótszy cykl
wymiany to więcej e-odpadów.
04 / 15

5.

CLOUD COMPUTING I ŚRODOWISKO
Chmura bywa efektywniejsza niż sprzęt
lokalny
01
02
03
Niższy PUE
Operatorzy hiperskalowi raportują PUE rzędu 1,1–1,2, a średnia w branży to około 1,5–
1,6 (Uptime Institute).
Konsolidacja
Wirtualizacja wykorzystuje serwer w kilkudziesięciu procentach zamiast kilku, jak w
typowej serwerowni firmowej.
Wniosek
Problemem nie jest sama chmura, ale szybki wzrost obciążeń AI i źródło energii,
która je zasila.
05 / 15

6.

CLOUD COMPUTING I ŚRODOWISKO
06 / 15
Edge przetwarza dane blisko źródła, ale
ma granice
Kiedy ma sens
Ograniczenia
✓ niskie opóźnienia (latency)
✕ mała moc obliczeniowa i pamięć RAM
✓ prywatność: dane zostają w sieci lokalnej
✕ trudniejsze zarządzanie flotą urządzeń
✓ mniejszy transfer i koszty API
✕ modele muszą być mniejsze lub skwantyzowane
✓ praca mimo awarii Internetu
✕ bezpieczeństwo spoczywa na właścicielu
Edge nie zastępuje chmury, tylko ją uzupełnia.

7.

CLOUD COMPUTING I ŚRODOWISKO
07 / 15
Model hybrydowy: chmura trenuje, edge
wykonuje
→
→
KWANTYZACJA
WDROŻENIE
Chmura
Model 7B, Q4
Edge
Trening dużych modeli,
aktualizacje, przechowywanie
Mniejsza wersja modelu,
gotowa do pracy na słabszym
Lokalna inferencja,
prywatność, brak kosztu za
danych.
sprzęcie.
token.
Każda warstwa robi to, do czego nadaje się najlepiej. Dalej: warstwa edge zbudowana samodzielnie.

8.

CLOUD COMPUTING I ŚRODOWISKO
08 / 15
Klaster AI z używanych smartfonów
01
02
03
Idea
Stare telefony, także ze zbitym ekranem, pracują jako węzły
serwerowe Linux.
Zadanie
Uruchomić model Qwen 2.5 Coder 7B (Q4) na kilku
urządzeniach z małym RAM-em.
Efekt
Lokalna inferencja bez chmury i bez opłat za tokeny.

9.

CLOUD COMPUTING I ŚRODOWISKO
Master–worker z podziałem warstw
modelu
01
02
03
Master: Mi A1
Orkiestracja, API i rozdział zapytań w lokalnym Wi-Fi.
Workery: Huawei, 2× Samsung
Każdy trzyma segment wag (RPC layer sharding) i przesyła tylko
stany ukryte.
Dostęp
Tunele VLESS/Reality omijają NAT bez publicznego IPv4. Bot
jest oddzielony od sieci klastra.
09 / 15

10.

CLOUD COMPUTING I ŚRODOWISKO
10 / 15
Pobór mocy i temperatura podczas
pracy
Master Mi A1:
1,62 W
całość, serwer ok.
0,16 W, temp.
26,5°C
Worker Huawei:
2,82 W
całość, serwer ok.
0,28 W, temp.
32,0°C
Baterie pozostają w obiegu: Mi A1 się rozładowuje, Huawei
ładuje.

11.

CLOUD COMPUTING I ŚRODOWISKO
11 / 1 5
Kod generowany lokalnie, bez chmury
01
02
Vibe coding
Qwen 2.5 Coder 7B pisze logikę drag-and-drop na
klastrze, z podglądem na żywo w przeglądarce.
Wydajność
0,43 t/s przy 444 tokenach. Wolno, ale to zadanie
asynchroniczne i w pełni prywatne.

12.

CLOUD COMPUTING I ŚRODOWISKO
12 / 15
Klaster wygrywa w spoczynku, nie w
szybkości
SERWER X86 (IDLE)
WĘZEŁ ARM (CAŁY TELEFON)
Pobór mocy
50–150 W
1,6–2,8 W
Chłodzenie
wentylatory, klimatyzacja
pasywne
Przepustowość LLM 7B
wielokrotnie wyższa (GPU)
0,3–0,5 t/s
Koszt sprzętu
wysoki
używane telefony
Energia na token nie jest jeszcze zmierzona. To demonstrator dla zadań asynchronicznych i prywatnych, nie zamiennik
centrum danych.

13.

CLOUD COMPUTING I ŚRODOWISKO
Upcycling wydłuża życie sprzętu, który już
powstał
01
02
03
Ślad produkcji
Większość śladu węglowego smartfona powstaje przy jego wytworzeniu, więc każdy
dodatkowy rok obniża średni wpływ.
Druga młodość telefonu
Sprzęt z uszkodzonym ekranem działa dalej jako węzeł serwerowy zamiast trafić do
odpadów.
Architektura ARM
Dobry stosunek wydajności do poboru mocy i NPU da się wykorzystać także na
starszych urządzeniach.
13 / 15

14.

WNIOSKI
Hybrydowa przyszłość: chmura
trenuje, edge wnioskuje prywatnie
AI zwiększa zużycie energii, wody i sprzętu w centrach danych.
Chmura zostaje, ale edge i upcycling mogą ją odciążyć tam, gdzie
liczy się prywatność i niski pobór mocy.
Dziękuję za uwagę! Pytania i dyskusja
14 / 15

15.

CLOUD COMPUTING I ŚRODOWISKO
15 / 15
Źródła i uwagi
01
IEA
Energy and AI (kwiecień 2025), iea.org/reports/energy-and-ai
02
Uptime Institute
Global Data Center Survey (średnie PUE) oraz raporty
środowiskowe operatorów hiperskalowych
03
04
Pomiary klastra
Materiały wizualne
Telemetria bota i logi własnego projektu (autor)
Fotografie i zrzuty ekranu: autor