AIs regnekraft og evne til at samkøre store mængder af data fra klima- og meteoforskning ventes at få dyb effekt på mange landes klimaindsatser. USAs (gen)udmelding af global klimaindsats samt AIs datacentres forbrug af energi øger behovet for klimaomstilling, men vil i praksis især ændre, hvordan global klimaindsats gennemføres.
Dette blog indlæg er nummer fire i rækken om AIs disruption på innovation
- Hvor påvirker AI i dag?
- Hvad er det nye og disruptive ved AI?
- AIs effekt på robotics og eksperimentel automatisering
- AIs effekt på klima- og meteoforskning
- AIs effekt på samfundsvidenskab og humaniora
- AIs effekt på undervisning, læring og psykoterapi
- AIs effekt på bioteknologi og lægemidler
- AIs effekt på materialeforskning og kvantekemi
- AIs effekt på teoretisk fysik og matematik
- Hvad bør investeringsstrategier i AI tage højde for?
Global klimaindsats ændres selvom behovet stiger
I 2024 nåede globale investeringer i klimaomstillinger af energifremstilling 2,1 billioner USD. Det er en fordobling på 6 år, og væksten vil generelt fortsætte, da stadig flere lande i verden nu søger strategisk autonomi, selvforsyning. Energi er basis for næsten al økonomisk aktivitet.
Men global opvarmning og dermed klimaforandringer fortsætter med at stige. Udviklingen vil fortsætte både fordi USAs omstilling af energifremstillingen frem over vil falde (bortfald af statstilskud, udmelding af COP21 osv.), og fordi USAs elektricitetsforbrug vil stige markant som følge af især datacentre. Derfor stiger globale investeringer i klimatilpasninger, og derfor stiger globale omkostninger til oprydning fra klimaskader.
Det kræver især præcise klima forecasts at optimere klimaeffekten. Her er AI centralt
Det øger værdien af klima- og meteodata til klimamodeller og vejrudsigter. Der er behov for hurtigere og mere detaljerede simuleringer, der kan bruge deep learning på basis af bredere samkøring af data. Det kan bl.a. målrette og optimere investeringer i klimatilpasninger.
AIs morfogene og selvlærende natur øger machine learning fra bl.a. samkøringen af atmosfæriske, oceanografiske, geologiske og biologiske data. Udviklingen vil fortsætte i takt med at data fra droner, havbøjer, jordstationer og satellitter gør det muligt at overvåge f.eks. metanudslip og havtemperaturer samt at kortlægge afskovning, gletsjersmeltning osv.
Det gør det desuden muligt at automatisere og målrette omlægninger af energinet, landbrug og vandforsyning. For eksempel har FourCastNet, der er udviklet af NVIDIA og Lawrence Berkeley National Lab, udviklet en vejrmodel, der kan simulere atmosfærisk dynamik 45.000 gange hurtigere end traditionelle modeller som ECMWF. Det gør det muligt at lave klimaprognoser på få sekunder i stedet for på dage.
Carbon removal vil f.eks. fortsætte og stige i vigtighed
Carbon removal vil generelt fortsætte, selvom USA har (gen)udmeldt sig af COP21. Det var principperne i COP21 om ansvar, pligt, erstatning osv., der dannede basis for carbon removal markedet. Dét var samtidig en væsentlig årsag til Trumps ønske om udmelding af COP21. Både EU og Kina forventer at fortsætte deres indsats. Desuden ønsker de lande, der i dag ser de største klimaforandringer, generelt også at øge deres egen indsats. Det påvirker omstilling af elektricitetsproduktionen og, det påvirker egentlige carbon removals.
- Markedet udgjorde i 2024 lidt under 3 mia. USD og forventes (stadig) at blive 30-doblet inden for de næste 10 år. EUs CBAM ordning træder bl.a. fuldt i kraft med betalinger til nytår.
Det giver kommercielle potentialer til både fangst og deponering af CO2, hvad enten det sker:
- kunstigt via CCUS, DAC, BECCS, Mineral carbonation osv.,
- naturligt via carbon sequestration (genskovning, regenerativt landbrug, retablering af vådområder, Biochar osv. eller
- hybridt via f.eks. den hellige graf, kunstig fotosyntese.
AI er den afgørende “enabler” hér, fordi potentialerne især kræver nye teknologier. Dét kræver samkøring af enorme data, nye tilgange til naturlighedslogik samt kræver enorme simuleringer og “reinforcement learning”.
Det samme vil energiomstillingen men som følge af strategisk autonomi
Energiomstilling vil generelt fortsætte, men vil fremover især være drevet af ambitionen om at sikre landes strategiske autonomier. Udviklingen hjælpes på vej af geopolitiske spændinger (Ukraine krigen, Taiwan konflikten osv.). AI simuleringer er især afgørende for:
- Udvikling af solceller, f.eks. perovskit- og tandemceller med langt højere effektivitet og holdbarheder end i dag, samt integrering af solceller i generelle byggematerialer, f.eks. bygningsfacader, tage og belastningsoverflader som vejbaner og togbaner.
- Geotermisk energi, dvs. både kortlægning af lommer i undergrunden (lavere boredybder) samt styring af energifremstilling.
- Nuklear energi, især fremstillingen af små modulære reaktorer på MSR teknologi. Thorium anlæg har stort potentiale på 5-10 års sigt pga. skalérbarhed (Kina og Danmark er førende hér). Desuden er AI kritisk for bl.a. plasmakontrol i fusionsreaktorer.
- Udviklingen af fusionsenergi stiger også. Google DeepMind har bl.a. udviklet AI-modeller til plasmastyring i Tokamak-reaktorer baseret på reinforcement learning.
- Energilagring, især fremstilling af nye katode- og anodekompositter. Det kan udfase bl.a. grafit, hvor Kina har (tæt på) globalt monopol på raffinering. Desuden giver AI mulighed for bedre modeller til forecasting af energibehov.
Forsyning af rent vand er desuden en stigende risiko for mange lande
Vandsikring og -rensning, hvor kampen om rent drikkevand og om vandstyring vil stige markant over de kommende 5-10 år. Det gælder især vandet fra Tibet, fra Etiopien og fra Anatolien. Væbnede konflikter ventes at opstå og derfor stiger værdien af sikring af grundvand samt af vandrensning. Det påvirker værdien af AI-systemer til bl.a.:
- Tidlig varsling, f.eks. mønsteranalyse af forureningssignaturer og integration af klimadata
- Vandrensning, som f.eks. filtreringer, desalination, omvendt osmose, UV-behandlinger og kemisk neutralisering
- Beskyttelse af infrastruktur, fysisk (lækager osv) såvel som cyber- og driftsbaseret.
Big Tech er alle fokuserede på området, og det samme er mange startups
Fra Big Tech siden er især NVidia og Google DeepMind samt IBM og Microsoft fokuserede på områderne for klima- og meteodata. Desuden er der et meget stort antal startups. Der vil især være kommercielle potentialer ved skalérbare teknologier til energifremstilling og (måske især) til vandrensning. Området er ofte fragmenteret og således velegnet til både passive og aktive investeringer.