Sztuczna inteligencja dla środowiska: Innowacje i rozwiązania 2025

Wprowadzenie

W dobie rosnących wyzwań środowiskowych sztuczna inteligencja (AI) staje się potężnym sprzymierzeńcem w walce ze zmianami klimatu i ochronie ekosystemu. Rok 2025 to kluczowy rok, w którym zaawansowane technologie AI w końcu przejdą od obietnic do konkretnych zastosowań, oferując innowacyjne rozwiązania do monitorowania, przewidywania i łagodzenia wpływu na środowisko.

‍

Niniejszy dokument analizuje główne innowacje, w których sztuczna inteligencja rewolucjonizuje zarządzanie środowiskiem, dostarczając konkretnych przykładów udanych wdrożeń i nakreślając przyszłe perspektywy tej synergii między technologią a zrównoważonym rozwojem.

‍

Potencjał sztucznej inteligencji w walce ze zmianami klimatu

Sztuczna inteligencja oferuje bezprecedensowe narzędzia do radzenia sobie z wyzwaniami środowiskowymi. Według najnowszych badań, sztuczna inteligencja może pomóc zmniejszyć globalną emisję gazów cieplarnianych nawet o 10 procent do 2030 roku, co odpowiada rocznej emisji całej Unii Europejskiej.

‍

Możliwości sztucznej inteligencji w zakresie przetwarzania ogromnych ilości danych, identyfikowania złożonych wzorców i generowania dokładnych prognoz sprawiają, że jest ona szczególnie przydatna:

Analiza danych klimatycznych i pogodowych w celu przewidywania ekstremalnych zdarzeń
Optymalizacja wykorzystania zasobów naturalnych i energetycznych
Monitorowanie i ochrona ekosystemów
Ułatwienie przejścia na gospodarkę o obiegu zamkniętym

‍

Kluczowe zastosowania sztucznej inteligencji dla środowiska w 2025 r.

1. Zaawansowane monitorowanie ekosystemów

Systemy monitorowania środowiska oparte na sztucznej inteligencji stanowią jedno z najbardziej obiecujących zastosowań. Platformy takie jak Envirosensing rewolucjonizują monitorowanie wylesiania poprzez analizę zdjęć satelitarnych o wysokiej rozdzielczości w połączeniu z algorytmami uczenia maszynowego. Systemy te umożliwiają

Dokładne śledzenie zmian w pokrywie leśnej
Identyfikacja ryzyka wylesiania na wczesnym etapie
Automatyzacja procesu należytej staranności dla spółek podlegających EUDR

We Włoszech Ministerstwo Środowiska rozpoczęło inwestycję o wartości 500 milionów euro w celu opracowania zaawansowanego, zintegrowanego systemu monitorowania, który wykorzystuje teledetekcję lotniczą, czujniki in-situ i analizę AI do przewidywania zagrożeń hydrogeologicznych i identyfikacji przestępstw przeciwko środowisku.

‍

2. Przewidywanie zmian klimatu i adaptacja

Sztuczna inteligencja zmienia naszą zdolność do przewidywania zmian klimatu i reagowania na nie:

Zaawansowane modele klimatyczne: Algorytmy głębokiego uczenia znacznie poprawiają dokładność prognoz klimatycznych, identyfikując złożone wzorce, których tradycyjne modele mogłyby nie wykryć.
Systemy wczesnego ostrzegania: Platformy takie jak "Sunny Lives", opracowane przez IBM i SEEDS, wykorzystują sztuczną inteligencję do analizy zdjęć satelitarnych i oceny lokalnego ryzyka zagrożeń naturalnych poprzez przypisywanie budynkom względnych ocen ryzyka.
Symulacja scenariuszy klimatycznych: sztuczna inteligencja umożliwia symulację różnych scenariuszy zmian klimatycznych i ocenę skuteczności potencjalnych strategii adaptacyjnych i łagodzących.

3. Optymalizacja zasobów energetycznych

W sektorze energetycznym sztuczna inteligencja napędza transformację w kierunku bardziej wydajnych i zrównoważonych systemów:

Inteligentna sieć oparta na sztucznej inteligencji: inteligentne systemy, które równoważą podaż i popyt na energię w czasie rzeczywistym, ułatwiając integrację odnawialnych źródeł energii.
Prognozowanie produkcji ze źródeł odnawialnych: Algorytmy poprawiające dokładność prognoz produkcji ze źródeł wiatrowych i słonecznych, zmniejszające zapotrzebowanie na zapasowe paliwa kopalne.
Efektywność energetyczna: oparte na sztucznej inteligencji systemy zarządzania energią, które optymalizują zużycie w budynkach, procesach przemysłowych i transporcie.

4. Zrównoważone zarządzanie rolnictwem

Rolnictwo precyzyjne oparte na sztucznej inteligencji rewolucjonizuje sektor rolniczy:

Monitorowanie stanu gleby: czujniki IoT w połączeniu z algorytmami sztucznej inteligencji analizują stan gleby, w tym mikrobiom, w czasie rzeczywistym, umożliwiając ukierunkowane interwencje i zmniejszając zużycie nawozów.
Zoptymalizowane zarządzanie wodą: systemy AI, które dokładnie określają potrzeby w zakresie nawadniania, zmniejszając straty wody.
Przewidywanie chorób upraw: algorytmy, które identyfikują potencjalne choroby na wczesnym etapie, umożliwiając interwencje zapobiegawcze i ograniczając stosowanie pestycydów.

5. Wykrywanie zanieczyszczeń i zarządzanie nimi

Sztuczna inteligencja znacznie poprawia naszą zdolność do monitorowania zanieczyszczeń i zarządzania nimi:

Monitorowanie jakości powietrza: sieci czujników IoT w połączeniu ze sztuczną inteligencją analizują poziomy zanieczyszczeń powietrza w obszarach miejskich w czasie rzeczywistym.
Identyfikacja źródeł zanieczyszczeń: Algorytmy wizji komputerowej stosowane do zdjęć satelitarnych lub dronów w celu identyfikacji nielegalnych źródeł zanieczyszczeń.
Optymalizacja zarządzania odpadami: Inteligentne systemy, które poprawiają segregację odpadów i recykling dzięki robotom opartym na sztucznej inteligencji.

‍

Wyzwania i kwestie etyczne

Pomimo swojego potencjału transformacyjnego, wdrożenie sztucznej inteligencji do celów środowiskowych wiąże się również z poważnymi wyzwaniami:

Ślad środowiskowy sztucznej inteligencji: analiza porównawcza

Sama sztuczna inteligencja ma wpływ na środowisko, który zasługuje na uwagę, ale analiza porównawcza z innymi technologiami i sektorami pozwala spojrzeć na jej rzeczywisty wpływ z odpowiedniej perspektywy.

Według najnowszych danych, szkolenie złożonego modelu sztucznej inteligencji, takiego jak GPT-3, pochłonęło około 1287 MWh i wygenerowało około 550 ton CO2. Liczba ta może wydawać się wysoka, ale należy ją porównać z innymi sektorami:

‍

Transport: Sektor transportu odpowiada za około 26% emisji gazów cieplarnianych we Włoszech. Lot między Nowym Jorkiem a San Francisco w obie strony 550 razy spowodowałby emisje odpowiadające szkoleniu GPT-3.
Streaming wideo: Według szacunków Międzynarodowej Agencji Energii, jedna godzina streamingu wideo generuje średnio od 36 do 100 gramów CO2. Biorąc pod uwagę miliardy godzin streamingu na całym świecie, skumulowany wpływ jest znaczny.
Codzienne użytkowanie a szkolenie: Niedawne badanie opublikowane w Scientific Reports sugeruje, że pomimo wysokich kosztów energii związanych ze szkoleniem, sztuczna inteligencja może być bardziej energooszczędna niż praca człowieka przy złożonych zadaniach, emitując od 130 do 1500 razy mniej CO2 przy złożonym przetwarzaniu tekstu.

‍

Rola zrównoważonych źródeł energii dla centrów danych

Zasilanie centrów danych obsługujących systemy sztucznej inteligencji jest kluczowym wyzwaniem dla zrównoważonego rozwoju środowiska. Pojawia się kilka rozwiązań energetycznych, które stanowią realną alternatywę dla zmniejszenia śladu węglowego:

‍

1. Energia jądrowa dla centrów danych

Energia jądrowa przeżywa renesans w kontekście centrów danych ze względu na wysoki "współczynnik wydajności" (zdolność do ciągłego generowania energii) i niską emisję CO2. Według IdTechEx, centra danych w 2024 roku ponownie zainteresowały się tym źródłem energii, badając różne opcje:

Małe reaktory modułowe (SMR): Te kompaktowe reaktory obiecują niższe koszty i krótszy czas budowy niż konwencjonalne elektrownie jądrowe, dzięki procesom produkcyjnym na skalę przemysłową.
Zalety energii jądrowej: Dzięki zerowej emisji CO2 podczas wytwarzania energii i wysokiej gęstości energii, energia jądrowa może zapewnić wysoką moc wymaganą przez centra danych IA bez wahań typowych dla źródeł odnawialnych, takich jak energia słoneczna i wiatrowa.

James Hart, dyrektor generalny BCS Consulting, zwrócił uwagę, że "wykładniczy wzrost sztucznej inteligencji stanowi wyzwanie dla branży centrów danych" i podkreślił potrzebę stabilnych i niskoemisyjnych źródeł energii, takich jak energia jądrowa.

‍

2. Systemy kogeneracyjne: niezrównana wydajność

Systemy skojarzonego wytwarzania ciepła i energii elektrycznej (CHP) są jednym z najbardziej wydajnych rozwiązań do zasilania centrów danych hostujących systemy IA, oferując znaczące korzyści w porównaniu z innymi źródłami energii:

‍

Wyższa efektywność energetyczna: Podczas gdy oddzielna produkcja energii elektrycznej i ciepła ma ogólną sprawność na poziomie 40-55%, systemy CHP mogą osiągnąć nadzwyczajną sprawność na poziomie 80-90%, odzyskując ciepło, które w przeciwnym razie zostałoby utracone i wykorzystując je do innych celów.
Zmniejszone zużycie paliwa: CHP wymaga do 40% mniej paliwa niż oddzielne wytwarzanie energii elektrycznej i ciepła w celu uzyskania tej samej ilości użytecznej energii, jak pokazują dane Departamentu Energii USA.
Znacząca redukcja emisji CO2: Ze względu na wyższą wydajność, elektrociepłownia może zmniejszyć emisję gazów cieplarnianych nawet o 30 procent w porównaniu z tradycyjnymi metodami produkcji energii.
Idealne zastosowanie dla centrów danych: ciepło generowane przez serwery może być odzyskiwane i wykorzystywane do ogrzewania sąsiednich budynków lub innych procesów przemysłowych, tworząc cnotliwy krąg efektywności energetycznej.
Niezależność od sieci i odporność: systemy CHP oferują niezależność energetyczną i zwiększoną odporność, co jest szczególnie cenne w przypadku centrów danych, które wymagają zagwarantowania ciągłości działania.
Trigeneracja: Zaawansowana ewolucja kogeneracji, która dodaje wytwarzanie energii chłodniczej (chłodzenie) do wytwarzania energii elektrycznej i ciepła, co jest szczególnie korzystne dla centrów danych potrzebujących wydajnych systemów chłodzenia.

Kogeneracja stanowi idealny pomost między konwencjonalnymi i odnawialnymi technologiami energetycznymi, działając jako rozproszone wytwarzanie energii podobne do fotowoltaiki, ale z zaletą ciągłej pracy niezależnej od pogody. Ponadto, elektrociepłownie mogą wykorzystywać różne paliwa, w tym biogaz i odnawialną biomasę, torując drogę do bezemisyjnej przyszłości.

‍

Według raportu Geoside, "zwiększona wydajność procesu produkcji energii skutkuje mniejszą emisją CO2 i gazów cieplarnianych, zmniejszając wpływ na środowisko", podkreślając kluczową rolę kogeneracji w transformacji energetycznej.

‍

3. Energia słoneczna i inne odnawialne źródła energii

‍

Duże firmy technologiczne intensywnie inwestują w energię odnawialną:

Zobowiązania na przyszłość: Według Business Critical Services Consulting, do 2033 roku 90 procent energii wykorzystywanej przez centra danych będzie pochodzić ze źródeł odnawialnych, a firmy takie jak Google i Microsoft już ogłosiły swój cel, jakim jest korzystanie z zeroemisyjnej energii 24/7 do 2030 roku.
Dedykowane projekty solarne: Wiele firm technologicznych buduje dedykowane systemy solarne specjalnie do zasilania swoich centrów danych, często w połączeniu z systemami magazynowania energii w celu zapewnienia ciągłości.

Komplementarność tych źródeł energii ma kluczowe znaczenie: energia jądrowa może zapewnić stałe obciążenie podstawowe, podczas gdy odnawialne źródła energii, takie jak energia słoneczna, mogą pokryć szczytowe zapotrzebowanie, a systemy kogeneracyjne maksymalizują ogólną wydajność.

‍

Co więcej, branża AI czyni znaczne postępy w zmniejszaniu swojego wpływu na środowisko:

Lepsza wydajność energetyczna: centra danych stale modernizują swój sprzęt, aby był bardziej energooszczędny.
Przyjęcie energii odnawialnej: Wiele firm technologicznych zobowiązało się do wykorzystywania 100% energii odnawialnej do zasilania swoich centrów danych.
Bardziej wydajne algorytmy: Badania postępują w kierunku algorytmów sztucznej inteligencji, które wymagają mniejszej mocy obliczeniowej, aby osiągnąć podobne lub lepsze wyniki.

‍

Dokładność i niezawodność

Jakość wyników sztucznej inteligencji w dużym stopniu zależy od jakości danych wejściowych. W kontekście środowiskowym, gdzie dane mogą być niekompletne lub niedokładne, stanowi to poważne wyzwanie.

‍

Równość i dostępność

Istnieje ryzyko, że rozwiązania oparte na sztucznej inteligencji dla środowiska będą dostępne głównie dla krajów i organizacji dysponujących większymi zasobami, potencjalnie zwiększając istniejącą lukę technologiczną.

‍

Przyszłość sztucznej inteligencji dla środowiska: w kierunku odpowiedzialnej sztucznej inteligencji

‍

Aby zmaksymalizować potencjał sztucznej inteligencji w ochronie środowiska, konieczne jest przyjęcie podejścia "odpowiedzialnej sztucznej inteligencji", które

Równowaga między innowacjami technologicznymi a zrównoważonym rozwojem środowiska
Zapewnienie przejrzystości i odpowiedzialności w korzystaniu ze sztucznej inteligencji
Promowanie współpracy międzynarodowej w celu udostępniania danych, zasobów i wiedzy specjalistycznej
Zapewnienie sprawiedliwego podziału korzyści płynących ze sztucznej inteligencji dla środowiska.

‍

FAQ: Wpływ sztucznej inteligencji na środowisko

‍

Czy sztuczna inteligencja naprawdę zanieczyszcza tak bardzo, jak mówią?

Nie, wpływ sztucznej inteligencji na środowisko jest często przeceniany w debatach publicznych. Chociaż szkolenie dużych modeli sztucznej inteligencji wymaga znacznej ilości energii, wpływ ten należy porównać z korzyściami, jakie sztuczna inteligencja może przynieść w zakresie optymalizacji zużycia energii, redukcji emisji i innowacyjnych rozwiązań klimatycznych. Badanie przeprowadzone w 2021 r. przez Uniwersytet w Bristolu wykazało, że wiele wcześniejszych szacunków dotyczących wpływu sztucznej inteligencji na energię zostało przeszacowanych nawet 90-krotnie.

‍

Dlaczego wpływ sztucznej inteligencji na środowisko jest tak przeceniany w debacie publicznej?

Wpływ sztucznej inteligencji na środowisko jest przeceniany ze względu na połączenie czynników psychologicznych, ekonomicznych i społecznych. Strach przed nieznanym i pewna technofobia w naturalny sposób podsycają krytyczne nastawienie do tej powstającej technologii, podczas gdy medialny sensacjonalizm wzmacnia alarmistyczne dane, aby wygenerować większe zaangażowanie. Istnieją również interesy gospodarcze tradycyjnych sektorów, które postrzegają sztuczną inteligencję jako zagrożenie dla konkurencji.

‍

Kluczowym elementem jest niedopasowanie percepcyjne: centra danych są widocznymi strukturami fizycznymi, które zużywają wymierne ilości energii, podczas gdy korzyści środowiskowe generowane przez sztuczną inteligencję (takie jak optymalizacja transportu lub zmniejszenie ilości odpadów) są rozproszone i mniej namacalne. Ponadto wysoce zautomatyzowane centra danych tworzą stosunkowo niewiele miejsc pracy w porównaniu z innymi branżami, generując niekorzystne postrzeganie związku między ich wpływem na środowisko a lokalnymi korzyściami społeczno-gospodarczymi.

‍

Sztucznej inteligencji często błędnie przypisuje się wpływ, który w rzeczywistości zależy od wykorzystywanego koszyka energetycznego, podczas gdy w rzeczywistości przy efektywnym koszyku energetycznym wpływ ten jest drastycznie zmniejszony. Wreszcie, prawie zawsze brakuje kontekstu porównawczego: ślad ekologiczny sztucznej inteligencji jest rzadko porównywany ze śladem innych sektorów, takich jak transport, przemysł ciężki, a nawet inne codzienne działania cyfrowe (streaming wideo, gry online), co powoduje zniekształcone postrzeganie jej znaczenia w ogólnym obrazie globalnych emisji.

‍

Jak wpływ sztucznej inteligencji wypada w porównaniu z innymi codziennymi działaniami cyfrowymi?

Ślad węglowy sztucznej inteligencji jest porównywalny lub niższy niż w przypadku wielu codziennych działań cyfrowych. Przykładowo, jedna godzina strumieniowania wideo w wysokiej rozdzielczości generuje około 36-100 gramów CO2, podczas gdy pojedyncze wnioskowanie z modelu AI może zużywać mniej energii niż człowiek wykonujący to samo zadanie. Faza szkolenia jest bardziej intensywna, ale jest to jednorazowe wydarzenie w porównaniu do ciągłego użytkowania.

‍

Czy wykorzystywanie sztucznej inteligencji do celów środowiskowych jest sprzeczne, biorąc pod uwagę jej zużycie energii?

Nie, to nie jest sprzeczność. Chociaż sztuczna inteligencja zużywa energię, jej potencjał w zakresie optymalizacji efektywności energetycznej i redukcji emisji w różnych sektorach (energetyka, transport, produkcja) może prowadzić do oszczędności emisji, które znacznie przekraczają jej bezpośredni wpływ. Badania sugerują, że sztuczna inteligencja może pomóc zmniejszyć globalne emisje nawet o 10 procent do 2030 roku.

‍

Jak możemy zmniejszyć wpływ sztucznej inteligencji na środowisko?

Możemy zmniejszyć wpływ sztucznej inteligencji na środowisko poprzez różne strategie:

Opracowywanie bardziej wydajnych algorytmów, które wymagają mniej mocy obliczeniowej
Wdrożenie specjalistycznego sprzętu dla sztucznej inteligencji, który zużywa mniej energii
Przyjęcie praktyk "zielonej sztucznej inteligencji", które równoważą wydajność i zużycie energii.
Promowanie przejrzystości w firmach technologicznych w zakresie śladu węglowego ich modeli sztucznej inteligencji

Czysztuczna inteligencja jest bardziej szkodliwa dla środowiska niż tradycyjne procesy, które zastępuje?

Nie, w większości przypadków sztuczna inteligencja jest bardziej wydajna niż tradycyjne procesy. Na przykład w optymalizacji transportu sztuczna inteligencja może zmniejszyć emisje nawet o 10% dzięki bardziej wydajnym trasom i mniejszemu natężeniu ruchu. W rolnictwie może zmniejszyć zużycie wody i nawozów nawet o 30%. Ten wzrost wydajności generalnie przekracza ślad węglowy samej sztucznej inteligencji.

‍

Wnioski

Sztuczna inteligencja jest potężnym i wszechstronnym narzędziem w walce ze zmianami klimatu i w ochronie środowiska. W 2025 r. jesteśmy świadkami pojawienia się konkretnych zastosowań, które już teraz mają znaczący pozytywny wpływ.

‍

Chociaż sztuczna inteligencja zużywa energię, jej wpływ jest porównywalny lub mniejszy niż wielu codziennych działań cyfrowych, a jej potencjał redukcji emisji w innych sektorach znacznie przekracza jej bezpośredni ślad węglowy. Kluczowe jest porównanie kosztów energii AI z korzyściami środowiskowymi, jakie może ona wygenerować dzięki optymalizacji, prognozowaniu i zarządzaniu zasobami.

‍

Aby w pełni wykorzystać potencjał sztucznej inteligencji w tej dziedzinie, potrzebne jest zrównoważone podejście, które uwzględnia nie tylko możliwości technologiczne, ale także etyczne, społeczne i środowiskowe implikacje sztucznej inteligencji.

‍

Przyszłość zrównoważonego rozwoju środowiska będzie w coraz większym stopniu zależeć od naszej zdolności do odpowiedzialnej integracji sztucznej inteligencji ze strategiami zarządzania środowiskiem, zmieniając tę technologię w prawdziwego sprzymierzeńca planety.

‍

Źródła

Grupa Iren. (2025). "Sztuczna inteligencja, jaki jest wpływ na środowisko i jak zrównoważyć zrównoważony rozwój i innowacje". https://www.gruppoiren.it/it/everyday/energie-per-domani/2025/intelligenza-artificiale-qual-e-l-impatto-ambientale-e-come-equilibrare-sostenibilita-e-innovazione.html
Magazyn GeoSmart. (2025). "Monitorowanie wylesiania: rewolucja Envirosensing". https://geosmartmagazine.it/2025/02/11/monitoraggio-deforestazione-la-rivoluzione-di-envirosensing/
Ministerstwo Środowiska i Bezpieczeństwa Energetycznego. "Inwestycja 1.1 - Wdrożenie zaawansowanego i zintegrowanego systemu monitorowania i prognozowania". https://www.mase.gov.it/pagina/investimento-1-1-realizzazione-di-un-sistema-avanzato-ed-integrato-di-monitoraggio-e-0
ESG360. (2025). "Sztuczna inteligencja: nowe rozwiązania w walce ze zmianami klimatu". https://www.esg360.it/digital-for-esg/intelligenza-artificiale-nuove-soluzioni-contro-il-climate-change/
Magazyn Ecofuture. (2025). "Sztuczna inteligencja: jakie korzyści dla klimatu i środowiska?". https://ecquologia.com/intelligenza-artificiale-quali-vantaggi-per-clima-e-ambiente/
Myśl z Google. (2024). "Czy sztuczna inteligencja może pomóc w rozwiązaniu kryzysu klimatycznego?". https://www.thinkwithgoogle.com/intl/it-it/strategie/marketing-automation/intelligenza-artificiale-cambiamento-climatico/
Wastezero. (2024). "Wpływ sztucznej inteligencji (AI) na środowisko: jak bardzo zanieczyszcza ona środowisko poprzez emisję CO2, zużycie energii i wody?" . https://www.wastezero.it/impatto-ambientale-intelligenza-artificiale-ai-quanto-inquina/.
Agenda cyfrowa. (2024). "Sztuczna inteligencja i zmiana klimatu: zagrożenia i możliwości". https://www.agendadigitale.eu/cultura-digitale/intelligenza-artificiale-e-cambiamenti-climatici-rischi-e-opportunita/
Międzynarodowa Agencja Energii (IEA). "The True Climate Impact of Streaming". https://about.netflix.com/en/news/the-true-climate-impact-of-streaming
Przełomowe paliwo. "Sztuczna inteligencja w sektorze transportu promuje wydajność i zrównoważony rozwój ." https://www.breakthroughfuel.com/it/blog/how-will-ai-impact-transportation-3-predictions/
GreenPlanner. (2024). "Do 2033 r. centra danych będą wykorzystywać wyłącznie energię odnawialną". https://www.greenplanner.it/2024/09/05/data-center-energia-rinnovabile/
GreenPlanner. (2025). "Przyszłość energetyczna centrów danych: energia jądrowa, wodór i baterie". https://www.greenplanner.it/2025/02/24/data-center-futuro-energetico/
ZeroUno. (2023). "Czynniki wpływu centrów danych na środowisko". https://www.zerounoweb.it/techtarget/searchdatacenter/i-fattori-dellimpatto-ambientale-dei-data-center/
Energia jądrowa i rozsądek. (2024). "Porównanie źródeł energii". https://nucleareeragione.org/il-nucleare-a-confronto-con-altre-forme-di-energia/
Agenda cyfrowa. (2024). "Digital is not a free meal: how much data centres pollution and how to reduce their impact". https://www.agendadigitale.eu/smart-city/il-digitale-non-e-un-pasto-gratis-quanto-inquinano-i-data-center-e-come-ridurne-limpatto/
Sorgenia. (2024). "Kogeneracja energii: działanie i korzyści". https://www.sorgenia.it/guida-energia/cogenerazione
Viessmann. (2024). "Kogeneracja: zalety i działanie elektrociepłowni". https://industriale.viessmann.it/blog/cogeneratore
Enel X. (2024). "Branża centrów danych i zrównoważony rozwój". https://corporate.enelx.com/en/stories/2021/12/data-center-industry-sustainability
Geoside. (2023). "Inteligentna kogeneracja: optymalizacja energii w celu zaoszczędzenia pieniędzy i przyczynienia się do transformacji energetycznej". https://www.geoside.com/it/risparmio-energetico-cogenerazione-ottimizzazione
2G Energy. (2024). "Kogeneracja: wydajna i zrównoważona energia". https://2-g.com/en/innovation-knowledge/combined-heat-and-power-generation
Cummins Inc. (2021). "Trzy główne zalety kogeneracji". https://www.cummins.com/it/news/2021/08/09/three-key-benefits-cogeneration