Tampilan komparatif konsumsi listrik, emisi karbon, penggunaan air, dan intensitas komputasi AI.
Sistem AI mengandalkan infrastruktur komputasi skala besar. Jejak lingkungannya bergantung pada permintaan listrik, efisiensi pusat data, intensitas karbon jaringan, teknologi pendinginan, dan volume beban kerja pelatihan dan inferensi. TheAIMeters memberikan estimasi yang transparan untuk membuat tren ini lebih mudah dipahami.
Infrastruktur kecerdasan buatan mengkonsumsi listrik, air pendingin, dan sumber daya komputasi dalam jumlah besar. Angka-angka ini menjadi lebih mudah dipahami jika dibandingkan dengan aktivitas dunia nyata yang sudah dikenal.
Sistem AI yang besar mengkonsumsi listrik secara terus menerus melalui pusat data yang dipenuhi dengan GPU dan perangkat keras khusus. Beban kerja pelatihan dan inferensi dapat membutuhkan energi yang setara dengan ribuan rumah tangga.
Emisi karbon terkait AI sangat bergantung pada bauran energi yang digunakan untuk menggerakkan pusat data. Listrik berbasis bahan bakar fosil menghasilkan jejak lingkungan yang jauh lebih besar daripada sumber energi terbarukan.
Infrastruktur AI modern membutuhkan kapasitas pendinginan yang signifikan. Banyak pusat data yang mengandalkan sistem pendingin berbasis air, sehingga konsumsi air menjadi bagian yang semakin penting dalam diskusi keberlanjutan AI.
Listrik adalah fondasi dari jejak infrastruktur AI. GPU, server, jaringan, dan sistem pendingin semuanya berkontribusi terhadap permintaan energi.
Baca lebih lanjutEmisi CO₂e terkait AI bergantung pada listrik yang digunakan dan intensitas karbon dari jaringan yang memberi daya pada pusat data.
Baca lebih lanjutAir dapat terlibat secara langsung melalui pendinginan pusat data dan secara tidak langsung melalui pembangkitan listrik, tergantung pada wilayah dan infrastruktur.
Baca lebih lanjutDampak lingkungan dari AI berasal dari pelatihan model yang besar dan melayani miliaran permintaan inferensi setiap hari. Sementara pelatihan membutuhkan daya komputasi yang sangat besar, beban kerja inferensi menciptakan permintaan jangka panjang yang konstan pada infrastruktur global.
Para peneliti dan penyedia infrastruktur secara aktif meningkatkan efisiensi AI melalui chip yang lebih baik, model yang dioptimalkan, pusat data bertenaga terbarukan, dan sistem pendingin yang lebih efisien. Namun, adopsi AI global juga berkembang dengan sangat cepat, yang dapat mengimbangi beberapa keuntungan ini.
Indikator-indikator ini menggabungkan data publik, asumsi infrastruktur, dan pembaruan berkala. Asumsi terperinci tersedia di halaman Metodologi Metodologi.
Penggunaan listrik AI berasal dari infrastruktur komputasi yang diperlukan untuk melatih, menjalankan, dan meningkatkan sistem kecerdasan buatan modern.
Inferensi AI adalah proses menjalankan model AI yang telah dilatih untuk menghasilkan prediksi, jawaban, atau konten dari input pengguna baru.
Penggunaan listrik ChatGPT bergantung pada ukuran model, aktivitas pengguna, efisiensi perangkat keras, dan pusat data yang melayani setiap permintaan.
Perkiraan langsung listrik yang dikonsumsi oleh sistem kecerdasan buatan di seluruh dunia.