方法論と情報源
AIの水、電気、CO₂、GPU時間の見積もり方法。透明性のあるデータソース、仮定、更新頻度。
最終更新日:
スコープ
AIの活動や影響に関する指標をライブで推定しています。数値はあくまで目安であり、事業者や規制当局からの主要な報告に代わるものではなく、一般的な議論に役立つよう設計されています。
データソース
- データセンターおよびクラウド事業者からの情報開示（効率、冷却、PUE/WUE）。
- AIの計算とリソースの使用に関する学術文献と独自の研究。
- ハードウェアベンダー情報（TDP、典型的な使用率）、トレーニング/会議ワークロードレポート。
- 国および地域のグリッド要因（エネルギーミックス、排出係数）。
- プレスリリース、公的書類、評判の高い技術ブログ。
一般的なアプローチ
公開されているベースラインと、仕事量の増加、利用率、効率に関する合理的な仮定を組み合わせる。範囲が存在する場合は、保守的な中心値を使用する。
カウンターはサーバー側で一定間隔でリフレッシュされ、クライアント側で（秒あたりのレート）ライブ体験のために補間される。年間値は当年1月1日から、日次値は現地午前0時から。
水
水の推定値には、データセンターの冷却水と、関連する場合は発電用の上流水が含まれる。作業負荷クラス（トレーニングか推論か）と場所（既知の場合）で集計している。
計算式（簡略化）
AI水≒（1kWhあたりのデータセンター水×AI電力）＋（発電水原単位×AI電力）サイト固有のWUEが不明な場合は、地域または事業者の中央値を使用する。
電気
電力使用量は、計算需要およびワークロードクラス別の標準的な利用率から算出され、該当する場合はPUEで調整される。
計算式（簡略化）
AI電力≒（IT負荷×利用率×時間）×PUEPUEが不明な場合は、最近の事業者の開示に基づく保守的な値を想定している。
CO₂
CO₂eは、電力使用量とグリッド排出係数から推定され、入手可能な場合は地域ミックスを考慮する。
計算式（簡略化）
AI CO₂e ≒（AI電力×グリッド排出係数）マルチリージョン作業負荷については、データが存在する場合、加重平均排出係数を適用する。
GPU時間
GPU-hoursは、AIワークロードによって消費されるアクセラレータ時間の概算である。モデル数、トレーニング実行数、推論量を典型的なデバイス時間と組み合わせています。
計算式（簡略化）
GPU時間≒Σ（デバイス数×利用率×時間）機器構成（A/Hシリーズなど）と利用率は様々であるため、慎重な中央値を用いている。
更新情報
サーバーのスナップショット（ISR）は定期的に更新され、クライアント側のカウンターは数秒ごとにアニメーションする。メソドロジーのテキストは、新しい公開データが出てくると見直され、更新される。
制限事項
- 不確実性：公開データは部分的であるため、正確な測定値ではなく、指標となる推定値を報告する。
- システムの境界：データの入手可能性によっては、上流／下流への影響が範囲外となる場合がある。
- 時間的なズレ：新しい情報開示はベースラインをずらす可能性がある。
- 比較可能性：異なる事業者は異なるスコープで報告している。
倫理と透明性
私たちは、センセーショナリズムを避けつつ、明確な出典のある数字で議論に情報を提供することを目指しています。訂正や追加ソースの提供を歓迎する。
訂正や情報源は下記までご連絡ください。 contact@theaimeters.com.