방법론 및 출처
AI의 물, 전기, CO₂ 및 GPU 사용 시간을 추정하는 방법. 투명한 데이터 소스, 가정 및 업데이트 주기.
마지막 업데이트:
범위
선택된 AI 활동 및 영향 지표에 대한 실시간 추정치를 제공합니다. 이 수치는 운영자나 규제 기관의 1차 보고를 대체하는 것이 아니라 공개 토론에 정보를 제공하기 위해 고안된 지표입니다.
데이터 소스
- 데이터 센터 및 클라우드 사업자의 공개 정보(효율성, 냉각, PUE/WUE).
- AI 컴퓨팅 및 리소스 사용에 관한 학술 문헌 및 독립 연구.
- 하드웨어 공급업체 정보(TDP, 일반 사용률), 교육/추론 워크로드 보고서.
- 국가 및 지역 그리드 요인(에너지 믹스, 배출 계수).
- 보도 자료, 공개 서류, 평판이 좋은 기술 블로그.
일반적인 접근 방식
저희는 워크로드 증가, 활용도, 효율성에 대한 합리적인 가정과 공개 기준선을 결합합니다. 범위가 존재하는 경우 보수적인 중앙값을 선호합니다.
카운터는 간격을 두고 서버 측을 새로 고치고 클라이언트 측(초당 속도)을 보간하여 실시간 경험을 제공합니다. 연간 값은 현재 연도 1월 1일부터, 일일 값은 현지 자정부터 시작됩니다.
물
물 추정치에는 데이터센터 냉각수와 관련성이 있는 경우 발전용 상류 물이 포함됩니다. 워크로드 클래스(트레이닝과 추론) 및 위치(알려진 경우)에 따라 집계합니다.
공식(단순화)
AI 용수 ≈ (kWh당 데이터센터 용수 × AI 전력량) + (발전 용수 집약도 × AI 전력량)사이트별 WUE를 알 수 없는 경우 지역 또는 운영자 중앙값을 사용합니다.
전기
전기 사용량은 워크로드 등급별 컴퓨팅 수요와 일반적인 사용량에서 도출되며, 해당되는 경우 PUE에 의해 조정됩니다.
공식(단순화)
AI 전력 ≈ (IT 부하 × 사용률 × 시간) × PUEPUE를 알 수 없는 경우, 최근 사업자 공시를 기반으로 보수적인 값을 가정합니다.
CO₂
CO₂e는 전기 사용량과 전력망 배출 계수를 통해 추정되며, 가능한 경우 지역별 혼합을 고려합니다.
공식(단순화)
AI CO₂e ≈ (AI 전기 × 그리드 배출 계수)여러 지역에 걸친 워크로드의 경우 데이터가 존재하는 경우 가중 평균 배출 계수를 적용합니다.
GPU 시간
GPU 시간은 AI 워크로드가 소비하는 총 가속기 시간을 대략적으로 나타냅니다. 모델 수, 학습 실행 및 추론 볼륨을 일반적인 장치 시간과 결합합니다.
공식(단순화)
GPU 시간 ≈ Σ(장치 수 × 사용률 × 시간)디바이스 믹스(A/H 시리즈 등)와 사용률은 다양하므로 신중한 중앙값을 사용합니다.
업데이트
서버 스냅샷(ISR)은 주기적으로 새로 고쳐지고, 클라이언트 측 카운터는 몇 초마다 애니메이션이 적용됩니다. 새로운 공개 데이터가 등장하면 방법론 텍스트가 검토되고 업데이트됩니다.
제한 사항
- 불확실성: 공개 데이터는 부분적이며, 정확한 측정값이 아닌 지표적 추정치를 보고합니다.
- 시스템 경계: 데이터 가용성에 따라 일부 업스트림/다운스트림 영향이 범위를 벗어날 수 있습니다.
- 시간적 편차: 새로운 공개로 인해 기준선이 바뀔 수 있으므로 신속하게 업데이트하는 것을 목표로 합니다.
- 비교 가능성: 운영자마다 보고하는 범위가 다르므로 가능한 경우 조화를 이룹니다.
윤리 및 투명성
선정적인 표현을 피하면서 명확하고 출처가 분명한 수치로 논쟁을 알리는 것을 목표로 합니다. 정정 및 추가 출처를 환영합니다.
정정 또는 출처가 있는 경우 다음 주소로 문의하세요. contact@theaimeters.com.