Metodologia i źródła
Jak szacujemy zużycie wody, energii elektrycznej, CO₂ i godzin GPU przez sztuczną inteligencję. Przejrzyste źródła danych, założenia i częstotliwość aktualizacji.
Ostatnia aktualizacja:
Zakres
Zapewniamy aktualne szacunki wybranych wskaźników aktywności i wpływu sztucznej inteligencji. Wartości są orientacyjne i mają na celu informowanie o dyskusji publicznej, a nie zastępowanie podstawowych raportów od operatorów lub organów regulacyjnych.
Źródła danych
- Ujawnienia od operatorów centrów danych i chmur obliczeniowych (wydajność, chłodzenie, PUE/WUE).
- Literatura akademicka i niezależne badania dotyczące obliczeń AI i wykorzystania zasobów.
- Informacje o dostawcy sprzętu (TDP, typowe wykorzystanie), raporty dotyczące obciążenia szkoleniami/konferencjami.
- Krajowe i regionalne czynniki sieciowe (mix energetyczny, wskaźniki emisji).
- Komunikaty prasowe, dokumenty publiczne i renomowane blogi techniczne.
Podejście ogólne
Łączymy publiczne wartości bazowe z rozsądnymi założeniami dotyczącymi wzrostu obciążenia pracą, wykorzystania i wydajności. Tam, gdzie istnieją zakresy, preferujemy konserwatywne wartości środkowe.
Liczniki odświeżają się po stronie serwera w odstępach czasu i interpolują po stronie klienta (szybkość na sekundę), aby zapewnić wrażenia na żywo. Wartości roczne rozpoczynają się 1 stycznia bieżącego roku; wartości dzienne o lokalnej północy.
Woda
Szacunki dotyczące wody obejmują wodę chłodzącą centrum danych oraz, w stosownych przypadkach, wodę do wytwarzania energii. Agregujemy według klasy obciążenia (trening vs wnioskowanie) i lokalizacji (jeśli jest znana).
Wzór (uproszczony)
Woda w AI ≈ (woda w centrum danych na kWh × energia elektryczna w AI) + (intensywność zużycia wody przy wytwarzaniu energii × energia elektryczna w AI)Tam, gdzie WUE dla danego miejsca nie jest znana, używamy mediany regionalnej lub mediany operatora.
Elektryczność
Zużycie energii elektrycznej pochodzi z zapotrzebowania obliczeniowego i typowego wykorzystania według klasy obciążenia, skorygowanego o PUE w stosownych przypadkach.
Wzór (uproszczony)
Energia elektryczna AI ≈ (obciążenie IT × wykorzystanie × godziny) × PUEGdy PUE jest nieznany, przyjmujemy konserwatywną wartość w oparciu o ostatnie ujawnienia operatora.
CO₂
CO₂e szacuje się na podstawie zużycia energii elektrycznej i wskaźników emisji sieci, uwzględniając regionalne mieszanki, jeśli są dostępne.
Wzór (uproszczony)
AI CO₂e ≈ (AI energia elektryczna × współczynnik emisji sieci)W przypadku obciążeń wieloregionalnych stosujemy średni ważony współczynnik emisji tam, gdzie istnieją dane.
GPU-godziny
GPU-godziny przybliżają zagregowany czas akceleratora zużywany przez obciążenia AI. Łączymy liczbę modeli, przebiegów szkoleniowych i wolumenów wnioskowania z typowymi godzinami pracy urządzeń.
Wzór (uproszczony)
GPU-godziny ≈ Σ (liczba urządzeń × wykorzystanie × godziny)Mix urządzeń (seria A/H itp.) i wykorzystanie różnią się; używamy ostrożnych median.
Aktualizacje
Migawki serwera (ISR) odświeżane są okresowo; liczniki po stronie klienta animowane są co kilka sekund. Tekst metodologii jest weryfikowany i aktualizowany w miarę pojawiania się nowych danych publicznych.
Ograniczenia
- Niepewność: dane publiczne są częściowe; podajemy raczej orientacyjne szacunki niż dokładne pomiary.
- Granice systemu: w zależności od dostępności danych, niektóre skutki w górnym/dolnym biegu rzeki mogą wykraczać poza zakres.
- Dryf czasowy: nowsze ujawnienia mogą zmienić wartości bazowe; staramy się szybko aktualizować.
- Porównywalność: różni operatorzy raportują w różnych zakresach; harmonizujemy tam, gdzie to możliwe.
Etyka i przejrzystość
Naszym celem jest informowanie o debacie za pomocą jasnych, opartych na źródłach danych liczbowych, unikając jednocześnie sensacji. Czekamy na poprawki i dodatkowe źródła.
Skontaktuj się z nami w sprawie poprawek lub źródeł pod adresem contact@theaimeters.com.