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.
Niektóre liczniki są szacunkami na żywo interpolowanymi między odświeżeniami, podczas gdy inne są migawkami ze źródeł publicznych lub licznikami kroczącymi. Wartości roczne rozpoczynają się 1 stycznia bieżącego roku; wartości dzienne rozpoczynają się 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 na moc obliczeniową 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.