Metodoloji ve Kaynaklar
Yapay zekanın su, elektrik, CO₂ ve GPU-saatlerini nasıl tahmin ediyoruz. Şeffaf veri kaynakları, varsayımlar ve güncelleme temposu.
Son güncelleme:
Kapsam
Seçilmiş YZ faaliyet ve etki ölçütlerine ilişkin canlı tahminler sunuyoruz. Değerler gösterge niteliğinde olup, operatörlerin veya düzenleyicilerin birincil raporlamalarının yerini almak için değil, kamuoyu tartışmalarını bilgilendirmek için tasarlanmıştır.
Veri kaynakları
- Veri merkezi ve bulut operatörlerinin açıklamaları (verimlilik, soğutma, PUE/WUE).
- Yapay zeka hesaplama ve kaynak kullanımı üzerine akademik literatür ve bağımsız çalışmalar.
- Donanım satıcısı bilgileri (TDP, tipik kullanım), eğitim/konferans iş yükü raporları.
- Ulusal ve bölgesel şebeke faktörleri (enerji karışımı, emisyon faktörleri).
- Basın bültenleri, halka açık dosyalar ve saygın teknik bloglar.
Genel yaklaşım
Kamu temellerini iş yükü artışı, kullanım ve verimlilikle ilgili makul varsayımlarla birleştiriyoruz. Aralıkların mevcut olduğu yerlerde, muhafazakar merkezi değerleri tercih ediyoruz.
Sayaçlar aralıklarla sunucu tarafında yenilenir ve canlı bir deneyim için istemci tarafında (saniye başına oran) enterpolasyon yapar. Yıllık değerler içinde bulunulan yılın 1 Ocak tarihinde başlar; günlük değerler ise yerel gece yarısında.
Su
Su tahminleri, veri merkezi soğutma suyunu ve ilgili olduğunda enerji üretimi için yukarı akış suyunu içerir. İş yükü sınıfına (eğitim ve çıkarım) ve konuma (bilindiğinde) göre toplulaştırıyoruz.
Formül (basitleştirilmiş)
AI su ≈ (kWh başına veri merkezi suyu × AI elektrik) + (Elektrik üretimi su yoğunluğu × AI elektrik)Sahaya özgü WUE'nin bilinmediği durumlarda, bölgesel veya operatör ortalamalarını kullanırız.
Elektrik
Elektrik kullanımı, hesaplama talebinden ve iş yükü sınıfına göre tipik kullanımdan türetilir ve uygun olduğunda PUE ile ayarlanır.
Formül (basitleştirilmiş)
AI elektrik ≈ (BT yükü × kullanım × saat) × PUEPUE bilinmediğinde, operatörün son açıklamalarına dayanarak muhafazakar bir değer varsayıyoruz.
CO₂
CO₂e, elektrik kullanımı ve şebeke emisyon faktörlerinden tahmin edilmekte ve mevcut olduğunda bölgesel karışımlar hesaba katılmaktadır.
Formül (basitleştirilmiş)
AI CO₂e ≈ (AI elektrik × şebeke emisyon faktörü)Çok bölgeli iş yükleri için, verilerin mevcut olduğu yerlerde ağırlıklı ortalama emisyon faktörü uyguluyoruz.
GPU-saatleri
GPU-saatleri, yapay zeka iş yükleri tarafından tüketilen toplam hızlandırıcı süresini yaklaşık olarak ifade eder. Model sayılarını, eğitim çalışmalarını ve çıkarım hacimlerini tipik cihaz-saatleri ile birleştiriyoruz.
Formül (basitleştirilmiş)
GPU-saat ≈ Σ (cihaz sayısı × kullanım × saat)Cihaz karışımı (A/H serisi vb.) ve kullanım değişkenlik göstermektedir; ihtiyatlı ortalamalar kullanıyoruz.
Güncellemeler
Sunucu anlık görüntüleri (ISR) periyodik olarak yenilenir; istemci tarafı sayaçları birkaç saniyede bir canlandırılır. Metodoloji metni, yeni kamu verileri ortaya çıktıkça gözden geçirilir ve güncellenir.
Sınırlamalar
- Belirsizlik: kamu verileri kısmi; kesin ölçümler yerine gösterge niteliğinde tahminler rapor ediyoruz.
- Sistem sınırları: veri mevcudiyetine bağlı olarak bazı yukarı/aşağı akım etkileri kapsam dışında olabilir.
- Zamansal sapma: yeni açıklamalar temelleri değiştirebilir; derhal güncellemeyi amaçlıyoruz.
- Karşılaştırılabilirlik: farklı operatörler farklı kapsamlarda raporlama yapmaktadır; mümkün olan yerlerde uyumlaştırıyoruz.
Etik ve şeffaflık
Sansasyondan kaçınırken, tartışmaları net, kaynaklı rakamlarla bilgilendirmeyi amaçlıyoruz. Düzeltmeleri ve ek kaynakları memnuniyetle karşılıyoruz.
Düzeltmeler veya kaynaklar için bize şu adresten ulaşın contact@theaimeters.com.
