Wyjaśniono ślad węglowy AI

Ślad węglowy sztucznej inteligencji to emisje gazów cieplarnianych powstające w całym cyklu życia sztucznej inteligencji: wytwarzanie energii elektrycznej na potrzeby szkoleń i wnioskowania, produkcja chipów i serwerów, budowanie centrów danych i obsługa wspierającego łańcucha dostaw. Nie ma jednego śladu dla „AI”, ponieważ modele, zadania, lokalizacje i granice księgowe są różne.

Energia elektryczna jest najbardziej widoczną i często jedyną częścią uwzględnianą w szacunkach na zapytanie. To nie jest cała historia. Emisja dwutlenku węgla związana z jedną watogodziną zmienia się w zależności od sieci zasilającej centrum danych, podczas gdy roczne umowy na energię odnawialną mogą dawać inny wynik księgowy niż fizyczna energia elektryczna dostępna w danej godzinie. Wiarygodne twierdzenie określa, co się liczy, jaką metodę węglową stosuje się, a co pozostaje nieznane.

Energia elektryczna zamienia się w węgiel poprzez sieć

Komputery zużywają energię; emisje powstają w trakcie wytwarzania tej energii. Centrum danych podłączone do sieci wykorzystującej paliwa kopalne może generować wyższe emisje operacyjne niż centrum wykorzystujące tę samą energię elektryczną w systemie niskoemisyjnym. Intensywność sieci zmienia się również w zależności od pory roku i godziny, ponieważ zmienia się zapotrzebowanie i wytwarzanie.

Analitycy mogą zastosować metodę opartą na lokalizacji odzwierciedlającą sieć lokalną lub metodę rynkową, która uwzględnia instrumenty umowne, takie jak umowy zakupu energii i certyfikaty energii. Obydwa mogą odpowiadać na uzasadnione pytania, ale nie można ich stosować zamiennie.

IEA analizy zasilania energią elektryczną centrów danych wyraźnie koncentruje się na fizycznym miksie wytwórczym, a nie na koszyku kontraktowym operatorów. Wybór ten sprawia, że ​​prognozy emisji na poziomie systemu różnią się od inwentaryzacji firmy wykorzystującej instrumenty rynkowe.

Trenowanie i wnioskowanie mają różne ramy czasowe

Trening to skoncentrowany okres obliczeń wykorzystywany do tworzenia lub istotnej aktualizacji modelu. Wnioskowanie to powtarzane obliczenia po wdrożeniu: każda wygenerowana odpowiedź, obraz lub prognoza. Eksperymenty rozwojowe i nieudane serie mogą powodować dodatkowe emisje przed powstaniem wydanego modelu.

Szkolenie może zajmować dużo miejsca w nagłówku, ale wnioski są gromadzone w miarę jego użytkowania. To, co dominuje w życiu modelu, zależy od tego, jak często jest on wzywany, jak sprawnie jest obsługiwany i jak długo pozostaje w produkcji. Przydzielanie emisji szkoleniowych do jednego komunikatu wymaga założenia dotyczącego całkowitego czasu życia komunikatów.

Szkolenie AI a emisje wnioskowań sprawdza, dlaczego żaden stały podział nie działa w przypadku każdego modelu. Pokwitowanie operacyjne dotyczące poszczególnych wiadomości nie powinno po cichu zawierać spekulacyjnego przydziału szkoleń i przedstawiać go jako zmierzonego.

Chipsy i budynki niosą ze sobą ucieleśnione emisje

Akceleratory nie pojawiają się bez śladu. Produkcja półprzewodników wykorzystuje energię, materiały i złożone globalne łańcuchy dostaw. Serwery potrzebują szaf i sieci. Centra danych wykorzystują beton, stal i sprzęt elektryczny. Wymiana sprzętu powoduje problemy związane z jego wygaśnięciem i recyklingiem.

Są one powszechnie zgłaszane przez przedsiębiorstwa technologiczne jako emisje z łańcucha wartości lub zakresu 3. Microsoftu Raport dotyczący zrównoważonego rozwoju środowiska za rok 2025 stwierdziła, że całkowite emisje w zakresach 1, 2 i 3 w raportowanym roku były o 23.4% wyższe od wartości bazowych z 2020 r., a wśród czynników wzrostu znalazły się sztuczna inteligencja i rozwój chmury. Firma zgłosiła również niższe emisje operacyjne w Zakresie 1 i 2 oraz wyższe emisje w Zakresie 3.

To połączenie pokazuje, dlaczego sama energia odnawialna nie może spowodować zniknięcia całego cyklu życia.

Firma może pokryć swoje roczne zużycie energii elektrycznej produkcją odnawialną, nadal czerpiąc z lokalnej sieci, gdy energia wiatrowa lub słoneczna jest niedostępna. Może raportować operacje o zerowej wartości netto, realizując jednocześnie późniejszy cel dla całego łańcucha wartości. Może wykupić usuwanie dwutlenku węgla w przypadku emisji resztkowych.

Meta jest Raport dotyczący zrównoważonego rozwoju za rok 2025 twierdzi, że pokrywa 100% swojego zużycia energii elektrycznej czystą i odnawialną energią i dąży do osiągnięcia zera netto w całym swoim łańcuchu wartości do 2030 r. To dwa różne twierdzenia. Google jest Raport środowiskowy 2025 raportuje postępy w zakresie energii i emisji, jednocześnie kontynuując dążenie do energii bezemisyjnej przez całą dobę.

Raporty są użytecznymi źródłami podstawowymi, ale dotyczą księgowości firmy, a nie audytów poszczególnych modeli. Przeczytaj zakresy, scenariusz bazowy, instrumenty i dokumenty poświadczające.

Szacunki dotyczące poszczególnych wiadomości są celowo zawężone

Aby oszacować operacyjny poziom emisji dwutlenku węgla w odpowiedzi, zacznij od zużycia energii elektrycznej na podstawie wnioskowania, dodaj koszty ogólne centrum danych, jeśli nie zostały już uwzględnione, i pomnóż przez odpowiednią intensywność emisji dwutlenku węgla w sieci. Każde wejście wprowadza niepewność. Dostawcy rzadko ujawniają dane z liczników na poziomie modelu, a średnia globalna nie jest w stanie uwzględnić konkretnego obiektu i godziny.

Wynik może nadal pomóc w porównaniu krótkiej odpowiedzi z długą lub małego modelu z większą wartością bazową. Należy go oznaczyć jako szacunkowy i nie należy go opisywać jako całkowitego śladu węglowego sztucznej inteligencji.

Nasz przewodnik po ile CO2 wytwarza sztuczna inteligencja omawia konwersję i wyjaśnia, dlaczego pozornie dokładne liczby w gramach mogą zawyżać to, co wiadomo.

Całkowite emisje i indywidualne wybory to różne poglądy

Na poziomie systemowym IEA przewiduje, że emisje powstające w wyniku wytwarzania energii elektrycznej dla centrów danych osiągną w scenariuszu podstawowym około 320 milionów ton CO2 do 2030 r., po czym nieznacznie spadną. Mówi również, że centra danych pozostaną poniżej 1% globalnej emisji CO2. Jest to prognoza dla centrum danych, a nie inwentaryzacja oparta wyłącznie na sztucznej inteligencji, a granica fizycznej sieci powinna pozostać niezmieniona.

Na poziomie zadania użytkownicy mogą wybrać mniejszy model, zażądać tylko potrzebnej mocy wyjściowej i uniknąć niepotrzebnych generacji. Dostawcy kontrolują większe dźwignie: architekturę modelu, wydajność sprzętu, wykorzystanie, lokalizację obiektu, zakupy energii elektrycznej i projekt łańcucha dostaw.

Ile prądu zużywa sztuczna inteligencja jest częścią odpowiedzi, ale węgiel wymaga dodatkowego pytania: jaka energia elektryczna?

Jak Treechat raportuje węgiel

Treechat szacuje energię operacyjną na podstawie wykorzystania modelu i tokena, uwzględnia określony narzut centrum danych i przelicza go przy użyciu opublikowanych założeń dotyczących średniej intensywności sieci. Nie jest w stanie określić dokładnego obiektu ani źródła zasilania na godzinę, na które należy odpowiedzieć, ani nie przedstawia potwierdzenia odbioru jako pełnej oceny cyklu życia. Założenia i wykluczenia są po naszej stronie strona metodologiczna.

Finansowanie drzew jest zgłaszane jako osobne działanie, a nie dowód, że obliczenia były wolne od emisji. To rozróżnienie ma znaczenie. Redukcja emisji, czysta energia elektryczna i trwałe usuwanie dwutlenku węgla mogą się do tego przyczynić, ale nic nie zmienia historycznego faktu, że wyprodukowano sprzęt i zużyto energię.

Najlepszym krótkim wyjaśnieniem śladu węglowego sztucznej inteligencji jest zatem granica, a nie slogan: policz emisje operacyjne i ucieleśnione, odróżnij sieci fizyczne od roszczeń umownych i zachowaj niepewność zamiast ściskać cały cykl życia w jedną uporządkowaną liczbę.