Ένα τυπικό αίτημα προς το μοντέλο ανοιχτού βάρους Kimi K3 εκπέμπει περίπου 0,4 γραμμάρια CO2 όταν εκτελείται σε διακομιστές στη Σουηδία. Το ίδιο αίτημα, σε πανομοιότυπο υλικό, εκπέμπει 3,2 γραμμάρια στο Τέξας — 8,5 φορές περισσότερο. Αυτό το κενό είναι το επίκεντρο μιας νέας μεθόδου ανοιχτού κώδικα για τον υπολογισμό των εκπομπών άνθρακα μεμονωμένων αιτημάτων τεχνητής νοημοσύνης, που κυκλοφόρησε στις 21 Οκτωβρίου από τον σουηδικό πάροχο τεχνητής νοημοσύνης Berget AI μαζί με ερευνητές από το Stockholm Environment Institute (SEI) και τους μη κερδοσκοπικούς οργανισμούς WattTime και Klimatkollen.
Γιατί έχει σημασία η λογιστική άνθρακα ανά αίτημα For more context on this story, see our ongoing more AI stories.
Οι περισσότερες εταιρείες που χρησιμοποιούν τεχνητή νοημοσύνη δεν έχουν τρόπο να γνωρίζουν τι εκπέμπει πραγματικά η χρήση τους, σύμφωνα με την Berget AI. Τα δημόσια στοιχεία που υπάρχουν είναι συνήθως μεγάλοι μέσοι όροι που υπολογίζονται από το εξωτερικό, που υπολογίζονται πολλαπλασιάζοντας το υποθετικό μέσο αποτύπωμα με μια εικασία στο συνολικό όγκο - αριθμούς που κανείς δεν μπορεί να ελέγξει ανεξάρτητα.
Η νέα μέθοδος ακολουθεί την αντίθετη προσέγγιση: υπολογίζει τις εκπομπές κατόπιν αιτήματος, με βάση τη μέση ένταση εκπομπών του τοπικού δικτύου ηλεκτρικής ενέργειας όπου λειτουργούν πραγματικά οι διακομιστές, και αναδιπλώνει τον ενσωματωμένο άνθρακα της κατασκευής του υλικού. Το αποτέλεσμα εξαρτάται από το μοντέλο που χρησιμοποιείται, την ώρα της ημέρας και το εάν μέρος της προτροπής προβάλλεται από την προσωρινή μνήμη, επομένως κάθε αίτημα υπολογίζεται μεμονωμένα και όχι μέσω ενός σταθερού μέσου όρου.
«Οι περισσότερες εταιρείες σήμερα δεν έχουν τρόπο να γνωρίζουν τι εκπέμπει η χρήση της τεχνητής νοημοσύνης που κάνουν», δήλωσε ο Andreas Lundmark, Διευθύνων Σύμβουλος της Berget AI, στην ανακοίνωση. "Με αυτήν τη μέθοδο οι πελάτες μας μπορούν να ακολουθήσουν το αίτημα εκπομπών τους κατόπιν αιτήματος και να συγκρίνουν τους παρόχους με δεδομένα αντί για μάρκετινγκ. Γνωρίζουμε ότι οι περισσότεροι ευρωπαίοι αγοραστές θα επέλεγαν διαφορετικά εάν μπορούσαν να δουν τους αριθμούς."
Το πλέγμα είναι η μεταβλητή που κυριαρχεί
Η σύγκριση των επικεφαλίδων — 0,4 γραμμάρια CO2 ανά αίτημα Kimi K3 στη Σουηδία έναντι 3,2 γραμμάρια στο Τέξας — προέρχεται από διαφορές μόνο στο μείγμα πλέγματος. Το ίδιο αίτημα εκπέμπει 1,6 γραμμάρια στην Ιρλανδία και 2,5 γραμμάρια στη Γερμανία, σύμφωνα με το δελτίο τύπου. Επειδή το υποκείμενο υλικό είναι πανομοιότυπο σε κάθε περίπτωση, το δέλτα είναι σχεδόν εξ ολοκλήρου συνάρτηση του σημείου που συνδέεται το κέντρο δεδομένων.
Αυτή η μεταβλητή γίνεται μια απόφαση προμήθειας και όχι ένας σταθερός περιορισμός. Μοντέλα ανοιχτού βάρους, τα οποία μπορούν να εκτελούνται νόμιμα σε οποιοδήποτε κέντρο δεδομένων, διαχειρίζονται πλέον ένα αυξανόμενο μερίδιο της παγκόσμιας κυκλοφορίας AI. Η Berget AI αναφέρει στοιχεία από το AI Gateway της Vercel που δείχνουν ότι τα μοντέλα ανοιχτού βάρους εξυπηρέτησαν το 29% των token τον Ιούνιο του 2026, από 11% τον Απρίλιο. Για αυτούς τους φόρτους εργασίας, ο αγοραστής μπορεί να επιλέξει τη γεωγραφία — εφόσον οι εκπομπές είναι πραγματικά ορατές.
«Τα περισσότερα ανησυχητικά στοιχεία σχετικά με το αποτύπωμα της τεχνητής νοημοσύνης προέρχονται από τον πολλαπλασιασμό του μέσου όρου με μια εικασία στον όγκο και κανείς δεν μπορεί να τα ελέγξει», δήλωσε ο Christian Landgren, CTO και συνιδρυτής της Berget AI. "Η μόνη δίκαιη σύγκριση είναι ο υπολογισμός κάθε αιτήματος και η άθροισή τους. Έχουμε δημοσιεύσει τις κρίσεις μας, ώστε ο καθένας να μπορεί να τις ελέγξει και να τις χρησιμοποιήσει."
Βασισμένο σε υπάρχοντα πρότυπα, κυκλοφόρησε στο MIT
Η μέθοδος ακολουθεί την προδιαγραφή SCI for AI του Green Software Foundation και είναι διαθέσιμη με την άδεια MIT στο GitHub. Η Berget AI κυκλοφόρησε επίσης μια δημόσια αριθμομηχανή στη διεύθυνση co2.berget.ai που εφαρμόζει τη μέθοδο σε οποιοδήποτε μοντέλο και περιοχή, βασιζόμενη σε προηγούμενους εκτιμητές ανοιχτού κώδικα, όπως το EcoLogits και τον πίνακα ελέγχου CLEER του Ομίλου Αειφόρου AI. Οι πελάτες της υπηρεσίας συμπερασμάτων της ίδιας της Berget μπορούν να παρακολουθούν τις εκπομπές τους να συσσωρεύονται στην κονσόλα της εταιρείας καθώς αναζητούν μοντέλα.
Οι εταίροι χαρτογράφησαν και μέτρησαν τον περιβαλλοντικό αντίκτυπο της υποδομής του Berget άμεσα — ενέργεια, νερό και υλικό — μαζί με το αποτύπωμα άνθρακα του Garbo AI της Klimatkollen, το οποίο λειτουργεί σε αυτήν την υποδομή, και στη συνέχεια συνδύασαν τις μετρήσεις με την τρέχουσα έρευνα για τη μετατροπή της χρήσης πόρων σε άνθρακα και ευρύτερες περιβαλλοντικές επιπτώσεις.
Η αύξηση της ζήτησης εξακολουθεί να ξεπερνά την αποτελεσματικότητα
Η κυκλοφορία έρχεται εν μέσω απότομης αύξησης των προβλέψεων για την κατανάλωση ενέργειας του κέντρου δεδομένων. Η Somya Joshi, διευθύντρια έρευνας στο SEI, επεσήμανε τα στοιχεία του Διεθνούς Οργανισμού Ενέργειας που προβλέπουν ότι η κατανάλωση ηλεκτρικής ενέργειας στα κέντρα δεδομένων θα υπερδιπλασιαστεί σε περίπου 945 TWh έως το 2030, με την τεχνητή νοημοσύνη ως τον κύριο παράγοντα.
«Οποιαδήποτε υπόσχεση για κέρδη αποδοτικότητας είναι πιθανό να αντισταθμιστεί από την υψηλότερη ζήτηση, αναιρώντας τυχόν μειώσεις εκπομπών από ανανεώσιμες πηγές ενέργειας», είπε ο Joshi στην ανακοίνωση. "Μεθοδολογίες όπως αυτή προσφέρουν μια διαφανή βάση για τεκμηριωμένες αποφάσεις. Η δύναμή τους είναι ότι δείχνουν ξεκάθαρα πώς η θέση του δικτύου και η κρίσιμη υποδομή έχουν σημασία όταν πρόκειται για το πόσο βιώσιμη μπορεί να είναι η τεχνητή νοημοσύνη."
Τι σημαίνει για αγοραστές τεχνητής νοημοσύνης
Για εταιρείες που εκτελούν τις δικές τους εφαρμογές ανοιχτού βάρους, η πρακτική συνέπεια είναι απλή: το ίδιο μοντέλο μπορεί να έχει μια τιμή άνθρακα που ποικίλλει κατά οκτώ ανάλογα με την περιοχή, και τώρα υπάρχουν εργαλεία για τη μέτρηση αυτής της διαφοράς πριν από την υπογραφή σύμβασης. Η Berget AI λέει ότι θέλει άλλους παρόχους συμπερασμάτων να υιοθετούν αναφορές ανά αίτημα, ώστε οι αγοραστές να μπορούν να συγκρίνουν τους παρόχους με μετρημένα στοιχεία και όχι με αξιώσεις μάρκετινγκ.
Οι συγγραφείς της μεθόδου αναγνωρίζουν ότι τα στοιχεία τους είναι εκτιμήσεις με βάση τη θέση που χρησιμοποιούν το μέσο μείγμα δικτύου και όχι τις ωριαίες οριακές εκπομπές, μια απλοποίηση που είναι κοινή σε αυτήν την κατηγορία εργαλείων. Ακόμα κι έτσι, η διαφάνεια των υποθέσεων - όλες δημοσιευμένες για αναθεώρηση - είναι αυτό που διακρίνει την προσπάθεια από τους αδιαφανείς μέσους όρους που έχουν κυριαρχήσει στον ενεργειακό διάλογο της τεχνητής νοημοσύνης μέχρι στιγμής.
Το εάν άλλοι πάροχοι θα ακολουθήσουν το παράδειγμά τους μπορεί να εξαρτάται λιγότερο από τον κώδικα παρά από την πίεση των προμηθειών: εάν οι αγοραστές των επιχειρήσεων αρχίσουν να ζητούν εκπομπές ανά αίτημα σε RFP, οι αναφορές βάσει μέσου όρου θα είναι πιο δύσκολο να προστατευτούν.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
