Permintaan tipikal untuk model berbobot terbuka Kimi K3 mengeluarkan sekitar 0,4 gram CO2 saat dijalankan di server di Swedia. Permintaan yang sama, pada perangkat keras yang sama, mengeluarkan 3,2 gram di Texas — 8,5 kali lebih banyak. Kesenjangan tersebut merupakan inti dari metode sumber terbuka baru untuk menghitung emisi karbon dari permintaan AI individu, yang dirilis pada tanggal 21 Oktober oleh penyedia AI asal Swedia, Berget AI, bersama dengan para peneliti dari Stockholm Environment Institute (SEI) dan lembaga nirlaba WattTime dan Klimatkollen.
Mengapa Penghitungan Karbon Per Permintaan Penting For more context on this story, see our ongoing AI trends.
Sebagian besar perusahaan yang menggunakan AI tidak tahu apa sebenarnya emisi yang dihasilkan dari penggunaan mereka, menurut Berget AI. Angka publik yang ada biasanya merupakan perkiraan rata-rata luas dari luar, dihitung dengan mengalikan asumsi rata-rata jejak kaki dengan perkiraan volume total – angka yang tidak dapat diperiksa secara independen oleh siapa pun.
Metode baru ini mengambil pendekatan sebaliknya: metode ini menghitung permintaan emisi berdasarkan permintaan, berdasarkan intensitas emisi rata-rata dari jaringan listrik regional tempat server benar-benar dijalankan, dan melipatgandakan karbon yang tertanam dalam pembuatan perangkat keras. Hasilnya bergantung pada model yang digunakan, waktu, dan apakah bagian dari perintah disajikan dari cache, sehingga setiap permintaan dihitung secara individual, bukan melalui rata-rata tetap.
“Sebagian besar perusahaan saat ini tidak tahu apa yang dihasilkan dari penggunaan AI mereka,” kata Andreas Lundmark, CEO Berget AI, dalam pengumumannya. “Dengan metode ini pelanggan kami dapat mengikuti permintaan emisi mereka berdasarkan permintaan dan membandingkan penyedia berdasarkan data, bukan pemasaran. Kami tahu sebagian besar pembeli di Eropa akan memilih secara berbeda jika mereka dapat melihat angkanya.”
Grid Adalah Variabel Yang Mendominasi
Perbandingan utama – 0,4 gram CO2 per permintaan Kimi K3 di Swedia versus 3,2 gram di Texas – berasal dari perbedaan dalam campuran jaringan saja. Permintaan yang sama mengeluarkan 1,6 gram di Irlandia dan 2,5 gram di Jerman, menurut siaran pers. Karena perangkat keras yang mendasarinya identik dalam setiap kasus, delta hampir seluruhnya merupakan fungsi tempat pusat data dihubungkan.
Variabel tersebut menjadi keputusan pengadaan dan bukan kendala tetap. Model open-weight, yang dapat dijalankan secara legal di pusat data mana pun, kini menangani semakin banyak lalu lintas AI global. Berget AI mengutip angka dari Vercel's AI Gateway yang menunjukkan model open-weight melayani 29% token pada bulan Juni 2026, naik dari 11% pada bulan April. Untuk beban kerja tersebut, pembeli dapat memilih geografi — asalkan emisi benar-benar terlihat.
“Sebagian besar angka yang mengkhawatirkan mengenai jejak AI berasal dari perkalian rata-rata dengan perkiraan volume, dan tidak ada yang bisa memeriksanya,” kata Christian Landgren, CTO dan salah satu pendiri Berget AI. "Satu-satunya perbandingan yang adil adalah dengan menghitung setiap permintaan dan menjumlahkannya. Kami telah menerbitkan keputusan penilaian kami sehingga siapa pun dapat memeriksa dan menggunakannya."
Dibangun berdasarkan Standar yang Ada, Dirilis di Bawah MIT
Metode ini mengikuti spesifikasi SCI untuk AI dari Green Software Foundation dan tersedia di bawah lisensi MIT di GitHub. Berget AI juga telah meluncurkan kalkulator publik di co2.berget.ai yang menerapkan metode ini pada model dan wilayah apa pun, berdasarkan estimator sumber terbuka sebelumnya seperti EcoLogits dan dasbor CLEER dari Sustainable AI Group. Pelanggan layanan inferensi Berget dapat melihat emisi mereka terakumulasi di konsol perusahaan saat mereka menanyakan model.
Para mitra memetakan dan mengukur dampak lingkungan dari infrastruktur Berget secara langsung – energi, air, dan perangkat keras – bersama dengan jejak karbon Garbo AI Klimatkollen, yang berjalan pada infrastruktur tersebut, kemudian menggabungkan pengukuran tersebut dengan penelitian terkini tentang menerjemahkan penggunaan sumber daya menjadi karbon dan dampak lingkungan yang lebih luas.
Pertumbuhan Permintaan Masih Melampaui Efisiensi
Peluncuran ini dilakukan di tengah proyeksi konsumsi daya pusat data yang meningkat tajam. Somya Joshi, direktur penelitian di SEI, merujuk pada angka Badan Energi Internasional yang memproyeksikan konsumsi listrik pusat data akan meningkat dua kali lipat menjadi sekitar 945 TWh pada tahun 2030, dengan AI sebagai pendorong utamanya.
“Setiap janji peningkatan efisiensi kemungkinan besar tidak akan sebanding dengan permintaan yang lebih tinggi, sehingga meniadakan pengurangan emisi dari energi terbarukan,” kata Joshi dalam pengumumannya. “Metodologi seperti ini menawarkan dasar yang transparan untuk pengambilan keputusan. Kekuatan dari metode ini adalah bahwa metode ini secara jelas menunjukkan pentingnya lokasi jaringan listrik dan infrastruktur penting dalam menentukan keberlanjutan AI.”
Apa Artinya bagi Pembeli AI
Bagi perusahaan yang menjalankan penerapan open-weight mereka sendiri, implikasi praktisnya sangat jelas: model yang sama dapat membawa harga karbon yang bervariasi hingga delapan kali lipat tergantung pada wilayahnya, dan kini terdapat alat untuk mengukur perbedaan tersebut sebelum menandatangani kontrak. Berget AI mengatakan pihaknya ingin penyedia inferensi lain mengadopsi pelaporan per permintaan sehingga pembeli dapat membandingkan penyedia berdasarkan angka terukur, bukan klaim pemasaran.
Para penulis metode ini mengakui bahwa angka-angka yang mereka peroleh merupakan perkiraan berdasarkan lokasi dengan menggunakan campuran jaringan rata-rata, bukan emisi marjinal per jam, sebuah penyederhanaan yang umum terjadi pada alat-alat kelas ini. Meski begitu, transparansi asumsi – yang semuanya dipublikasikan untuk ditinjau – adalah hal yang membedakan upaya ini dari rata-rata yang tidak jelas yang mendominasi wacana energi AI sejauh ini.
Apakah penyedia lain akan melakukan hal serupa atau tidak, mungkin tidak terlalu bergantung pada peraturan yang berlaku dibandingkan tekanan pengadaan: jika pembeli perusahaan mulai meminta emisi per permintaan dalam RFP, pelaporan berbasis rata-rata akan menjadi lebih sulit untuk dipertahankan.
---
Stay Ahead of AIGet the latest AI news, analysis, and breakthroughs — all in one place.
Read more AI news →
