အလွတ်အလေးချိန်မော်ဒယ် Kimi K3 အတွက် ပုံမှန်တောင်းဆိုချက်တစ်ခုသည် ဆွီဒင်ရှိဆာဗာများပေါ်တွင်အလုပ်လုပ်သောအခါ CO2 0.4 ဂရမ်ခန့် ထုတ်လွှတ်သည်။ အလားတူ ဟာ့ဒ်ဝဲတွင် တူညီသော တောင်းဆိုချက်သည် Texas တွင် 3.2 ဂရမ် ထုတ်လွှတ်သည် — 8.5 ဆ ပိုသည်။ ဆွီဒင် AI ပံ့ပိုးပေးသူ Berget AI မှ အောက်တိုဘာလ 21 ရက်နေ့တွင် ထုတ်ပြန်ခဲ့သော စတော့ဟုမ်းပတ်ဝန်းကျင် အင်စတီကျု (SEI) မှ သုတေသီများနှင့် အကျိုးအမြတ်မယူသော WattTime နှင့် Klimatkollen တို့မှ သုတေသီများနှင့်အတူ အဆိုပါ ကွာဟချက်သည် ကာဗွန်ထုတ်လွှတ်မှုကို တွက်ချက်ရန်အတွက် ပွင့်လင်းအရင်းအမြစ်နည်းလမ်းအသစ်၏ အဓိကအချက်ဖြစ်သည်။

ဘာကြောင့် ကာဗွန်စာရင်းကိုင်ကိစ္စတွေကို တောင်းဆိုတာလဲ။ For more context on this story, see our ongoing artificial intelligence updates.

Berget AI ၏အဆိုအရ AI ကိုအသုံးပြုသည့်ကုမ္ပဏီအများစုသည် ၎င်းတို့၏အသုံးပြုမှုအမှန်တကယ်ထွက်ပေါ်လာသည်ကို သိရှိရန်နည်းလမ်းမရှိပေ။ တည်ရှိနေသော အများသူငှာ ကိန်းဂဏာန်းများသည် အများအားဖြင့် ပြင်ပမှ ခန့်မှန်းထားသော ကျယ်ပြန့်သော ပျမ်းမျှခြေရာကို စုစုပေါင်းထုထည်ကို ခန့်မှန်းခြင်းဖြင့် တွက်ချက်သည် — ဂဏန်းများကို မည်သူမျှ လွတ်လပ်စွာ စစ်ဆေးနိုင်ပါသည်။

နည်းလမ်းသစ်သည် ဆန့်ကျင်ဘက်နည်းလမ်းကို အသုံးပြုသည်- ၎င်းသည် ဆာဗာများ အမှန်တကယ်လည်ပတ်နေသည့် ဒေသဆိုင်ရာ လျှပ်စစ်ဓာတ်အားလိုင်း၏ ပျမ်းမျှထုတ်လွှတ်မှုပြင်းထန်မှုကို အခြေခံ၍ တောင်းဆိုမှုဖြင့် ဓာတ်ငွေ့ထုတ်လွှတ်မှုကို တွက်ချက်ကာ ဟာ့ဒ်ဝဲကို ထုတ်လုပ်သည့် မြှုပ်ထားသော ကာဗွန်အတွင်း ခေါက်ထည့်သည်။ ရလဒ်သည် အသုံးပြုသည့် မော်ဒယ်၊ နေ့၏ အချိန်နှင့် အပေးအယူ၏ တစ်စိတ်တစ်ပိုင်းကို ကက်ရှ်မှ ဆောင်ရွက်ပေးခြင်း ရှိမရှိ၊ ထို့ကြောင့် တောင်းဆိုချက်တစ်ခုစီကို ပျမ်းမျှအားဖြင့် မဟုတ်ဘဲ တစ်ဦးချင်း တွက်ချက်ပါသည်။

"ယနေ့ခေတ် ကုမ္ပဏီအများစုသည် ၎င်းတို့၏ AI အသုံးပြုမှုအား မည်သို့မည်ပုံ ထုတ်ပေးသည်ကို သိရှိရန် နည်းလမ်းမရှိပါ" ဟု Berget AI ၏ CEO Andreas Lundmark က ကြေငြာချက်တွင် ပြောကြားခဲ့သည်။ "ဤနည်းလမ်းဖြင့် ကျွန်ုပ်တို့၏ဖောက်သည်များသည် ၎င်းတို့၏ ဓာတ်ငွေ့ထုတ်လွှတ်မှုတောင်းဆိုမှုကို လိုက်လျှောက်နိုင်ပြီး စျေးကွက်ချဲ့ထွင်ခြင်းအစား ဒေတာနှင့် ဝန်ဆောင်မှုပေးသူများကို နှိုင်းယှဉ်နိုင်သည်။ ဥရောပဝယ်လက်အများစုသည် နံပါတ်များကို မြင်နိုင်လျှင် ကွဲပြားစွာရွေးချယ်ကြမည်ကို ကျွန်ုပ်တို့သိပါသည်။"

Grid သည် လွှမ်းမိုးထားသော Variable ဖြစ်သည်။

ဆွီဒင်ရှိ Kimi K3 တောင်းဆိုမှုတစ်ခုလျှင် CO2 0.4 ဂရမ် နှင့် Texas ရှိ 3.2 ဂရမ် နှိုင်းယှဉ်ချက်သည် ဇယားကွက်တစ်ခုတည်းတွင် ကွဲပြားမှုများမှ ထွက်ပေါ်လာသည်။ အလားတူ တောင်းဆိုချက်သည် အိုင်ယာလန်တွင် ၁.၆ ဂရမ်နှင့် ဂျာမနီတွင် ၂.၅ ဂရမ် ထုတ်လွှတ်ကြောင်း ထုတ်ပြန်ချက်တွင် ဖော်ပြထားသည်။ အရင်းခံဟာ့ဒ်ဝဲသည် ကိစ္စတစ်ခုစီတွင် တူညီသောကြောင့်၊ မြစ်ဝကျွန်းပေါ်ဒေသသည် ဒေတာစင်တာတွင် ပလပ်ထိုးသည့်နေရာတွင် လုံးလုံးနီးပါး လုပ်ဆောင်မှုတစ်ခုဖြစ်သည်။

ထိုကိန်းရှင်သည် ပုံသေကန့်သတ်ကန့်သတ်ချက်ထက် ဝယ်ယူရေးဆိုင်ရာ ဆုံးဖြတ်ချက်ဖြစ်လာသည်။ မည်သည့်ဒေတာစင်တာတွင်မဆိုတရားဝင်လည်ပတ်နိုင်သည့် Open-weight မော်ဒယ်များသည် ယခုအခါ ကမ္ဘာလုံးဆိုင်ရာ AI အသွားအလာ၏ဝေစုကို ကိုင်တွယ်ဖြေရှင်းလျက်ရှိသည်။ Berget AI သည် ဧပြီလတွင် 11% မှ 2026 ခုနှစ် ဇွန်လတွင် တိုကင်များ 29% ပေးဆောင်ခဲ့သည်ကိုပြသထားသော open-weight မော်ဒယ်များကိုပြသထားသော Vercel ၏ AI Gateway မှကိန်းဂဏန်းများကို ကိုးကားဖော်ပြပါသည်။ ထိုအလုပ်များ အတွက်၊ ဝယ်သူသည် ပထဝီဝင်ကို ရွေးချယ်နိုင်သည် — ပေးထားသော ထုတ်လွှတ်မှုများအား အမှန်တကယ် မြင်နိုင်သည် ။

"AI ၏ခြေရာခံခြင်းဆိုင်ရာ စိုးရိမ်ဖွယ်ကိန်းဂဏန်းအများစုသည် ထုထည်ကို ခန့်မှန်းခြင်းဖြင့် ပျမ်းမျှအား မြှောက်ခြင်းမှ လာကြောင်း၊ ၎င်းတို့ကို မည်သူမျှ စစ်ဆေးနိုင်မည်မဟုတ်ကြောင်း" ဟု Christian Landgren၊ CTO နှင့် Berget AI ၏ ပူးတွဲတည်ထောင်သူ Christian Landgren က ပြောကြားခဲ့သည်။ "တစ်ခုတည်းသော တရားမျှတသော နှိုင်းယှဉ်မှုမှာ တောင်းဆိုချက်တစ်ခုစီကို တွက်ချက်ပြီး ၎င်းတို့ကို ပေါင်းထည့်ရန် ဖြစ်ပါသည်။ ကျွန်ုပ်တို့သည် ကျွန်ုပ်တို့၏ တရားစီရင်ခြင်း ခေါ်ဆိုမှုများကို ထုတ်ပြန်လိုက်သောကြောင့် မည်သူမဆို ၎င်းတို့ကို စစ်ဆေးပြီး အသုံးပြုနိုင်ပါသည်။"

MIT လက်အောက်ရှိ လက်ရှိ စံနှုန်းများဖြင့် တည်ဆောက်ထားသည်။

နည်းလမ်းသည် AI သတ်မှတ်ချက်အတွက် Green Software Foundation ၏ SCI နှင့် လိုက်နာပြီး GitHub တွင် MIT လိုင်စင်အောက်တွင် ရနိုင်ပါသည်။ Berget AI သည် co2.berget.ai တွင် အဆိုပါနည်းလမ်းကို မည်သည့်မော်ဒယ်နှင့်ဒေသအတွက်မဆို အသုံးချကာ EcoLogits နှင့် Sustainable AI Group ၏ CLEER dashboard ကဲ့သို့သော ပွင့်လင်းသောအရင်းအမြစ် ခန့်မှန်းချက်များကို တည်ဆောက်ထားသည်။ Berget ၏ ကိုယ်ပိုင် ကောက်ချက်ချသော ဝန်ဆောင်မှုမှ ဖောက်သည်များသည် မော်ဒယ်များကို မေးမြန်းသည့်အခါ ကုမ္ပဏီ ကွန်ဆိုးလ်တွင် ၎င်းတို့၏ ထုတ်လွှတ်မှု အစုအဝေးကို ကြည့်ရှုနိုင်သည်။

ပါတနာများသည် Berget ၏ အခြေခံအဆောက်အဦများဖြစ်သည့် စွမ်းအင်၊ ရေနှင့် ဟာ့ဒ်ဝဲများ — ကာဗွန်ခြေရာကို ထိုအခြေခံအဆောက်အအုံပေါ်တွင်လည်ပတ်သည့် Klimatkollen ၏ Garbo AI ၏ ကာဗွန်ခြေရာဖြင့် တိုင်းတာပြီး တိုင်းတာမှုများကို ကာဗွန်နှင့် ပိုမိုကျယ်ပြန့်သော သဘာဝပတ်ဝန်းကျင်ဆိုင်ရာအကျိုးသက်ရောက်မှုအဖြစ် ဘာသာပြန်ဆိုခြင်းဆိုင်ရာ လက်ရှိသုတေသနနှင့် တိုင်းတာမှုများကို ပေါင်းစပ်ထားသည်။

ဝယ်လိုအားတိုးတက်မှုသည် စွမ်းဆောင်ရည်ထက် သာလွန်နေသေးသည်။

ဒေတာစင်တာ ပါဝါသုံးစွဲမှုအတွက် သိသိသာသာ မြင့်တက်လာသည့် ခန့်မှန်းချက်များကြားတွင် ထုတ်ပြန်ချက်သည် ထွက်ပေါ်လာသည်။ SEI မှ သုတေသနဒါရိုက်တာ Somya Joshi က AI သည် အဓိကမောင်းနှင်သူအဖြစ် 2030 တွင် ဒေတာစင်တာလျှပ်စစ်ဓာတ်အားသုံးစွဲမှု နှစ်ဆကျော်ရှိမည်ဟု ခန့်မှန်းထားသည့် ကိန်းဂဏန်းများကို နိုင်ငံတကာစွမ်းအင်အေဂျင်စီက ထောက်ပြခဲ့သည်။

"ပြန်လည်ပြည့်ဖြိုးမြဲထုတ်ကုန်များမှ ဓာတ်ငွေ့ထုတ်လွှတ်မှု လျှော့ချခြင်းများကို ပယ်ချခြင်းဖြင့် ပိုမိုမြင့်မားသော ၀ယ်လိုအားကြောင့် ထိရောက်မှုရရှိမှု၏ ကတိကို ကျော်လွန်နိုင်သည်" ဟု Joshi က ကြေငြာချက်တွင် ပြောကြားခဲ့သည်။ "ဤကဲ့သို့သော နည်းစနစ်များသည် အသိဥာဏ်ရှိသော ဆုံးဖြတ်ချက်များအတွက် ပွင့်လင်းမြင်သာသော အခြေခံကို ပေးဆောင်ပါသည်။ ၎င်းတို့၏ အားသာချက်မှာ AI မည်မျှ ရေရှည်တည်တံ့နိုင်သည်ဆိုသည့်အချက်နှင့် ပတ်သက်လာလျှင် ဇယားကွက်၏တည်နေရာနှင့် အရေးကြီးသော အခြေခံအဆောက်အအုံဆိုင်ရာ အရေးကြီးပုံကို ရှင်းလင်းစွာပြသနိုင်ခြင်းဖြစ်သည်။"

AI ဝယ်သူများအတွက် ဘာကိုဆိုလိုသနည်း။

၎င်းတို့၏ကိုယ်ပိုင်အလေးပေးစနစ်ဖြင့် ဖြန့်ကျက်လုပ်ဆောင်နေသည့်ကုမ္ပဏီများအတွက်၊ လက်တွေ့ကျသောသက်ရောက်မှုမှာ ရိုးရှင်းသည်- တူညီသောမော်ဒယ်သည် ဒေသပေါ်မူတည်၍ ကာဗွန်စျေးနှုန်းကို အချက်ရှစ်ချက်ဖြင့် ကွဲပြားနိုင်ပြီး စာချုပ်မချုပ်ဆိုမီ ထိုကွာခြားချက်ကို တိုင်းတာရန် ကိရိယာများလည်း ရှိလာပါပြီ။ Berget AI က ဝယ်ယူသူများသည် စျေးကွက်ရှာဖွေရေး တောင်းဆိုချက်ထက် တိုင်းတာထားသော ကိန်းဂဏန်းများပေါ်တွင် ဝန်ဆောင်မှုပေးသူများကို နှိုင်းယှဉ်နိုင်စေရန် တောင်းဆိုချက်တစ်ခုစီ အစီရင်ခံတင်ပြမှုကို အခြားသော အနုမာနပံ့ပိုးပေးသူများကို လိုလားကြောင်း Berget AI မှ ပြောကြားခဲ့သည်။

နည်းလမ်း၏စာရေးဆရာများသည် ၎င်းတို့၏ကိန်းဂဏန်းများသည် နာရီအလိုက်မဖြစ်စလောက်ထုတ်လွှတ်မှုထက် ပျမ်းမျှဂရစ်ရောနှောကိုအသုံးပြု၍ တည်နေရာအခြေခံခန့်မှန်းချက်ဖြစ်ကြောင်း အသိအမှတ်ပြုကြသည်၊၊ ဤကိရိယာအတန်းအစားအတွက် ရိုးရှင်းမှုဖြစ်သည်။ မည်သို့ပင်ဆိုစေကာမူ၊ ပြန်လည်သုံးသပ်ရန်အတွက် ထုတ်ပြန်ထားသော ယူဆချက်များ၏ ပွင့်လင်းမြင်သာမှုသည် AI စွမ်းအင်ဟောပြောချက်ကို ယခုအချိန်အထိ လွှမ်းမိုးထားသည့် opaque ပျမ်းမျှများနှင့် အားထုတ်မှုကို ကွဲပြားစေသည်။

အခြားဝန်ဆောင်မှုပေးသူများသည် ၀ယ်လိုအားထက် ကုဒ်အပေါ် လိုက်လျောညီထွေဖြစ်စေခြင်း ရှိမရှိသည် ဝယ်ယူမှုဖိအားထက် ကုဒ်ပေါ်တွင်မူတည်သည်- လုပ်ငန်းဝယ်သူများသည် RFPs တွင် တောင်းဆိုချက်တစ်ခုချင်းထုတ်လွှတ်မှုကို စတင်တောင်းဆိုပါက၊ ပျမ်းမျှအခြေခံအစီရင်ခံချက်သည် ခုခံရန် ပိုမိုခက်ခဲလာမည်ဖြစ်သည်။

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →