Typowe żądanie otwartego modelu Kimi K3 powoduje emisję około 0,4 grama CO2, gdy działa na serwerach w Szwecji. Identyczne żądanie na identycznym sprzęcie emituje 3,2 grama w Teksasie — 8,5 razy więcej. Ta luka stanowi centralny element nowej, otwartej metody obliczania emisji dwutlenku węgla w przypadku indywidualnych żądań sztucznej inteligencji, opublikowanej 21 października przez szwedzkiego dostawcę sztucznej inteligencji Berget AI wraz z badaczami ze Sztokholmskiego Instytutu Środowiska (SEI) oraz organizacji non-profit WattTime i Klimatkollen.

Dlaczego rozliczanie emisji dwutlenku węgla na żądanie ma znaczenie Więcej kontekstu na ten temat znajdziesz w naszych wiadomości AI.

Według Berget AI większość firm korzystających ze sztucznej inteligencji nie ma możliwości sprawdzenia, jakie skutki faktycznie powoduje ich użycie. Dane publiczne, które istnieją, to zazwyczaj szerokie średnie oszacowane z zewnątrz, obliczone poprzez pomnożenie zakładanej średniej powierzchni przez szacunkową całkowitą objętość – liczby, których nikt nie jest w stanie samodzielnie sprawdzić.

Nowa metoda przyjmuje odwrotne podejście: oblicza emisję na każde żądanie w oparciu o średnią intensywność emisji regionalnej sieci energetycznej, w której faktycznie działają serwery, i uwzględnia węgiel osadzony w procesie produkcji sprzętu. Wynik zależy od użytego modelu, pory dnia i tego, czy część podpowiedzi jest obsługiwana z pamięci podręcznej, dlatego każde żądanie jest obliczane indywidualnie, a nie na podstawie średniej płaskiej.

„Większość dzisiejszych firm nie jest w stanie dowiedzieć się, co emituje sztuczna inteligencja” – powiedział w ogłoszeniu Andreas Lundmark, dyrektor generalny Berget AI. „Dzięki tej metodzie nasi klienci mogą śledzić swoje żądania dotyczące emisji po żądaniu i porównywać dostawców na podstawie danych, zamiast kierować się marketingiem. Wiemy, że większość europejskich nabywców wybrałaby inaczej, gdyby mogli zobaczyć liczby”.

Siatka jest zmienną, która dominuje

Główne porównanie – 0,4 grama CO2 na żądanie Kimi K3 w Szwecji w porównaniu z 3,2 grama w Teksasie – wynika z różnic w samym zestawie sieci. Z komunikatu prasowego wynika, że ​​w wyniku tego samego żądania emisja wynosi 1,6 grama w Irlandii i 2,5 grama w Niemczech. Ponieważ podstawowy sprzęt jest w każdym przypadku identyczny, delta jest prawie w całości funkcją miejsca podłączenia centrum danych.

Ta zmienna staje się decyzją dotyczącą zamówienia, a nie stałym ograniczeniem. Modele o otwartej wadze, które można legalnie uruchomić w dowolnym centrum danych, obsługują obecnie rosnącą część globalnego ruchu AI. Berget AI cytuje dane z AI Gateway firmy Vercel pokazujące, że modele o otwartej wadze obsłużyły 29% tokenów w czerwcu 2026 r., w porównaniu z 11% w kwietniu. W przypadku tych obciążeń kupujący może wybrać lokalizację geograficzną – pod warunkiem, że emisje są rzeczywiście widoczne.

„Większość alarmujących danych dotyczących zasięgu sztucznej inteligencji wynika z pomnożenia średniej przez szacunkową wielkość i nikt nie może ich sprawdzić” – powiedział Christian Landgren, dyrektor ds. technicznych i współzałożyciel Berget AI. „Jedynym uczciwym porównaniem jest obliczenie każdego żądania i zsumowanie ich. Opublikowaliśmy nasze wezwania do oceny, aby każdy mógł je sprawdzić i wykorzystać”.

Zbudowany na istniejących standardach, wydany w ramach MIT

Metoda jest zgodna ze specyfikacją SCI for AI organizacji Green Software Foundation i jest dostępna na licencji MIT w serwisie GitHub. Firma Berget AI uruchomiła także publiczny kalkulator na stronie co2.berget.ai, który stosuje tę metodę do dowolnego modelu i regionu, opierając się na wcześniejszych estymatorach typu open source, takich jak EcoLogits i panelu kontrolnym CLEER grupy Sustainable AI Group. Klienci usługi wnioskowania firmy Berget mogą obserwować akumulację swoich emisji w konsoli firmowej podczas sprawdzania modeli.

Partnerzy bezpośrednio zmapowali i zmierzyli wpływ infrastruktury Berget na środowisko – energii, wody i sprzętu – wraz ze śladem węglowym Garbo AI firmy Klimatkollen, który działa na tej infrastrukturze, a następnie połączyli pomiary z bieżącymi badaniami nad przełożeniem zużycia zasobów na emisję dwutlenku węgla i szerszy wpływ na środowisko.

Wzrost popytu wciąż przewyższa wydajność

Publikacja ta pojawia się w kontekście gwałtownie rosnących prognoz dotyczących zużycia energii w centrach danych. Somya Joshi, dyrektor ds. badań w SEI, zwróciła uwagę na dane Międzynarodowej Agencji Energetycznej, które przewidują, że zużycie energii elektrycznej w centrach danych wzrośnie ponad dwukrotnie do około 945 TWh do 2030 r., przy czym głównym czynnikiem będzie sztuczna inteligencja.

„Jakiekolwiek obietnice wzrostu wydajności prawdopodobnie zostaną przeważone przez wyższy popyt, co przekreśli wszelkie redukcje emisji ze źródeł odnawialnych” – stwierdził Joshi w ogłoszeniu. „Takie metodyki zapewniają przejrzystą podstawę do podejmowania świadomych decyzji. Ich siła polega na tym, że wyraźnie pokazują, jakie znaczenie ma lokalizacja sieci i infrastruktury krytycznej, jeśli chodzi o zrównoważoną sztuczną inteligencję”.

Co to oznacza dla kupujących AI

Dla firm prowadzących własne wdrożenia typu open-weight praktyczne konsekwencje są proste: ten sam model może mieć cenę emisji dwutlenku węgla, która różni się ośmiokrotnie w zależności od regionu, a obecnie istnieją narzędzia umożliwiające zmierzenie tej różnicy przed podpisaniem umowy. Berget AI twierdzi, że chce, aby inni dostawcy wnioskowania przyjęli raportowanie na żądanie, aby kupujący mogli porównywać dostawców na podstawie zmierzonych danych, a nie twierdzeń marketingowych.

Autorzy metody potwierdzają, że podane przez nich dane są szacunkami opartymi na lokalizacji i wykorzystują średni skład sieci, a nie godzinne emisje krańcowe, co jest uproszczeniem powszechnym w tej klasie narzędzi. Mimo to przejrzystość założeń – wszystkie opublikowane do przeglądu – jest tym, co odróżnia ten wysiłek od nieprzejrzystych średnich, które dominowały dotychczas w dyskursie dotyczącym energii AI.

To, czy inni dostawcy pójdą ich śladem, może zależeć w mniejszym stopniu od kodeksu, a bardziej od presji zakupowej: jeśli nabywcy w przedsiębiorstwach zaczną pytać w zapytaniach ofertowych o emisję na żądanie, trudniej będzie obronić raportowanie oparte na średnich.

---

Bądź na Bieżąco z AI

Najnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.

Czytaj więcej wiadomości AI →