Một yêu cầu điển hình đối với mẫu máy có trọng lượng mở Kimi K3 thải ra khoảng 0,4 gam CO2 khi chạy trên các máy chủ ở Thụy Điển. Yêu cầu giống hệt nhau, trên phần cứng giống hệt nhau, phát ra 3,2 gram ở Texas - gấp 8,5 lần. Khoảng cách đó là trọng tâm của một phương pháp nguồn mở mới để tính toán lượng khí thải carbon của từng yêu cầu AI, được phát hành vào ngày 21 tháng 10 bởi nhà cung cấp AI Thụy Điển Berget AI cùng với các nhà nghiên cứu từ Viện Môi trường Stockholm (SEI) và các tổ chức phi lợi nhuận WattTime và Klimatkollen.

Tại sao vấn đề tính toán lượng carbon theo yêu cầu For more context on this story, see our ongoing more AI stories.

Theo Berget AI, hầu hết các công ty sử dụng AI không có cách nào biết được việc sử dụng của họ thực sự tạo ra tác hại gì. Các số liệu công khai tồn tại thường là mức trung bình rộng được ước tính từ bên ngoài, được tính bằng cách nhân dấu chân trung bình giả định với ước tính về tổng khối lượng - những con số không ai có thể kiểm tra độc lập.

Phương pháp mới áp dụng cách tiếp cận ngược lại: nó tính toán lượng phát thải theo yêu cầu, dựa trên cường độ phát thải trung bình của lưới điện khu vực nơi các máy chủ thực sự chạy và tích hợp lượng carbon nhúng vào quá trình sản xuất phần cứng. Kết quả phụ thuộc vào mô hình được sử dụng, thời gian trong ngày và liệu một phần lời nhắc có được cung cấp từ bộ đệm hay không, do đó, mỗi yêu cầu được tính toán riêng lẻ thay vì thông qua mức trung bình cố định.

Andreas Lundmark, Giám đốc điều hành của Berget AI, cho biết trong thông báo: “Hầu hết các công ty ngày nay không có cách nào biết được việc họ sử dụng AI sẽ tạo ra tác hại gì”. "Với phương pháp này, khách hàng của chúng tôi có thể thực hiện theo yêu cầu về lượng khí thải của mình và so sánh các nhà cung cấp trên dữ liệu thay vì tiếp thị. Chúng tôi biết hầu hết người mua ở châu Âu sẽ chọn khác nếu họ có thể nhìn thấy các con số."

Lưới là biến chiếm ưu thế

So sánh tiêu đề – 0,4 gam CO2 cho mỗi yêu cầu Kimi K3 ở Thụy Điển so với 3,2 gam ở Texas – chỉ xuất phát từ sự khác biệt trong cách kết hợp lưới điện. Theo thông cáo báo chí, yêu cầu tương tự phát ra 1,6 gam ở Ireland và 2,5 gam ở Đức. Vì phần cứng cơ bản giống hệt nhau trong mỗi trường hợp nên vùng delta gần như hoàn toàn là chức năng của nơi trung tâm dữ liệu cắm vào.

Biến số đó đang trở thành một quyết định mua sắm chứ không phải là một hạn chế cố định. Các mô hình trọng lượng mở, có thể chạy hợp pháp trong bất kỳ trung tâm dữ liệu nào, hiện xử lý phần lưu lượng truy cập AI toàn cầu ngày càng tăng. Berget AI trích dẫn số liệu từ Cổng AI của Vercel cho thấy các mô hình trọng lượng mở đã phân phát 29% mã thông báo vào tháng 6 năm 2026, tăng từ 11% vào tháng 4. Đối với những khối lượng công việc đó, người mua có thể chọn khu vực địa lý - miễn là lượng khí thải thực sự có thể nhìn thấy được.

Christian Landgren, CTO và đồng sáng lập của Berget AI cho biết: “Hầu hết các số liệu đáng báo động về dấu chân của AI đều đến từ việc nhân mức trung bình với dự đoán về khối lượng và không ai có thể kiểm tra chúng”. "Cách so sánh công bằng duy nhất là tính toán từng yêu cầu và cộng chúng lại. Chúng tôi đã công bố các phán quyết của mình để bất kỳ ai cũng có thể kiểm tra và sử dụng chúng."

Được xây dựng trên các tiêu chuẩn hiện có, được phát hành theo MIT

Phương pháp này tuân theo thông số kỹ thuật SCI cho AI của Green Software Foundation và có sẵn theo giấy phép MIT trên GitHub. Berget AI cũng đã ra mắt một máy tính công khai tại co2.berget.ai áp dụng phương pháp này cho bất kỳ mô hình và khu vực nào, dựa trên các công cụ ước tính nguồn mở trước đó như EcoLogits và bảng điều khiển CLEER của Nhóm AI bền vững. Khách hàng sử dụng dịch vụ suy luận của chính Berget có thể xem lượng khí thải tích lũy trong bảng điều khiển của công ty khi họ truy vấn các mô hình.

Các đối tác đã lập bản đồ và đo lường trực tiếp tác động môi trường của cơ sở hạ tầng của Berget - năng lượng, nước và phần cứng - cùng với lượng khí thải carbon của Garbo AI của Klimatkollen, chạy trên cơ sở hạ tầng đó, sau đó kết hợp các phép đo với nghiên cứu hiện tại về chuyển việc sử dụng tài nguyên thành carbon và tác động môi trường rộng hơn.

Tăng trưởng nhu cầu vẫn vượt xa hiệu quả

Bản phát hành được đưa ra trong bối cảnh dự báo mức tiêu thụ điện năng của trung tâm dữ liệu tăng mạnh. Somya Joshi, giám đốc nghiên cứu tại SEI, chỉ ra số liệu của Cơ quan Năng lượng Quốc tế dự đoán mức tiêu thụ điện của trung tâm dữ liệu sẽ tăng hơn gấp đôi lên khoảng 945 TWh vào năm 2030, với AI là động lực chính.

Joshi cho biết trong thông báo: “Bất kỳ lời hứa nào về mức tăng hiệu quả đều có thể bị lu mờ bởi nhu cầu cao hơn, phủ nhận bất kỳ mức giảm phát thải nào từ năng lượng tái tạo”. "Các phương pháp như thế này cung cấp cơ sở minh bạch cho các quyết định sáng suốt. Điểm mạnh của chúng là chúng chứng minh rõ ràng vị trí của lưới điện và cơ sở hạ tầng quan trọng quan trọng như thế nào khi nói đến mức độ bền vững của AI."

Ý nghĩa của nó đối với người mua AI

Đối với các công ty đang triển khai trọng lượng mở của riêng mình, ý nghĩa thực tế rất đơn giản: cùng một mô hình có thể mang giá carbon thay đổi theo hệ số 8 tùy theo khu vực và hiện có các công cụ để đo lường sự khác biệt đó trước khi ký hợp đồng. Berget AI cho biết họ muốn các nhà cung cấp suy luận khác áp dụng báo cáo theo yêu cầu để người mua có thể so sánh các nhà cung cấp dựa trên số liệu đo lường thay vì các tuyên bố tiếp thị.

Các tác giả của phương pháp thừa nhận số liệu của họ là ước tính dựa trên vị trí sử dụng kết hợp lưới điện trung bình thay vì lượng phát thải biên hàng giờ, một cách đơn giản hóa phổ biến đối với loại công cụ này. Mặc dù vậy, tính minh bạch của các giả định - tất cả đều được công bố để xem xét - là yếu tố phân biệt nỗ lực này với các mức trung bình không rõ ràng đã thống trị các cuộc thảo luận về năng lượng AI cho đến nay.

Việc các nhà cung cấp khác có làm theo hay không có thể phụ thuộc ít vào quy tắc hơn là vào áp lực mua sắm: nếu người mua doanh nghiệp bắt đầu yêu cầu lượng phát thải theo yêu cầu trong RFP, thì việc bảo vệ báo cáo dựa trên mức trung bình sẽ trở nên khó khăn hơn.

---

Stay Ahead of AI

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

Read more AI news →