Maamerkin siirtymässä kohti läpinäkyvyyttä Google on julkaissut ensimmäiset yksityiskohtaiset tiedot AI-malliensa ympäristökustannuksista. Julkaistu torstaina Googlen tekninen paperi. Tehtävät.
vuosien ajan generatiivisen AI: n todelliset energiakustannukset ovat olleet voimakkaita spekulointeja ja keskustelua. Tämä paljastaminen tapahtuu suuren tekniikan asennuspaineessa tekniikan voimakkaan energian ja veden ruokahalun kvantifioimiseksi, mikä tarjoaa tärkeän, vaikkakin yrityshallinnon, vertailukohdan. (WH) energian, emittoi 0,03 grammaa hiilidioksidekvivalenttia (GCO2E) ja käyttää 0,26 millilitraa vettä, kuten tekninen asiakirja Suuruusluokka.
Yrityksen metodologia on suunniteltu heijastamaan Geminin kaltaisen globaalin tuotteen palvelemisen operatiivista todellisuutta. Korkean käytettävyyden ja alhaisen viiveen varmistamiseksi on varustettava huomattava määrä kapasiteettia, mutta tyhjäkäynnillä, valmis käsittelemään liikennepiikkejä tai epäonnistumisia. Tämä reaalimaailman operatiiviset kustannukset sekä isäntäprosessorit ja yleiset tietokeskuksen yleiskustannukset jätetään usein akateemisten tai kolmansien osapuolien arvioiden ulkopuolelle. Google väittää, että nämä kapeammat näkemykset edustavat sitä, mitä se kutsuu “Parhaimmiten optimistinen skenaario.”paljastava. Aktiivisten AI-kiihdyttimien (Googlen TPU: n) osuus on vain 58% kokonaisenergiasta. Tarvittavan isäntäkoneen prosessorin ja muisti edistävät vielä 24%. Varustettujen käyttämättömien koneiden kuluttama energia lisää merkittävän 10% kokonaismäärään. Lopuksi, 8% tulee tietokeskuksen yleiskustannuksista, kuten jäähdytys ja tehonmuutos, tekijä, jonka alan standardien energiankäytön tehokkuus (PUE)-mittari on kerännyt.
Tämä kokonaisvaltainen näkymä on merkittävä ero kapeammista mittausmenetelmistä. Tämän kattavan rajan vaikutus on huomattava. Vaikka Google tuottaa virallisen 0,24 WH: n luvun, Google toteaa, että jos se käyttäisi rajoitetumpaa lähestymistapaa-vain aktiivisen AI-sirun tunnistaminen sen tehokkaimmissa tietokeskuksissa-tulos olisi vain 0,10 WH: tä kohden. Tämä 2,4x-ero korostaa, kuinka paljon energiaa kuluttaa luotettavalle palveluun tarvittavasta välttämättömästä tukevasta infrastruktuurista.
33-kertainen hyppääminen
PR-PROMPT-lukujen kanssa, Google-väitteet ovat tehneet viimeisen vuoden aikana. kestävän kehityksen blogi Yhtiö vakuuttaa, että toukokuun 2024 ja toukokuun 2025 välisenä aikana puhtaan energian energiankulutus. Liittyvä hiilijalanjälki laski vielä suuremman 44-kertaisen. Target=”_ tyhjä”> “Täysisanat lähestymistapa AI-kehitykseen.” Yrityksen tekninen paperi 33X: n energian vähentäminen johti 23X-parannus mallin tehokkuuksista ja 1,4x parannus paremmasta koneen käytöstä.
Mallitasolla Google osoittaa tehokkaampiin arkkitehtuureihin, kuten kokeiluseoksen (MOE). Tämä tekniikka antaa järjestelmän aktivoida vain pienen, asiaankuuluvan alaryhmän suuresta mallista jokaiselle tietylle kyselylle, vähentämällä laskelmia kertoimella 10–100. Muita ohjelmistotekniikoita, kuten spekulatiivista dekoodausta ja tislausta, joka luo pienempiä, optimoituja malleja, kuten Gemini Flash, vähentävät edelleen laskentakuormaa.
Nämä ohjelmistot ovat varusteita. Yhtiö korostaa räätälöityjä tensoriprosessointiyksiköitä (TPU), jotka on suunniteltu yhdessä AI-malliensa kanssa suorituskyvyn maksimoimiseksi wattia kohden. Googlen mukaan sen viimeisimmän sukupolven “Ironwood”TPU on 30 kertaa energiatehokkaampi kuin sen ensimmäinen julkisesti saatavissa oleva versio, joka tarjoaa tehokkaan laitteistosäätiön tehokkuuspyrkimyksilleen.
Lopuksi järjestelmätason optimoinnit ovat ratkaiseva rooli. Googlen palveluspino käyttää edistynyttä ML-ohjelmistopinoa ja dynaamista, melkein todellisen ajan mallin sijoittamista kiihdyttimen tyhjäkäynnin minimoimiseksi, joka on merkittävä hukkaantuneiden energian lähde laajamittaisissa käyttöönotoissa. Nämä innovaatiokerrokset, malliarkkitehtuurista pii, myötävaikuttavat yhdessä Geminin ympäristövaikutusten dramaattiseen vähenemiseen vuosi vuoden takaisesta. Michiganin yliopiston ML.Energy-ponnistelujen johtaja Jae-Won Chung kertoi MIT Technology Review-yritykselle, että “mielestäni tämä on AI-energia-alan Keystone-pala. Se on toistaiseksi kattavin analyysi.”Avain puuttuva tieto on kyselyjen kokonaismäärä Gemini käsittelee päivittäin. Ilman tätä palvelun kokonaisenergian kysynnän laskeminen on edelleen mahdotonta.
Lisäksi Googlen hiilidioksidipäästöluku 0,03 GCO2E kehotusta kohti riippuu markkinapohjaisesta kirjanpidosta. Tätä menetelmää, jonka avulla yritys voi vähentää uusiutuvan energian ostonsa jalanjäljestään, on ollut kiistanalaisuus. Päätutkija Franz Ressel väitti, että “Markkinapohjaiset päästöt ovat yritysystävällinen mittari, joka peittää saastuttajien todelliset vaikutukset ympäristöön”. Tämä keskustelu korostaa yritysilmastojen kirjanpidon monimutkaista ja usein politisoitua luonnetta.
Läpinäkyvyyden muutos asetetaan alanlaajuiselle vallan sekoitukselle. Kun AI: n energiavaatimukset lisääntyvät, tekniset jättiläiset tekevät yhä enemmän valtavia investointeja”yrityksiin”puhtaisiin virtalähteisiin, kuten vesivoima ja ydinenergia varmistaakseen vakaan, 24/7-tarjonnan tietokeskuksilleen.
Tällä abstraktilla keskustelulla on konkreettisia seurauksia, ja jotkut AI-projektit luovat merkittäviä paikallisia ympäristöraskeita, kuten yhteisön mielenosoitukset, kun taas Googlen mielenosoitukset ovat. Merkittävä vaihe, se korostaa myös standardisoidun, koko teollisuudenlaajuisen raportoinnin tarvetta. Kuten Sasha Luccioni, AI: n ja ilmastotutkija, . Ilman yhteistä mittariin AI-vallankumouksen todellisia kustannuksia on edelleen vaikea mitata.
