Гонка LLM триває. Але во що вона обходиться нашій планеті?

TL;DR

• •Навчання великих мовних моделей спожило 5,6 ТВт·ч електроенергії за рік.
• •Водний слід становить 7,3 млрд літрів, що еквівалентно 2 900 олімпійським басейнам.
• •Викиди CO₂e досягли 1,9 млн тонн, що порівнюється з викидами 460 тис. автомобілів.
• •82% ресурсів витрачається на ранні етапи дослідження, а не на фінальний запуск моделей.
• •Оцінка включає 44 великі родини моделей: GPT, Claude, Gemini, Grok, Qwen, DeepSeek, Kimi, GLM та інші.

Як це змінить ваш ринок?

Зростаючий екологічний слід AI може спричинити нові регуляторні обмеження та підвищення енерготарифів для дата-центрів. Компанії, що активно інвестують у LLM, повинні очікувати зростання операційних витрат та можливих податків на вуглецеві викиди. Це також створює можливості для поставщиків «зеленого» хмарного обчислювання та рішень з оптимізацією енергоспоживання. Підприємства, які вже використовують AI у продуктах, можуть переглянути свої стратегії закупок хмарних ресурсів, орієнтуючись на провайдерів з низьким PUE та використанням obnovляємої енергії.

Визначення: LLM (велика мовна модель) — тип штучного інтелекту, що навчається на великих текстах і здатний генерувати логічні відповіді, перекладати тексти та виконувати складні аналітичні завдання.

Для кого це і за яких умов

• •Рівень: керівники та стратегічні планувальники компаній розміром 10-500 осіб.
• •Обладнання: не вимагає спеціалізованого заліза; достатньо доступу до звітів про енергоспоживання ваших AI-постачальників.
• •Бюджет: аналіз можна провести за допомогою безкоштовних онлайн-калькуляторів або корегувати внутрішні звіти про витрати на хмарні ресурси.
• •Час на впровадження: 1-2 тижні для збору даних та оцінки ризиків.
• •Умова: актуально для компаній, які планують розширити використання AI або переговорити контракти з хмарними провайдерами з урахуванням екологічних показників.

Альтернативи