एआय किती पाणी वापरते?

"एआय काही प्रश्नांवरून एक बाटली पाणी पितो" पासून ते "हे मुळात काही थेंब आहे" पर्यंत तुम्ही सर्व काही ऐकले असेल असे मला खात्री आहे. सत्य अधिक सूक्ष्म आहे. एआयचा वॉटर फूटप्रिंट तो कुठे चालतो, तुमचा प्रॉम्प्ट किती काळ चालतो आणि डेटा सेंटर त्याचे सर्व्हर कसे थंड करते यावर अवलंबून मोठ्या प्रमाणात बदलतो. हो, हेडलाइन नंबर अस्तित्वात आहे, परंतु तो सावधानतेच्या झुडुपात राहतो.

खाली मी स्पष्ट, निर्णय घेण्यास तयार आकडे उघड करतो, अंदाज का जुळत नाहीत हे स्पष्ट करतो आणि बांधकाम व्यावसायिक आणि दैनंदिन वापरकर्ते शाश्वततेचे साधू न बनता पाण्याचा वापर कसा कमी करू शकतात हे दाखवतो.

या लेखानंतर तुम्हाला वाचायला आवडतील असे लेख:

🔗 एआय डेटासेट म्हणजे काय?
डेटासेट्स मशीन लर्निंग प्रशिक्षण आणि मॉडेल डेव्हलपमेंट कसे सक्षम करतात हे स्पष्ट करते.

🔗 एआय ट्रेंडचा अंदाज कसा लावते
बदल आणि भविष्यातील परिणामांचा अंदाज घेण्यासाठी एआय नमुन्यांचे विश्लेषण कसे करते ते दाखवते.

🔗 एआय कामगिरी कशी मोजायची
अचूकता, वेग आणि विश्वासार्हतेचे मूल्यांकन करण्यासाठी आवश्यक मेट्रिक्सचे विभाजन करते.

🔗 एआयशी कसे बोलावे
स्पष्टता, परिणाम आणि सातत्य सुधारण्यासाठी प्रभावी प्रेरित धोरणांचे मार्गदर्शन करते.

एआय किती पाणी वापरते? तुम्ही प्रत्यक्षात वापरू शकता असे जलद आकडे 📏

प्रत्येक प्रॉम्प्टसाठी, आजची सामान्य श्रेणी: एका मुख्य प्रवाहातील प्रणालीवरील मध्यम मजकूर प्रॉम्प्टसाठी उप-मिलीलिटरपासून , ते दुसऱ्या प्रणालीवरील लांब, उच्च-गणना प्रतिसादासाठी अनेक मिलीलीटरपर्यंत . उदाहरणार्थ, गूगलच्या उत्पादन लेखांकन अहवालानुसार एक मध्यम मजकूर प्रॉम्प्ट ~0.26 मिलीलीटर (संपूर्ण सर्व्हिंग ओव्हरहेडसह) असतो [1]. मिस्ट्रलच्या जीवनचक्र मूल्यांकनानुसार 400-टोकन असिस्टंट उत्तरासाठी ~45 मिलीलीटर (मार्जिनल इन्फरन्स) लागतो [2]. संदर्भ आणि मॉडेल खूप महत्त्वाचे आहेत.
फ्रंटियर-स्केल मॉडेलचे प्रशिक्षण: लाखो लिटरमध्ये जाऊ शकते , बहुतेक थंड होण्यापासून आणि वीज निर्मितीमध्ये अंतर्भूत असलेल्या पाण्यापासून. एका व्यापकपणे उद्धृत केलेल्या शैक्षणिक विश्लेषणानुसार GPT-क्लास मॉडेलला प्रशिक्षण देण्यासाठी सुमारे 5.4 दशलक्ष लिटरचा अंदाज आहे, ज्यामध्ये थंड होण्याकरिता साइटवर वापरल्या जाणाऱ्या ~700,000 लिटरचा समावेश आहे - आणि पाण्याची तीव्रता कमी करण्यासाठी स्मार्ट वेळापत्रकाचा युक्तिवाद केला [3].
सर्वसाधारणपणे डेटा सेंटर्स: मोठ्या साइट्स दररोज सरासरी लाखो गॅलन , काही कॅम्पसमध्ये हवामान आणि डिझाइनवर अवलंबून उच्च शिखर असतात [5].

प्रामाणिकपणे सांगूया: सुरुवातीला ते आकडे विसंगत वाटतात. ते आहेत. आणि त्याची चांगली कारणे आहेत.

एआय पाणी वापर मेट्रिक्स ✅

"एआय किती पाणी वापरते?" या प्रश्नाचे चांगले उत्तर देण्यासाठी काही चौकटी तपासाव्यात:

सीमा स्पष्टता यामध्ये फक्त ऑन-साईट थंड पाण्याचा समावेश आहे का, की पॉवर प्लांट्सद्वारे वीज निर्मितीसाठी वापरल्या जाणाऱ्या ऑफ-साईट पाण्याचा देखील समावेश आहे? सर्वोत्तम पद्धती कार्बन अकाउंटिंग [3] प्रमाणेच पाणी काढण्याच्या विरुद्ध पाण्याचा वापर आणि स्कोप 1-2-3 मध्ये फरक करते.
स्थान संवेदनशीलता
प्रति kWh पाणी प्रदेश आणि ग्रिड मिक्सनुसार बदलते, त्यामुळे अगदी त्याच प्रॉम्प्टचे पाणी कोठे दिले जाते यावर अवलंबून पाण्याचे वेगवेगळे परिणाम होऊ शकतात - हे एक प्रमुख कारण आहे की साहित्य वेळ-आणि-स्थान-जागरूक शेड्यूलिंगची [3].
कामाचा ताण वास्तववाद
संख्या ही मध्य उत्पादन सूचना, की फक्त शिखरावर असलेल्या प्रवेगक प्रतिबिंबित करते? Google केवळ TPU गणितावर नव्हे तर अनुमानासाठी पूर्ण-सिस्टम अकाउंटिंग (निष्क्रिय, CPU/DRAM आणि डेटा-सेंटर ओव्हरहेड) वर भर देते [1].
कूलिंग तंत्रज्ञान बाष्पीभवन कूलिंग, क्लोज्ड-लूप लिक्विड कूलिंग, एअर कूलिंग आणि उदयोन्मुख डायरेक्ट-टू-चिप पद्धती पाण्याच्या तीव्रतेत नाटकीय बदल करतात. मायक्रोसॉफ्ट काही नवीन पिढीच्या साइट्ससाठी कूलिंग वॉटरचा वापर कमी करण्यासाठी डिझाइन्स आणत आहे [4].
दिवसाचा वेळ आणि ऋतू उष्णता, आर्द्रता आणि ग्रिड परिस्थितीमुळे वास्तविक जीवनात पाण्याच्या वापराची प्रभावीता बदलते; एका प्रभावी अभ्यासात असे सुचवले आहे की जेव्हा आणि जिथे पाण्याची तीव्रता कमी असते तेव्हा प्रमुख कामांचे वेळापत्रक निश्चित करावे [3].

पाणी उपसा विरुद्ध पाणी वापर, स्पष्ट केले 💡

काढणे = नद्या, तलाव किंवा जलसाठ्यांमधून घेतलेले पाणी (काही परत आलेले).
वापर = पाणी बाष्पीभवन झाल्यामुळे किंवा प्रक्रिया/उत्पादनांमध्ये समाविष्ट झाल्यामुळे परत न येणारे .

कूलिंग टॉवर्स प्रामुख्याने बाष्पीभवनाद्वारे पाणी वापरतात . प्लांट आणि कूलिंग पद्धतीनुसार, वीज निर्मितीसाठी मोठ्या प्रमाणात पाणी वापरले जाऊ शकते (कधीकधी त्याचा काही भाग वापरून). एक विश्वसनीय AI-वॉटर नंबर तो कशाचा अहवाल देत आहे हे लेबल करतो [3]

एआय मध्ये पाणी कुठे जाते: तीन बादल्या 🪣

व्याप्ती १ - ऑन-साईट कूलिंग
दृश्यमान भाग: डेटा सेंटरमध्येच बाष्पीभवन झालेले पाणी. बाष्पीभवन विरुद्ध हवा किंवा बंद-लूप द्रव आधाररेखा निश्चित करतात [5].
व्याप्ती २ - वीज निर्मिती
प्रत्येक kWh मध्ये एक लपलेला पाण्याचा टॅग असू शकतो; मिश्रण आणि स्थान तुमच्या कामाचा वारसा किती लिटर-प्रति-kWh सिग्नल देतो हे ठरवते [3].
व्याप्ती 3 - पुरवठा साखळी
चिप उत्पादन प्रक्रियेत अति-शुद्ध पाण्यावर अवलंबून असते. जोपर्यंत सीमेमध्ये स्पष्टपणे अंतर्भूत परिणामांचा (उदा., संपूर्ण LCA) समावेश होत नाही [2][3], तोपर्यंत तुम्हाला ते "प्रति प्रॉम्प्ट" मेट्रिकमध्ये दिसणार नाही.

संख्येनुसार पुरवठादार, सूक्ष्मतेसह 🧮

गुगल जेमिनी फुल-स्टॅक सर्व्हिंग पद्धत (आयडल आणि फॅसिलिटी ओव्हरहेडसह) सुचवते . मध्यक मजकूर प्रॉम्प्ट ~0.26 मिली पाणी आणि ~0.24 Wh ऊर्जा; आकडे उत्पादन रहदारी आणि व्यापक सीमा दर्शवतात [1].
मिस्ट्रल लार्ज 2 जीवनचक्र एका दुर्मिळ स्वतंत्र LCA (ADEME/Carbone 4 सह) प्रशिक्षण + सुरुवातीच्या वापरासाठी ~281,000 m³ आणि 400-टोकन सहाय्यक उत्तरासाठी ~45 mL अनुमान मार्जिनल उघड करते [2].
मायक्रोसॉफ्टची शून्य-पाणी कूलिंगची महत्त्वाकांक्षा: पुढच्या पिढीतील डेटा सेंटर्स थेट-चिप पद्धतींवर अवलंबून, कूलिंगसाठी शून्य पाणी वापरण्यासाठी डिझाइन केलेले आहेत; प्रशासकीय वापरासाठी अजूनही काही पाण्याची आवश्यकता असते [4]
सामान्य डेटा-सेंटर स्केल प्रमुख ऑपरेटर सार्वजनिकरित्या वैयक्तिक ठिकाणी सरासरी दररोज लाखो गॅलनचा अहवाल देतात; हवामान आणि डिझाइन पुश नंबर वर किंवा खाली [5].
पूर्वीच्या शैक्षणिक आधाररेखेनुसार, महत्त्वपूर्ण "थर्स्टी एआय" विश्लेषणाने GPT-क्लास मॉडेल्सना प्रशिक्षित करण्यासाठी लाखो लिटरचा अंदाज लावला होता आणि 10-50 मध्यम उत्तरे अंदाजे 500 मिलीलीटरच्या बाटलीइतकी असू शकतात - ते केव्हा/कुठे चालतात यावर मोठ्या प्रमाणात अवलंबून [3].

अंदाज इतके वेगळे का आहेत 🤷

वेगवेगळ्या सीमा.
काही आकडेवारी फक्त ऑन-साइट कूलिंगची; इतर विजेचे पाणी; एलसीए चिप उत्पादन. सफरचंद, संत्री आणि फळांचे सॅलड [2][3].
वेगवेगळे वर्कलोड्स:
एक छोटा टेक्स्ट प्रॉम्प्ट हा मोठा मल्टीमोडल/कोड रन नसतो; बॅचिंग, कॉन्करन्सी आणि लेटन्सी लक्ष्ये युटिलायझेशन बदलतात [1][2].
वेगवेगळी हवामानं आणि ग्रिड्स.
उष्ण, शुष्क प्रदेशातील बाष्पीभवन शीतलीकरण ≠ थंड, दमट प्रदेशातील हवा/द्रव शीतलीकरण. ग्रिडमधील पाण्याची तीव्रता मोठ्या प्रमाणात बदलते [3].
विक्रेत्यांच्या कार्यपद्धती:
गूगलने एक सिस्टम-व्यापी सर्व्हिंग पद्धत प्रकाशित केली; मिस्ट्रलने एक औपचारिक LCA प्रकाशित केला. इतर विरळ पद्धतींसह बिंदू अंदाज देतात. "एक चमचाभर" असा दावा चर्चेत आला - परंतु सीमा तपशिलाशिवाय, त्याची तुलना करता येत नाही [1][3].
एक गतिमान लक्ष्य
कूलिंग वेगाने विकसित होत आहे. मायक्रोसॉफ्ट वॉटर-फ्री कूलिंगचा ; हे अंमलात आणल्याने अपस्ट्रीम वीज अजूनही पाण्याचे सिग्नल वाहून नेत असली तरीही साइटवरील पाणी कमी होईल [4].

एआयचा वॉटर फूटप्रिंट कमी करण्यासाठी तुम्ही आज काय करू शकता 🌱

मॉडेलचा आकार योग्य ठेवा.
लहान, कार्यानुसार जुळवलेले मॉडेल कमी संगणकीय ऊर्जा वापरून अनेकदा अचूकतेशी जुळतात. मिस्ट्रलचे मूल्यांकन आकार आणि वापराचा मजबूत संबंध अधोरेखित करते - आणि सीमांत अनुमान संख्या प्रकाशित करते जेणेकरून आपण देवाणघेवाणीबद्दल विचार करू शकाल [2].
पाण्याचा जपून वापर करणारे प्रदेश निवडा.
थंड हवामान, कार्यक्षम शीतकरण आणि प्रति kWh कमी पाणी वापरणाऱ्या ग्रीड असलेल्या प्रदेशांना प्राधान्य द्या; "थर्स्टी एआय" कार्य दर्शवते की वेळ आणि ठिकाणानुसार नियोजन करणे उपयुक्त ठरते [3].
वेळेत कामाचे ओझे बदला,
पाणी-कार्यक्षम तासांसाठी प्रशिक्षण/जड बॅच अनुमान वेळापत्रक (थंड रात्री, अनुकूल ग्रिड परिस्थिती) [3].
तुमच्या विक्रेत्याला पारदर्शक मेट्रिक्ससाठी विचारा.
मागणी प्रति-प्रॉम्प्ट पाणी, सीमा व्याख्या आणि संख्यांमध्ये निष्क्रिय क्षमता आणि सुविधा ओव्हरहेड समाविष्ट आहे का. धोरण गट सफरचंद-ते-सफरचंद तुलना शक्य करण्यासाठी अनिवार्य प्रकटीकरणासाठी जोर देत आहेत [3].
कूलिंग तंत्रज्ञान महत्त्वाचे आहे.
जर तुम्ही हार्डवेअर चालवत असाल, तर क्लोज्ड-लूप/डायरेक्ट-टू-चिप कूलिंगचे; जर तुम्ही क्लाउडवर असाल, तर वॉटर-लाइट डिझाइनमध्ये [4][5].
राखाडी पाण्याचा वापर आणि पुनर्वापराचे पर्याय
बरेच कॅम्पस पिण्यायोग्य नसलेले स्रोत बदलू शकतात किंवा लूपमध्ये पुनर्वापर करू शकतात; मोठे ऑपरेटर निव्वळ प्रभाव कमी करण्यासाठी पाण्याचे स्रोत संतुलित करणे आणि थंड करण्याचे पर्याय वर्णन करतात [5].

हे वास्तविक करण्यासाठी एक छोटे उदाहरण (सार्वत्रिक नियम नाही): उन्हाळ्याच्या मध्यभागी उष्ण, कोरड्या प्रदेशातून रात्रीचे प्रशिक्षण काम वसंत ऋतूमध्ये थंड, अधिक दमट प्रदेशात हलवणे - आणि ते कमी गर्दीच्या, थंड तासांमध्ये चालवणे - यामुळे जागेवरील पाण्याचा वापर आणि जागेबाहेरील (ग्रीड) पाण्याची तीव्रता दोन्ही बदलू शकतात. अशा प्रकारचे व्यावहारिक, कमी त्रासाचे यश वेळापत्रक आखून मिळवता येते [3].

तुलना सारणी: एआयचा पाण्याचा खर्च कमी करण्यासाठी जलद पर्याय 🧰

साधन	प्रेक्षक	किंमत	ते का काम करते?
लहान, टास्क-ट्यून केलेले मॉडेल्स	एमएल टीम, उत्पादन लीड्स	कमी-मध्यम	प्रति टोकन कमी गणना = कमी थंड + वीज पाणी; LCA-शैलीतील अहवालात सिद्ध झाले आहे [2].
पाणी/किलोवॅटतास नुसार प्रदेश निवड	क्लाउड आर्किटेक्ट्स, खरेदी	मध्यम	कमी पाण्याची तीव्रता असलेल्या थंड हवामान आणि ग्रिडकडे वळणे; मागणी-जागरूक मार्गासह जोडणे [3].
दिवसाच्या वेळेनुसार प्रशिक्षण विंडो	एमएलओपीएस, शेड्युलर	कमी	थंड रात्री + चांगल्या ग्रिड परिस्थितीमुळे प्रभावी पाण्याची तीव्रता कमी होते [3].
डायरेक्ट-टू-चिप/क्लोज्ड-लूप कूलिंग	डेटा-सेंटर ऑपरेशन्स	मध्यम-उच्च	शक्य असेल तिथे बाष्पीभवन टॉवर्स टाळते, ज्यामुळे साइटवरील वापर कमी होतो [4].
प्रॉम्प्ट लांबी आणि बॅच नियंत्रणे	अ‍ॅप डेव्हलपर्स	कमी	कॅप रनअवे टोकन, बॅच स्मार्टली, कॅशे निकाल; कमी मिलिसेकंद, कमी मिलीलीटर [1][2].
विक्रेत्यांच्या पारदर्शकतेची यादी	सीटीओ, शाश्वतता आघाडी	मोफत	सीमा स्पष्टता (साईटवर विरुद्ध ऑफ-साईट) आणि सफरचंद ते सफरचंद रिपोर्टिंगला सक्ती करते [3].
राखाडी पाणी किंवा पुनर्प्राप्त स्रोत	सुविधा, नगरपालिका	मध्यम	पिण्यायोग्य नसलेले पाणी बदलल्याने पिण्याच्या पुरवठ्यावरील ताण कमी होतो [5].
उष्णता-पुनर्वापर भागीदारी	ऑपरेटर, स्थानिक परिषदा	मध्यम	चांगली थर्मल कार्यक्षमता अप्रत्यक्षपणे थंड मागणी कमी करते आणि स्थानिक सद्भावना निर्माण करते [5].

("किंमत" डिझाइननुसार थोडीशी आहे - तैनाती वेगवेगळी असतात.)

खोलवर जाणे: पॉलिसी ड्रमचा आवाज अधिकच जोरात येत आहे 🥁

अभियांत्रिकी संस्था डेटा-सेंटर ऊर्जा आणि पाण्याच्या अनिवार्य प्रकटीकरणाची मागणी करतात जेणेकरून खरेदीदार आणि समुदाय खर्च आणि फायद्यांचे मूल्यांकन करू शकतील. शिफारसींमध्ये व्याप्ती व्याख्या, साइट-स्तरीय अहवाल आणि साइटिंग मार्गदर्शनाचा समावेश आहे - कारण तुलनात्मक, स्थान-जागरूक मेट्रिक्सशिवाय, आपण अंधारात युक्तिवाद करत आहोत [3].

खोलवर जाणे: सर्व डेटा सेंटर्स एकाच पद्धतीने पाणी पित नाहीत 🚰

"एअर कूलिंगमध्ये पाणी वापरले जात नाही" असा एक प्रचलित गैरसमज आहे. पण ते पूर्णपणे खरे नाही. हवेचा जास्त वापर करणाऱ्या प्रणालींना अनेकदा जास्त विजेची आवश्यकता असते , ज्यासाठी बऱ्याच प्रदेशांमध्ये ग्रीडमधून छुपे पाणी वापरले जाते; याउलट, वॉटर कूलिंगमुळे जागेवरील पाण्याच्या बदल्यात वीज आणि उत्सर्जन कमी करता येते. मोठे ऑपरेटर प्रत्येक जागेनुसार या तडजोडींचा स्पष्टपणे समतोल साधतात [1][5].

खोलवर जाणे: व्हायरल दाव्यांवर एक जलद वास्तव तपासणी 🧪

तुम्ही कदाचित अशी धाडसी विधाने पाहिली असतील की एकच सूचना म्हणजे "पाण्याची बाटली," किंवा दुसऱ्या टोकाला, "फक्त काही थेंब." उत्तम भूमिका: गणितासोबत नम्रता . आजचे विश्वसनीय मापदंड म्हणजे पूर्ण सर्व्हिंग ओव्हरहेडसह मध्यम उत्पादन सूचनेसाठी ~०.२६ मिली [१] आणि ४००-टोकन सहाय्यक उत्तरासाठी (सीमान्त अनुमान) ~४५ मिली [२]. मोठ्या प्रमाणावर शेअर केलेल्या "चमच्याचा पंधरावा भाग" या दाव्याला कोणतीही सार्वजनिक मर्यादा/पद्धत नाही; शहराशिवाय हवामानाचा अंदाज लावल्याप्रमाणे याकडे पाहा [१][३].

लहान-वारंवार विचारले जाणारे प्रश्न: एआय किती पाणी वापरते? पुन्हा एकदा, साध्या इंग्रजीत 🗣️

तर, मी मीटिंगमध्ये काय म्हणावं? “प्रत्येक सूचनेनुसार, मॉडेल, कालावधी आणि ते कोठे चालते यावर अवलंबून, ते थेंबांपासून ते काही घोटांपर्यंत असते. प्रशिक्षणासाठी तलावांची गरज असते , डबक्यांची नाही.” मग वरीलपैकी एक किंवा दोन उदाहरणे द्या.
एआय एकमेव वाईट आहे का?
ते एकमेव केंद्रीकृत आहे: एकत्र पॅक केलेल्या उच्च-शक्तीच्या चिप्समुळे मोठा कूलिंग लोड तयार होतो. परंतु डेटा सेंटर्स ही अशी ठिकाणे आहेत जिथे सर्वोत्तम कार्यक्षमता तंत्रज्ञान प्रथम येते [1][4].
जर आपण सर्वकाही एअर कूलिंगमध्ये हलवले तर काय होईल?
तुम्ही साइटवरील पाणी कमी करू शकता परंतु साइटबाहेर पाणी वाढवू शकता. अत्याधुनिक ऑपरेटर दोन्हीचे वजन करतात [1][5].
भविष्यातील तंत्रज्ञानाबद्दल काय?
अशा डिझाइन्स गेम-चेंजर असतील ज्या पाण्याचे प्रमाण जास्त असेल. काही ऑपरेटर अशा प्रकारे पुढे जात आहेत; ग्रिड बदलेपर्यंत अपस्ट्रीम वीज अजूनही पाण्याचे सिग्नल वाहून नेते [4].

शेवटचे टिप्पण्या - खूप लांब, मी ते वाचले नाही 🌊

प्रति प्रॉम्प्ट: मॉडेल, प्रॉम्प्ट लांबी आणि ते कुठे चालते यावर अवलंबून, सब-मिलीलिटर ते दहा मिलीलीटर विचारात घ्या . एका मोठ्या स्टॅकवर मेडियन प्रॉम्प्ट ~0.26 मिली ; दुसऱ्या [1][2] वर 400-टोकन उत्तरासाठी ~45 मिली .
प्रशिक्षण: अत्याधुनिक मॉडेल्ससाठी लाखो लिटर , ज्यामुळे वेळापत्रक, जागा निवडणे आणि शीतकरण तंत्रज्ञान महत्त्वपूर्ण ठरते [3]
काय करावे: योग्य आकाराचे मॉडेल, पाण्यानुसार प्रदेश निवडा, जड कामे थंड वेळेत हलवा, पाण्याच्या प्रकाशाच्या डिझाइनची सिद्धता करणाऱ्या विक्रेत्यांना प्राधान्य द्या आणि पारदर्शक सीमांची मागणी करा [1][3][4][5].

शेवटी थोडीशी चुकीची रूपक: एआय हा एक तहानलेला ऑर्केस्ट्रा आहे - संगीताची चाल संगणकीय आहे, पण ड्रम थंडगार आहेत आणि पाणी ग्रिड करत आहेत. बँड ट्यून करा आणि प्रेक्षकांना स्प्रिंकलर न वाजवताही संगीत ऐकायला मिळेल. 🎻💦

संदर्भ

गुगल क्लाउड ब्लॉग - गुगलचा एआय किती ऊर्जा वापरतो? आम्ही हिशोब केला आहे (कार्यपद्धती + ~०.२६ मिलीलीटर मीडियन प्रॉम्प्ट, संपूर्ण सर्व्हिंग ओव्हरहेड). लिंक
(टेक्निकल पेपर पीडीएफ: गुगलच्या स्तरावर एआय वितरीत करण्याच्या पर्यावरणीय परिणामाचे मापन.) लिंक
मिस्ट्रल एआय - एआयसाठीच्या जागतिक पर्यावरणीय मानकांमध्ये आमचे योगदान (एडीईएमई/कार्बोन ४ सह एलसीए; ~२८१,००० m³ प्रशिक्षण + प्रारंभिक वापर; प्रति ४००-टोकन उत्तरासाठी ~४५ mL , सीमांत अनुमान). लिंक
ली आणि इतर - एआयला कमी “तहानलेले” बनवणे: एआय मॉडेल्सच्या गुप्त जल-पदचिन्हाचा शोध आणि त्यावर उपाययोजना ( लाखो लिटरचे प्रशिक्षण , वेळ आणि ठिकाणानुसार नियोजन, वापराऐवजी पाणी काढणे). लिंक
मायक्रोसॉफ्ट - पुढच्या पिढीतील डेटासेंटर थंड होण्यासाठी शून्य पाणी वापरतात (काही ठिकाणी पाणी-मुक्त थंड करण्यासाठी डायरेक्ट-टू-चिप डिझाइन). लिंक
गुगल डेटा सेंटर्स - शाश्वतपणे कार्यरत (साइट-दर-साइट कूलिंग ट्रेड-ऑफ; रिपोर्टिंग आणि पुनर्वापर, पुनर्प्राप्त/ग्रेवॉटरसह; प्रमाणाचे सामान्य दैनिक साइट-स्तरीय वापर ऑर्डर). लिंक

अधिकृत एआय असिस्टंट स्टोअरमध्ये नवीनतम एआय शोधा

आमच्याबद्दल

ब्लॉगवर परत