УДК 004.8:004.031.4
Авторы
Добаева Элизабетта,
Агузарова Мадина Тамерлановна,
Северо-Осетинский государственный университет им. К.Л. Хетагурова, Владикавказ
Аннотация
В статье исследуется совокупная энергоёмкость современных систем искусственного интеллекта (ИИ): от этапов проектирования и обучения моделей до эксплуатации (инференс), хранения, сетевой передачи и «встроенного» (embodied) углеродного следа аппаратного обеспечения. Проведен обзор эмпирических оценок энергопотребления и углеродных выбросов для крупных языковых моделей и дата-центров, сопоставлены методики оценки (включая энд-ту-энд модели), и проанализированы факторы, определяющие динамику спроса на электроэнергию (аппаратная плотность, централизация вычислений, эффективные алгоритмы, распределённый инференс). На основе собранных данных предложена стандартизированная методика оценки энергетического следа ИИ и представлены количественные диапазоны энергопотребления для типичных сценариев обучения и инференса (по состоянию на Q1 2025). Обсуждаются пути снижения эмиссий: повышение энергоэффективности аппаратуры, оптимизация алгоритмов, энергетическое планирование дата-центров и регулятивные меры. Дается набор практических рекомендаций для исследовательских групп, индустрии и политиков.
Ключевые слова
искусственный интеллект, энергопотребление, углеродный след, дата-центры, обучение моделей, инференс, энергоэффективность, устойчивые вычисления, LLM.
