Google baru-baru ini mengumumkan pengurangan tenaga yang luar biasa sebanyak 33 kali ganda untuk pertanyaan AI dalam tempoh hanya satu tahun, tetapi komuniti teknologi mempersoalkan sama ada angka-angka yang mengagumkan ini menceritakan keseluruhan kisah. Dakwaan tersebut telah mencetuskan perdebatan hangat mengenai cara syarikat mempersembahkan data impak alam sekitar dan sama ada metodologi Google mewujudkan gambaran yang mengelirukan tentang kos tenaga sebenar AI.
Metrik Tenaga AI yang Dilaporkan Google:
- Median prompt teks Gemini Apps : 0.24 watt-jam tenaga
- Pelepasan karbon: 0.03 gram CO2 setara bagi setiap prompt
- Penggunaan air: 0.26 mililiter bagi setiap prompt
- Bersamaan dengan ~9 saat menonton TV bagi setiap pertanyaan
Kontroversi Median vs Min
Inti kontroversi terletak pada pilihan Google untuk melaporkan penggunaan tenaga median berbanding penggunaan purata. Pengkritik berpendapat pendekatan statistik ini membolehkan Google mempersembahkan angka yang jauh lebih rendah dengan memasukkan operasi AI kecil yang tidak terkira banyaknya daripada ringkasan carian bersama-sama dengan tugas yang lebih intensif tenaga. Apabila Google menjalankan model AI kecil untuk setiap pertanyaan carian bagi menghasilkan gambaran keseluruhan AI yang muncul di bahagian atas hasil carian, operasi ringan ini boleh menarik turun nilai median dengan ketara.
Ia seperti menambah 8 hidangan tambahan dengan sehelai daun salad dan kemudian mendakwa anda mengurangkan pengambilan kalori median hidangan anda.
Helah statistik ini bermakna walaupun model paling berkuasa Google seperti Gemini 2.5 Pro mungkin masih menggunakan tenaga yang besar, pengiraan median memberi tumpuan kepada model yang jauh lebih kecil yang mengendalikan tugas carian rutin. Komuniti menunjukkan bahawa apabila syarikat biasanya melaporkan keuntungan kecekapan, mereka menggunakan purata kerana ia lebih mewakili impak keseluruhan merentas semua operasi.
Spesifikasi Model yang Hilang Menimbulkan Tanda Merah
Satu lagi kebimbangan utama ialah keengganan Google untuk menyediakan data penggunaan tenaga khusus untuk model individu. Laporan tersebut membincangkan Gemini Apps dan menggunakan istilah luas seperti median Gemini tanpa mengenal pasti dengan jelas model AI khusus mana yang disertakan dalam pengiraan. Kekaburan ini menjadikannya mustahil bagi penyelidik dan pesaing untuk mengesahkan dakwaan atau memahami penambahbaikan apa yang sebenarnya berlaku.
Komuniti teknikal menyatakan bahawa laporan Google dengan berhati-hati mengelak daripada menamakan versi model khusus apabila membincangkan pengurangan tenaga, tidak seperti bahan pemasaran biasa yang akan menyerlahkan penambahbaikan kepada produk utama. Peninggalan ini menunjukkan keuntungan kecekapan yang mengagumkan mungkin tidak terpakai kepada model besar dan berkebolehan yang kebanyakan pengguna fikirkan apabila membincangkan prestasi AI.
Apa yang Dikecualikan daripada Analisis Google:
- Kos tenaga latihan model AI
- Penggunaan tenaga infrastruktur rangkaian
- Beban pengiraan peranti pengguna akhir
- Tenaga daripada latihan yang gagal/tidak digunakan
Penambahbaikan Sebenar Tertimbus dalam Pemasaran
Walaupun terdapat kebimbangan statistik, Google telah membuat kemajuan teknikal tulen yang menyumbang kepada kecekapan tenaga. Syarikat itu melaksanakan beberapa teknik pengoptimuman termasuk seni bina Mixture-of-Experts , yang mengaktifkan hanya bahagian model AI yang diperlukan untuk permintaan khusus. Mereka juga membangunkan versi model yang lebih padat dan menambah baik pengurusan pusat data untuk memastikan perkakasan beroperasi pada kecekapan puncak.
Pemecut AI tersuai Google dan tindanan perisian yang dioptimumkan memberikan kelebihan tambahan, membolehkan syarikat menala halus kedua-dua perkakasan dan perisian untuk kecekapan maksimum. Penambahbaikan teknikal ini mewakili kemajuan sebenar dalam menjadikan operasi AI lebih mampan, walaupun angka tajuk utama mungkin mengelirukan.
Pengoptimuman Teknikal yang Dilaksanakan:
- Mixture-of-Experts (MoE): Mengurangkan keperluan pengkomputeran sebanyak 10-100x dengan mengaktifkan hanya bahagian model yang berkaitan sahaja
- Model Quantization: Memampatkan model sambil mengekalkan prestasi
- Pengoptimuman Perkakasan: Pemecut AI tersuai yang direka khusus untuk perisian Google
- Kecekapan Pusat Data: Kadar penggunaan yang dipertingkatkan dan keadaan idle berkuasa rendah
 |
|---|
| Kemudahan moden ini menonjolkan kemajuan dalam kecekapan tenaga dan kelestarian dalam teknologi, mencerminkan usaha Google untuk mengoptimumkan penggunaan tenaga AI |
Gambaran Besar tentang Penggunaan Tenaga AI
Perdebatan ini menyerlahkan cabaran yang lebih luas dalam mengukur impak alam sekitar AI. Walaupun kecekapan pertanyaan individu telah bertambah baik, jumlah keseluruhan operasi AI telah meletup apabila syarikat mengintegrasikan ciri AI ke dalam setiap produk dan perkhidmatan. Google kini menjalankan operasi AI untuk setiap pertanyaan carian, mewujudkan permintaan pengiraan besar-besaran yang tidak wujud hanya beberapa tahun lalu.
Perbincangan ini juga mendedahkan kerumitan mengukur penggunaan tenaga AI. Analisis Google merangkumi penggunaan pemproses, memori, penyejukan, dan pelepasan pembuatan perkakasan, tetapi tidak termasuk kos latihan dan infrastruktur rangkaian. Peninggalan ini bermakna kos alam sekitar sebenar AI kekal sukar untuk dikuantifikasi, menjadikannya lebih mudah bagi syarikat untuk mempersembahkan statistik yang menggalakkan sambil mengelakkan gambaran penuh.
Kontroversi ini menggariskan keperluan untuk kaedah pelaporan yang standard dan telus bagi penggunaan tenaga AI. Apabila AI menjadi lebih berleluasa merentas semua perkhidmatan digital, pengukuran yang tepat dan pelaporan yang jujur akan menjadi penting untuk membuat keputusan termaklum tentang pertukaran alam sekitar teknologi.
Rujukan: Google says it dropped the energy cost of AI queries by 33x in one year