Skip to content

GCRI · زیرەکی دەستکرد و سیستەمە خۆسەرەکان

کۆمپیوتەر و وزە

Training and running AI requires specialised chips, data centres, electricity, cooling water and network capacity. Demand is growing quickly and concentrating in particular places, with effects on power grids, water resources and emissions. This page sets out how AI compute uses energy and water, how those uses are measured, and what evidence serves the grid operators, planners and policymakers who must accommodate them.

01تابلۆ

چۆن کارەکە بەڕێوە دەچێت.

سیستەم · دەوروبەری ئەم بابەتەنموونەیی

تۆماری مۆدێلەکان

Compute and energy · Model registry · Release gate

یەک مۆدێل لە دەروازەدا ڕاگیراوەGCRI · زیرەکی دەستکرد و سیستەمە خۆسەرەکان

مۆدێلەکان

M-904 triage assistantخزمەتگوزاریی گشتیبەرز19 of 24 suitesبەربەستکراو
M-890 flood nowcastزانستناوەند10 of 12بڵاوکراوەتەوە
M-955 document searchناوخۆییکەم7 لە 8بڵاوکراوەتەوە
M-242 agent plannerئەیجێنتیبەرز13 of 16لە هەڵسەنگاندندایە

کارتی مۆدێل

مەبەستی بەکارهێنان
پشتگیریی هەڵبژاردنی کەیس، مرۆڤ بڕیار دەدات
دەرەوەی سنوور
بڕیاری شیاوی
سنووردارییە ناسراوەکان
وردیی کەمتر لە حاڵەتە دەگمەنەکاندا
خاوەن
خاوەنی مۆدێل

تۆماری ڕووداو

  1. D-28INCسەرچاوەی خەیاڵی لە پوختەدا
  2. D-6MITبناغەی گەڕانەوە زیاد کرا
  3. D-4INCدەرزیلێدانی فەرمان لە ڕێگەی فایلی بارکراوەوە
  4. D-1MITمۆڵەتی ئامراز تەسک کرایەوە

Evaluation scores

vs release threshold

Task accuracy71 of 85 requiredRobustness71 of 75 requiredFairness gap (lower is better)3 of 5 requiredRefusal on misuse91 of 95 required
Model registry: the screen’s structure, terms and states for Compute and energy.ناو و بەهای نموونەیی؛ دیزاینێکە، نەک تۆمار یان سیستەمی ڕاستەوخۆ.

وێنەModel registry: example names and illustrative values, not a record or a live system.

02The question

Compute and energy: how the risk develops.

Compute concentration, efficiency and demand. The dossier below sets out how the risk develops, what is measured, where the data come from, how it is modelled and who decides.

میکانیزم

Training and inference both use energy

Training a large model uses a large amount of electricity once; inference uses less per query but runs continuously at scale, and can dominate over a model’s life.

میکانیزم

Data centres strain local grids

Large data centres need connections comparable to industrial plants. Clusters in one region can outpace grid and generation build-out.

میکانیزم

Cooling uses water

Evaporative cooling and electricity generation consume water. Where water is scarce, data centre siting competes with other uses.

میکانیزم

Efficiency and demand move together

Hardware and software efficiency improve quickly, but lower costs can raise total use. Net energy demand depends on both.

03جوگرافیا

Energy now in East Asia.

Night lights, population density and land cover over East Asia, from NASA GIBS. Each layer carries its own date.

نەخشە کارلێککارەکە JavaScript پێویستە؛ لیستی چینەکان و سەرچاوەکان لە خوارەوەن.

چینەکان 3

وزە ئێستا، بۆ ئەم لاپەڕەیە

دەربارەی ئەم چینە
بەڵگە
چاودێریکراو
سەرچاوە
VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
دابینکەر
NASA LAADS DAAC
مۆڵەت
داتای کراوەی NASA
ساڵی بەرهەم
ڕۆژانە؛ تیشکی ماهەوارە، ڕاستکراوە بۆ مانگەشەو و کەشوهەوا
نوێترین لە کاتی بنیاتنان
2026-10-12
ڕوونی
نزیکەی تۆڕی 500 m
نادڵنیایی
تیشکی شەوی ماهەوارە بۆ ئەو بەروارەی پیشاندراوە؛ ڕووناکی جێگرەوەی بەکارهێنانی کارەبا و پچڕانە، نەک پێوانەی دابینکردن یان دەستگەیشتن.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت
دەربارەی ئەم چینە
بەڵگە
مەزەندەکراو
سەرچاوە
Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Columbia University))
دابینکەر
NASA SEDAC (CIESIN، زانکۆی کۆلۆمبیا)
مۆڵەت
CC BY 4.0
ساڵی بەرهەم
null؛ خەمڵاندن لەسەر بنەمای سەرژمێری، نەگۆڕ (2020)
ڕوونی
نزیکەی تۆڕی 1 km
نادڵنیایی
مەزەندەی بنەماداری سەرژمێری بۆ خەڵک بۆ هەر کیلۆمەترێکی دووجا لە 2020، وەک ناوەڕۆکی ڕووبەڕووبوون پیشان دراوە؛ ژمارەی ئەو خەڵکە نییە کە بەهۆی هیچ مەترسیدەرێکەوە کاریگەر بوون.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت
دەربارەی ئەم چینە
بەڵگە
مۆدێلکراو (دوایین مانگ کە GIBS بڵاوی دەکاتەوە)
سەرچاوە
MERRA-2 (NASA GMAO / GES DISC)
دابینکەر
NASA GMAO / GES DISC
مۆڵەت
داتای کراوەی NASA
ساڵی بەرهەم
مانگانە؛ مۆدێلی شیکاریی دووبارە؛ نوێترین مانگ کە GIBS بڵاوی دەکاتەوە
نوێترین لە کاتی بنیاتنان
2026-07-01
ڕوونی
نزیکەی تۆڕی 2 km
نادڵنیایی
مەزەندەی مۆدێلی شیکارییەوە بۆ تێکڕای مانگانەی تیشکی خۆر لەسەر وشکانی؛ نیشاندەری سەرچاوەی خۆرە، نەک هەڵسەنگاندنی بەرهەمی شوێنێک.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت
دەربارەی ئەم چینە
بەڵگە
چاودێریکراو
سەرچاوە
ڕەنگدانەوەی ڕاستکراوەی VIIRS NOAA-20 (NASA LANCE)
دابینکەر
NASA LANCE
مۆڵەت
داتای کراوەی NASA
ساڵی بەرهەم
ڕۆژانە؛ وێنەی ماهەوارە
نوێترین لە کاتی بنیاتنان
2026-10-14
ڕوونی
نزیکەی تۆڕی 250 m
نادڵنیایی
وێنەی ماهەوارە. ڕاستەرەستەری ماهەوارە یان مۆدێل وەک دابینکەر بڵاوی دەکاتەوە. هەور، بۆشایی ڕێڕەو و هەڵەی وەرگرتنەوە بۆشایی و هەڵە بەجێدەهێڵن؛ بەهاکان نیشاندەرن، نەک پێوانە لە شوێنێکدا.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت
دەربارەی ئەم چینە
بەڵگە
مۆدێلکراو (دوایین ساڵ کە GIBS بڵاوی دەکاتەوە)
سەرچاوە
داپۆشراوی زەوی MODIS Terra و Aqua (MCD12Q1) (NASA LP DAAC)
دابینکەر
NASA LP DAAC
مۆڵەت
داتای کراوەی NASA
ساڵی بەرهەم
ساڵانە؛ پۆلێنکردنی ماهەوارە؛ دوایین ساڵ کە GIBS بڵاوی دەکاتەوە
نوێترین لە کاتی بنیاتنان
2024-01-01
ڕوونی
نزیکەی تۆڕی 500 m
نادڵنیایی
پۆلەکانی داپۆشراوی زەوی بە ماهەوارە بۆ ئەو ساڵەی پیشاندراوە، لەوانە کێڵگەکان؛ پۆلێنکردنێکە هەڵەی ناسراوی هەیە، نەک تۆماری کێڵگە.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت
دەربارەی ئەم چینە
بەڵگە
چاودێریکراو (هەور بۆشایی بەجێدەهێڵێت)
سەرچاوە
VIIRS NOAA-20 (NASA LANCE)
دابینکەر
NASA LANCE
مۆڵەت
داتای کراوەی NASA
ساڵی بەرهەم
ڕۆژانە؛ وەرگرتنەوەی ماهەوارە؛ هەور بۆشایی بەجێدەهێڵێت
نوێترین لە کاتی بنیاتنان
2026-10-14
ڕوونی
نزیکەی تۆڕی 1 km
نادڵنیایی
پلەی گەرمیی ڕووی زەوی بە ماهەوارە لە ڕۆژی پیشاندراودا، نیشاندەری داواکاریی ساردکردنەوە؛ نە پلەی گەرمیی هەوایە نە ئاگادارکردنەوەی گەرما.
پێیدا دەگەیت لە ڕێگەی
gibs.earthdata.nasa.gov، تەنیا دوای ئەوەی نەخشە ڕاستەوخۆکە ڕێگەپێدەیت

نوێترین بەردەست

NASA GIBS / EOSDIS · ASTER GDEM (METI، NASA) · Blue Marble (NASA) · © OpenStreetMap contributors (ODbL) · Natural Earth

نوێترین وێنەی NASA بار دەکرێت.

بۆ جوڵاندن ڕایبکێشە. Ctrl یان ⌘ ڕابگرە و بسوڕێنە، پینچ بکە یان دوگمەکان بۆ نزیک و دوورکردنەوە؛ بەسەر بەهاکاندا ڕابوەستە لە ژێر نیشانەدەر؛ گەڕاندنەوە دەگەڕێتەوە بۆ ناوچەکە.

Energy now, framed on East Asia.بەرهەمی ماهەوارە و مۆدێل وەک NASA بڵاوی دەکاتەوە، هەر یەکەیان بە بەرواری خۆی. نیشاندەرن، نەک هەڵسەنگاندنی هیچ شوێنێک.

داتا: NASA GIBS · ASTER GDEM · Blue Marble · © بەشداربووانی OpenStreetMap · Natural Earth · NASA EONET · NASA/NOAA VIIRS · NASA JPL OPERA DIST-ALERTسەرچاوە و مۆڵەتەکان

  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داتای کراوەی NASA
  • We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS). Colours redrawn from the published colour map; values averaged into hexagonal cells where shown (modified). داتای کراوەی NASA
  • ڕووناکیی شەوی VIIRS Black Marble، NASA Goddard Space Flight Center؛ بڵاودەکرێتەوە لەلایەن NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC)؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). داتای کراوەی NASA
  • Center for International Earth Science Information Network (CIESIN), Columbia University. 2018. Gridded Population of the World, Version 4 (GPWv4): Population Density, Revision 11. NASA Socioeconomic Data and Applications Center (SEDAC). Licensed under CC BY 4.0. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). doi:10.7927/H49C6VHW. CC BY 4.0
  • شیکاری دووبارەی MERRA-2، ئۆفیسی NASA بۆ مۆدێلسازی و تێکەڵکردنی جیهانی؛ بڵاودەکرێتەوە لەلایەن NASA GES DISC؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). داتای کراوەی NASA
  • بەرهەمە نزیک کاتی ڕاستەقینەکانی VIIRS (لافاو، پلەی گەرمی ڕووی زەوی، داپۆشراوی بەفر، ڕەنگدانەوەی ڕاستکراو)، NASA LANCE؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). داتای کراوەی NASA
  • بەرهەمەکانی زەویی MODIS (ئیندێکسی ڕووەک، بەرهەمی سەرەتایی گشتی، داپۆشراوی زەوی)، NASA LP DAAC و LANCE؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). داتای کراوەی NASA
  • ASTER GDEM بەرهەمی METI و NASA ە (ASTER Global Digital Elevation Model V003، NASA LP DAAC)؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). ناوهێنان بەم شێوەیە: NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team (2019). ASTER Global Digital Elevation Model V003. doi:10.5067/ASTER/ASTGTM.003. داتای کراوەی NASA
  • دروستکراو بە Natural Earth. داتای نەخشەی ڕایگان، ڤێکتەر و ڕاستەر @ naturalearthdata.com. دۆمەینی گشتی
  • © OpenStreetMap contributors (ODbL)، لە ڕێگەی NASA GIBS (هێڵی کەنار، سنوور، ڕێگا و ناوی شوێن). ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). ODbL
  • Blue Marble، NASA Earth Observatory؛ وێنەکان لە ڕێگەی NASA GIBS. ڕەنگەکان لە نەخشەڕەنگی بڵاوکراو دووبارە کێشراونەتەوە؛ بەهاکان لە خانە شەشگۆشەییەکاندا تێکڕا کراون کاتێک پیشان دراون (دەستکاریکراو). داتای کراوەی NASA
  • ناوەڕۆک لەسەر گلۆب و نەخشەی تەخت: هێڵی کەنار، سنوور، ڕێگا و ناوی شوێن لە چینە ئاماژەییەکانی NASA GIBS (داتای OpenStreetMap، ODbL، © OpenStreetMap contributors)؛ وێنەی Blue Marble وەک بنەمای ئارەزوومەندانە؛ زەوی 3D و خوێندنەوەی بەرزایی لە ئیندێکسی ڕەنگی بەرزایی ASTER GDEM (پۆلەکانی 5 m تا 200 m، گەورەکراوە بۆ ڕوونی). سنوورەکان وەک بڵاوکراون کێشراون و هیچ دیدگایەک لەسەر هیچ خاکێک ناگەیەنن.
  • ڕووداوە ڕاستەوخۆکان: NASA Earth Observatory Natural Event Tracker (EONET)؛ ڕووداوەکان نیشانەدەرن و بەستەری سەرچاوەی ڕەسەنی خۆیان دەهێڵنەوە.
  • Observed (EO): NASA/NOAA VIIRS (Suomi NPP). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • Observed (EO): NASA JPL OPERA DIST-ALERT (contains modified Copernicus Sentinel data 2026). We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • NASA GIBS: We acknowledge the use of imagery provided by services from NASA’s Global Imagery Browse Services (GIBS), part of NASA’s Earth Science Data and Information System (ESDIS).
  • ساڵی ڕابردوو، پلەی گەرمی ڕۆژانە (ERA5 لە ڕێگەی Open-Meteo): Contains modified Copernicus Climate Change Service information 2026.
  • ساڵی ڕابردوو، پلەی گەرمی ڕۆژانە و تیشکی خۆر (NASA POWER): These data were obtained from the NASA Langley Research Center (LaRC) POWER Project funded through the NASA Earth Science/Applied Science Program..
  • داتای کەشناسی لە Open-Meteo.com (https://open-meteo.com/), بە مۆڵەتی CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
  • چینە ئارەزوومەندانەکان (10 سەرچاوە لە لیستی چینەکان: ڕاستەوخۆ، پێشبینی، چاودێریکراو و ناوەڕۆک) کاتێک دەکرێنەوە ناوی دابینکەرەکەیان لەسەر نەخشە و لێرەدا پیشان دەدەن؛ پێشبینییەکان دەرچووی مۆدێلن و نیشاندەرە وەرگیراوەکان مەزەندەن.

چینەکان و بەروارەکان

  • ڕووناکی شەو، ڕۆژانە: VIIRS Black Marble (VNP46A2)، NASA LAADS DAAC · 12ی تشرینی یەکەمی 2026
  • چڕی دانیشتووان، 2020: دانیشتووان: CIESIN، زانکۆی کۆلۆمبیا، Gridded Population of the World v4.11 (2018)، NASA SEDAC، CC BY 4.0 · جێگیر
  • تیشکی خۆر کە دەگاتە ڕووی زەوی لەسەر وشکانی، تێکڕای مانگانە: MERRA-2، NASA GMAO / GES DISC · تەمموزی 2026
  • ڕەنگی ڕاستەقینە: ڕەنگدانەوەی ڕاستکراوەی VIIRS NOAA-20، NASA LANCE · 13ی تشرینی یەکەمی 2026
  • جۆری داپۆشەری زەوی (IGBP)، ساڵانە: داپۆشەری زەویی MODIS Terra و Aqua (MCD12Q1)، NASA LP DAAC · 2024
  • پلەی گەرمی ڕووی زەوی، ڕۆژ: VIIRS NOAA-20، NASA LANCE · 13ی تشرینی یەکەمی 2026

04لە ناو بوارەکان

AI compute couples to energy and water.

05ئەنجامدەر

زنجیرەی کاریگەرییەک بە تۆڕە پشتبەستوو بە یەکترەکاندا.

A شوێنپێی مەترسیدەر takes out co-located assets in every layer; fragmentation, dependency between layers and overload of the survivors then spread the failure. The 3D view separates the layers by depth. Teaching model with stated illustrative values, not a prediction. The map on this page shows East Asia; the model itself is not tied to a place.

کۆنترۆڵەکان

موڵک بۆ هەر چینێک
18
شوێنپێی مەترسیدەر
8% ی ناوچەکە
موڵکی پشتبەستوو بە چینێکی دیکە
60%
توانای یەدەگ (ڕێژەی قبووڵکردن)
30%

خوێندنەوەکان

موڵکی کەوتووە بەر مەترسیدەر
6%
موڵکی هێشتا کارکەر
20%
زیادبوونی زیانی سەرەتایی
14.3 times
هەنگاوەکانی یەکلاکردنەوە
4
ژمارە، ڕێگا و سەرچاوەکان
هەنگاوناوەندی داتای کارکەر (%)تۆڕی کارکەر (%)هێزی کارکەر (%)
08994100
14444100
262278
362239
462233

میتۆدەکان

  1. تۆڕە پشتبەستوو بە یەکترەکان Buldyrev و ئەوانی دیکە (2010)، Catastrophic cascade of failures in interdependent networks، Nature 464
  2. زنجیرەی بارزۆری Motter و Lai (2002)، Physical Review E 66
  3. بارگرانی ناوەندێتی نێوانی Brandes (2001)، Journal of Mathematical Sociology 25
  4. تۆڕە فرە چینەکان Kivela و ئەوانی دیکە (2014)، Journal of Complex Networks 2
  5. پشتبەستنی ژێرخانەکان بە یەکتر Rinaldi، Peerenboom و Kelly (2001)، IEEE Control Systems 21(6)
  6. پەنجەی نادڵنیایی (مۆنتی کارلۆی پارامیتەر) Spiegelhalter, Pearson و Short (2011)، Visualising uncertainty about the future، Science 333
  7. هەستیاریی یەک-یەک (تۆرناد) Saltelli و ئەوانی دیکە (2008)، Global Sensitivity Analysis: The Primer، Wiley

داتا

The model runs on the teaching values set by the controls. To calibrate it for a place, read it against these admitted layers and series, which this page’s map can draw:

  • ڕێگا سەرەکییەکان Natural Earth
  • هێڵی شەمەندەفەر Natural Earth
  • بەندەرە دەریاییەکان Natural Earth
  • فڕۆکەخانەکان Natural Earth
  • بەرینی شارەکان Natural Earth
  • ڕووناکی شەو ئەمشەو، پچڕانەکان (VIIRS Day/Night Band) NASA/NOAA VIIRS (Suomi NPP) · register nasa.gibs.context-live-layers
  • ڕووداوە سروشتییەکان (NASA EONET) NASA EONET · register nasa.eonet.events
زنجیرەی کاریگەرییەک بە تۆڕە پشتبەستوو بە یەکترەکاندا. مۆدێلی فێرکاریی نموونەیی: لەسەر ئەو بەهایانە کار دەکات کە کۆنترۆڵەکان دایاندەنێن، نەک داتای پێوراو. ڕێگاکان: تۆڕە پشتبەستوو بە یەکترەکان (Buldyrev و ئەوانی دیکە (2010)، Catastrophic cascade of failures in interdependent networks، Nature 464)؛ زنجیرەی بارزۆری (Motter و Lai (2002)، Physical Review E 66)؛ بارگرانی ناوەندێتی نێوانی (Brandes (2001)، Journal of Mathematical Sociology 25).
06نیشاندەرەکان

What is measured, and how well.

Each indicator carries its unit, its cadence, the kind of source behind it and the evidence label a value would carry. No values are shown: a programme supplies them under its own authority.

IndicatorUnitCadenceSource typeناونیشان
Data centre electricity consumptionterawatt hours per yearannualEnergy agency estimatesمەزەندەکراو
Power usage effectivenessratio of facility to IT energyannualOperator disclosuresDECLARED
Water usage effectivenesslitres per kilowatt hourannualOperator disclosuresDECLARED
Grid connection requests from data centresmegawatts requestedquarterlyGrid operator queuesئامارە بڵاوکراوەکان
Training compute of notable modelsfloating point operationsper modelCompiled model databasesمەزەندەکراو
Energy per inferencewatt hours per queryper measurementMeasurement studiesمەزەندەکراو
07شبیهسازی دووانە و زنجیرەیی

Model compute and energy as a system. Run the cascade.

Assembled from the Nexus Standards area profile ستانداردەکانی مەترسیی زیرەکی دەستکرد و سیستەمە خۆسەرەکان: the hazards it names, the سیستەمە and sectors that carry the loss, the controls that dampen it and the data that observe it. Choose the components, pick an initiating hazard and step through the cascade. The Map view places the run on an example geography with open data. Every coupling weight is a stated assumption you can change. A teaching model, not a forecast, an assessment or a certification. To model a place of your own choosing, open the full System Builder.

مەترسیدەرەکان

  • Dam failure
  • Sea-ice loss
  • Coastal erosion (لە خوارەوە دەستپێدەکات)
  • لافاوی ڕووبار (لە خوارەوە دەستپێدەکات)
  • Flash flood (set off downstream)
  • ئاوارەبوونی بەکۆمەڵ (لە خوارەوە دەستپێدەکات)
  • Biodiversity loss (set off downstream)
  • پچڕانی کارەبای فراوان (لە خوارەوە دەستپێدەکات)
  • Water supply shortfall (set off downstream)
  • Arctic winter sea-ice collapse (set off downstream)
  • Polar vortex disruption (set off downstream)

کۆنترۆڵەکان

  • NS-0 دەستوور و بنەماکان
  • NS-10 Policies and clauses (machine-readable obligations: definition, binding, evaluation and enforcement)
  • NS-11 سەلماندن و چاودێری (بەڵگە، گواهییەکان، چاودێریی گونجان لەگەڵ zero-trust)
  • NS-12 Software, model and AI/ML artefacts (supply chain, model cards, dataset sheets)
  • NRS-H100 خێزانی مەترسیدەر: ڕۆبۆتیکس، خۆسەری و چەکە خۆسەرەکان (NHS-1 tech.autonomy-weapons)
  • NRS-H53 خێزانی مەترسیدەر: تێکدانی سایبەری-فیزیکی (NHS-1 cyber.cyber-physical)
  • NRS-H61 خێزانی مەترسیدەر: شکستی زنجیرەیی (NHS-1 sys.cascade)
  • NRS-H113 خێزانی مەترسیدەر: ناسکیی سیستەمی دارایی (NHS-1 soc.financial-system)
  • NRS-A8 داتای مەترسیی ئامادە بۆ زیرەکی دەستکرد و پاکێجکردنی مۆدێل
  • NRS-H54 خێزانی مەترسیدەر: تێکچوونی سیگناڵ و پلاتفۆرم (NHS-1 cyber.platform)

چاودێری

  • OSV open source vulnerability database (listed for reference)
  • Our World in Data datasets (listed for reference)
  • Research and development expenditure as a proportion of GDP

جوگرافیای نموونە

  • North America: 243 hexagonal cells
  • ڕووناکییەکانی شەو ئەمشەو، پچڕانی کارەبا (VIIRS Day/Night Band)، NASA GIBS
  • ئاوی ڕووی زەوی لە ڕێگەی هەورەوە، 30 م (ڕادارەی OPERA DSWx-S1)، NASA GIBS
  • ڕێژەی بارین، نیو کاتژمێری ڕابردوو (IMERG)، NASA GIBS
  • Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
08سەرچاوەکان

Where the evidence comes from.

Named public datasets and institutional records, each with its licence class. Sources by agreement are used only under their terms and never republished.

سەرچاوەWhat it givesLicence class
IEA Energy and AI analysis and data centre electricity estimatesGlobal and regional data centre electricity demandLicence per product (to check)
Epoch AI data on notable models and computeTraining compute and hardware trendsOpen, CC BY 4.0
TOP500 and Green500 listsPerformance and energy efficiency of supercomputersPublic, TOP500 terms
Grid operator interconnection queues and planning reportsRequested connections and load forecastsPublic records, terms per operator
Operator sustainability reportsEnergy, water and emissions disclosuresPublic documents, terms per operator
09واژۆی کەرت

The sector signature of compute and energy.

The sectors compute and energy touches and how strongly they depend on each other: what a study has to observe and model together.

گۆشەکان هەڵبژێرە · بەسەر هێڵەکاندا ڕابوەستە6 / 15 پەیوەندی

واژۆ

وزە و هاوبەشەکانی

وزە هێز بۆ گواستنەوە و پەیوەندییەکان دەداتە ژێرخان (0.8)، پەمپکردن و پاڵاوتن بۆ ئاو (0.5) و پەین، ئامێر و زنجیرەی سارد بۆ خۆراک (0.5).

W · E · I · F · H · B

کەرتەکان
4 لە 6
پەیوەندییەکان
6 لە 15
هاوبەستی
0.46 بەشی کۆی گشتی

بەهێزترین پەیوەندییەکانی لە کاردا

  • Energy → Infrastructure · کارەبا بۆ گواستنەوە و پەیوەندییەکان0.8
  • ئاو → وزە · ئاوی ساردکەرەوە و هێزی کارەبای ئاوی0.6
  • ئاو → خۆراک · ئاودێری0.8
  • ژێرخان → ئاو · بۆری، بەربەست و پاڵاوگە0.6
بەهای فێرکاری بۆ ناوچە-شارێکی ئاسایی، نەک پێوانە بۆ هیچ شوێنێک. هاوبەستی کۆی بەهێزی ئەو پەیوەندییانەیە کە لە کاردان، وەک بەشێک لە هەر پانزەکە.
10بڕیارەکان

Who decides, and what the evidence serves.

زیرەکی دەستکرد و سیستەم prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.

کێ بڕیار دەداتThe questionEvidence this page serves
Grid operators and energy regulatorsHow to plan generation and connections for data centre loadLoad analyses; connection queues
Water authorities and plannersWhere data centre water use is acceptableWater footprint evidence
Organisations deploying AIHow to reduce the footprint of their AI useEstimation methods; efficiency evidence

Outputs this topic produces

  • Energy and water footprint estimation methods for AI workloads
  • Regional data centre load analyses
  • Efficiency trend summaries
  • Evidence notes for grid and water planning
11ڕێگا و بەڵگە

How compute and energy is modelled, measured and tested.

مۆدێلەکە، گریمانەکانی، داتاکانی و نادڵنیاییەکەی، بەو شێوەیەی زانا یان ئەندازیارێک دەیپشکنێت. پێکهاتەکان ڕێگا بڵاوکراوەکان دەگرنەبەر. بەهاکانی کێشراو نموونەییە، نەک دۆزینەوە.

مۆدێلی سیستەم

The couplings between the systems in compute and energy: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.

++−+زیرەکی دەستکردداتاکۆمەڵگە خۆجێییەکانئابووریR بەهێزکەرB هاوسەنگ
Causal loop diagram from the page’s systems; signs show the direction of influence. Illustrative structure for a system dynamics or network model, not estimated couplings.
پرەنسیپە ڕێنماییەکانی FAIR · GO FAIR و FORCE11W3C PROV · World Wide Web Consortiumڕێنمایی بۆ مامەڵەی یەکسان لەگەڵ نادڵنیاییەکان · IPCCCEOS Analysis Ready Data · Committee on Earth Observation Satellites
12Core questions

What researchers ask about compute.

  • How concentrated are chip manufacturing, cloud capacity and frontier model training, and what follows from that?
  • How much energy and water do training and inference use, and how is that changing?
  • How much do efficiency gains offset growth in demand?
  • Who has access to compute for research and public-interest uses?
13Mechanisms

Concentration, efficiency and demand.

Advanced chip fabrication is concentrated in very few facilities, and a small number of cloud providers supply much of the compute for AI. That concentration creates shared exposure to disruption, from natural hazards to export controls, and shapes who can build large models.

Hardware and algorithms become more efficient over time, but cheaper computation tends to increase total use, an effect known as the rebound or Jevons effect. Data centres draw large, steady electricity loads that can strain local grids and, where they use evaporative cooling, water supplies. Inference, the everyday use of models, can come to outweigh training in total energy use.

14Methods and data

Measuring compute and its footprint.

  1. 01

    Energy accounting

    Estimating energy per training run and per query, using ژمێریاریی بەهێز، هەور و لێوار. Providers disclose little, so estimates carry wide uncertainty.

  2. 02

    Supply-chain mapping

    Tracing chips, materials and facilities to identify concentration and single points of failure.

  3. 03

    Scenario analysis

    Projecting demand under different assumptions about efficiency and adoption, with ئەگەر و ئامار. Projections are scenarios, not forecasts.

  4. 04

    Access studies

    Assessing which researchers and institutions can obtain compute, and on what terms.

15میتۆدەکان

How it is studied, and what the methods cannot say.

  1. کۆمپیوتەری کارایی بەرز، هەور و لێوارCompute access for public research · Energy measurement of workloadsApplied here
  2. زیرەکی دەستکرد و فێربوونی ماشێنDistribution shift analysis · Fine-tuning for a specific use · Interpretability methodsApplied here
  3. ئەگەر و ئامارUncertainty on benchmark scores · Calibration assessment · Audit samplingApplied here
16Where this page’s references

Where this page’s references lead.

ئەو لەش و بەڵگەنامانەی ئەم لاپەڕەیەیان لەگەڵ دەخوێنرێتەوە. دۆخ و وەشانەکان دەگۆڕێن؛ هەر بەستەرێک دەچێتە لای لەشی دەرکەر.

17پرسیارەکان

پرسیار و وەڵام.

How much energy does AI use?
Estimates vary widely. Data centres use a growing share of electricity, and AI is a fast-growing part of that, according to the IEA, but precise figures depend on assumptions and disclosure.
What is power usage effectiveness?
The ratio of a data centre’s total energy use to the energy used by its IT equipment; values closer to one mean less overhead for cooling and power conversion.
Why does AI use water?
Mainly for cooling data centres, especially with evaporative systems, and indirectly through the water used to generate electricity.
Will efficiency gains reduce AI’s energy use?
Not necessarily. Efficiency lowers the cost per task, which can increase total demand. The net effect depends on adoption and use.
Why does water matter for data centres?
Many use evaporative cooling, which consumes water. In water-stressed areas, this competes with other uses, linking AI to local water risk.
Does the platform allocate compute?
No. Compute allocations for Consortium projects are a separate matter of Foundry and the annual programme, and open only when their terms exist.
Can energy figures be trusted?
Published estimates vary with assumptions about hardware, utilisation and location. The platform reports ranges with their sources and assumptions.
Reportsبەشداربە

لەم لاپەڕەیەوە بەڵگە پێشکەش بکە.

Reports is the Consortium’s quarterly publication. What you know about this subject can become evidence, a case or a correction in the next edition, credited to you and published under CC BY 4.0 where it is your own work.

GCRIزیرەکی دەستکرد و سیستەمە خۆسەرەکانتەکنەلۆجیای ئێکسپۆنێنشیاڵبەڵگەی Labs
زیرەکی دەستکرد و سیستەمە خۆسەرەکان

ڕێگایەک، کۆمەڵە داتایەک یان پرسیارێک بهێنە.

زانیاری و پرسیار ئەمڕۆ کراوەن. پرسیارێک ژمارەی ئاماژەی پێدەدرێت و هەنگاوی دواتر دیاری دەکات؛ داواکاری، پارەدان، تەرخانکردنی کۆمپیوتەر و تۆمارکردن تەنیا کاتێک دەکرێنەوە کە تیم، مەرج و توانای پێداچوونەوەیان هەبێت.