GCRI · هوش مصنوعی و سامانههای خودمختار
رایانش و انرژی
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.
چگونه کار اجرا میشود.
ثبتخانهٔ مدل
Compute and energy · Model registry · Release gate
مدلها
| M-904 triage assistant | خدمات عمومی | بالا | 19 of 24 suites | مسدود |
| M-890 flood nowcast | علم | متوسط | 10 of 12 | منتشرشد |
| M-955 document search | داخلی | پایین | 7 از 8 | منتشرشد |
| M-242 agent planner | عاملمحور | بالا | 13 of 16 | در حال ارزیابی |
کارت مدل
- کاربرد مورد نظر
- پشتیبانی غربالگری، انسان تصمیم میگیرد
- خارج از دامنه
- تصمیمهای صلاحیت
- محدودیتهای شناختهشده
- دقت کمتر در موارد نادر
- مالک
- مالک مدل
سیاههٔ رخداد
- D-28INCارجاع ساختگی در چکیده
- D-6MITزمینگذاری بازیابی افزوده شد
- D-4INCتزریق فرمان از طریق پروندهٔ بارگذاریشده
- D-1MITمجوز ابزار محدودتر شد
Evaluation scores
vs release threshold
شکل.Model registry: example names and illustrative values, not a record or a live system.
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.
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.
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.
Cooling uses water
Evaporative cooling and electricity generation consume water. Where water is scarce, data centre siting competes with other uses.
Efficiency and demand move together
Hardware and software efficiency improve quickly, but lower costs can raise total use. Net energy demand depends on both.
Energy now in East Asia.
Night lights, population density and land cover over East Asia, from NASA GIBS. Each layer carries its own date.
نقشهٔ تعاملی به جاوااسکریپت نیاز دارد؛ فهرست لایهها و منابع در ادامه آمده است.
لایهها 3
انرژی اکنون، برای این صفحه
دربارهٔ این لایه
- شواهد
- مشاهدهشده
- منبع
- VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
- ارائهدهنده
- NASA LAADS DAAC
- پروانه
- دادههای باز NASA
- سال تولید
- روزانه؛ تابندگی ماهوارهای، با تصحیح نور ماه و جو
- تازهترین در زمان ساخت
- 2026-10-12
- وضوح
- شبکهٔ حدود 500 متری
- عدم قطعیت
- تابندگی شبانهٔ ماهوارهای برای تاریخ نشاندادهشده؛ روشناییها نمایندهٔ مصرف برق و خاموشیاند، نه سنجهای از عرضه یا دسترسی.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- برآوردی
- منبع
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN، Columbia University))
- ارائهدهنده
- NASA SEDAC (CIESIN، دانشگاه کلمبیا)
- پروانه
- CC BY 4.0
- سال تولید
- null؛ برآورد مبتنی بر سرشماری، ایستا (2020)
- وضوح
- شبکهٔ حدود 1 کیلومتری
- عدم قطعیت
- برآورد مبتنی بر سرشماری از تعداد افراد در هر کیلومتر مربع در 2020، بهعنوان زمینهٔ مواجهه؛ شمار افراد آسیبدیده از هیچ مخاطرهای نیست.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مدلسازیشده (آخرین ماهی که GIBS منتشر میکند)
- منبع
- MERRA-2 (NASA GMAO / GES DISC)
- ارائهدهنده
- NASA GMAO / GES DISC
- پروانه
- دادههای باز NASA
- سال تولید
- ماهانه؛ مدل بازتحلیل؛ آخرین ماه منتشرشده توسط GIBS
- تازهترین در زمان ساخت
- 2026-07-01
- وضوح
- شبکهٔ حدود 2 km
- عدم قطعیت
- برآورد مدل بازتحلیل از میانگین ماهانهٔ تابش خورشید ورودی بر خشکی؛ نشانگری از منبع خورشیدی، نه ارزیابی بازده یک سایت.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مشاهدهشده
- منبع
- بازتاب تصحیحشدهٔ VIIRS NOAA-20 (NASA LANCE)
- ارائهدهنده
- NASA LANCE
- پروانه
- دادههای باز NASA
- سال تولید
- روزانه؛ تصویر ماهوارهای
- تازهترین در زمان ساخت
- 2026-10-14
- وضوح
- شبکهٔ حدود 250 m
- عدم قطعیت
- تصویر ماهوارهای. رستر ماهوارهای یا مدلی همانگونه که ارائهدهنده منتشر میکند. ابر، شکافهای نوار پویش و خطای بازیابی شکاف و نوفه به جا میگذارند؛ مقادیر نشانگر هستند، نه اندازهگیری در یک مکان.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مدلسازیشده (آخرین سالی که GIBS منتشر میکند)
- منبع
- پوشش زمین MODIS Terra و Aqua (MCD12Q1) (NASA LP DAAC)
- ارائهدهنده
- NASA LP DAAC
- پروانه
- دادههای باز NASA
- سال تولید
- سالانه؛ طبقهبندی ماهوارهای؛ آخرین سالی که GIBS منتشر میکند
- تازهترین در زمان ساخت
- 2024-01-01
- وضوح
- شبکهٔ حدود 500 متری
- عدم قطعیت
- طبقههای پوشش زمین بهصورت ماهوارهای برای سال نمایشدادهشده، از جمله زمینهای زراعی؛ طبقهبندیای با خطاهای شناختهشده، نه ثبت مزارع.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
دربارهٔ این لایه
- شواهد
- مشاهدهای (ابرها شکاف ایجاد میکنند)
- منبع
- VIIRS NOAA-20 (NASA LANCE)
- ارائهدهنده
- NASA LANCE
- پروانه
- دادههای باز NASA
- سال تولید
- روزانه؛ بازیابی ماهوارهای؛ ابرها شکاف ایجاد میکنند
- تازهترین در زمان ساخت
- 2026-10-14
- وضوح
- شبکهٔ حدود 1 کیلومتری
- عدم قطعیت
- دمای پوستهٔ زمین بهصورت ماهوارهای در روز نمایشدادهشده، نشانگری از تقاضای سرمایش؛ نه دمای هوا و نه هشدار گرما.
- دسترسی از طریق
- gibs.earthdata.nasa.gov، فقط پس از آنکه نقشهٔ زنده را مجاز کنید
صفحهکلید، با تمرکز بر نقشه
برای بزرگنمایی، Ctrl یا ⌘ را نگه دارید و بغلتانید
آخرین موجود
NASA GIBS / EOSDIS · ASTER GDEM (METI، NASA) · Blue Marble (NASA) · © مشارکتکنندگان OpenStreetMap (ODbL) · Natural Earth
در حال بارگیری تازهترین تصاویر NASA.
برای جابهجایی بکشید. برای بزرگنمایی از Ctrl یا ⌘ و غلتاندن، حرکت دو انگشت یا دکمهها استفاده کنید؛ برای دیدن مقادیر زیر نشانگر روی آن بروید؛ بازنشانی به منطقه بازمیگرداند.
Energy now, framed on East Asia.فرآوردههای ماهوارهای و مدلی همانگونه که NASA منتشر میکند، هر یک با تاریخ خود. نشانگرند، نه ارزیابی هیچ مکانی.
دادهها: NASA GIBS · ASTER GDEM · Blue Marble · © مشارکتکنندگان OpenStreetMap · Natural Earth · NASA EONET · NASA/NOAA VIIRS · NASA JPL OPERA DIST-ALERTمنابع و پروانهها
- 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). دادههای باز 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). دادههای باز NASA
- روشنایی شبانهٔ VIIRS Black Marble، مرکز پرواز فضایی گودارد NASA؛ توزیعشده توسط NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC)؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). دادههای باز 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). دارای پروانهٔ CC BY 4.0. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). doi:10.7927/H49C6VHW. CC BY 4.0
- بازتحلیل MERRA-2، دفتر مدلسازی و همگونسازی جهانی NASA؛ توزیعشده توسط NASA GES DISC؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). دادههای باز NASA
- فرآوردههای VIIRS نزدیک به بیدرنگ (سیل، دمای سطح زمین، پوشش برف، بازتاب تصحیحشده)، NASA LANCE؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). دادههای باز NASA
- فرآوردههای زمینی MODIS (شاخصهای پوشش گیاهی، تولید ناخالص اولیه، پوشش زمین)، NASA LP DAAC و LANCE؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). دادههای باز NASA
- ASTER GDEM فرآورده METI و NASA است (ASTER Global Digital Elevation Model V003, NASA LP DAAC)؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). ارجاع: 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. دادههای باز NASA
- ساختهشده با Natural Earth. دادههای نقشهٔ برداری و رستری آزاد در naturalearthdata.com. مالکیت عمومی
- © OpenStreetMap contributors (ODbL)، از طریق NASA GIBS (خط ساحلی، مرزها، جادهها و نام مکانها). رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). ODbL
- Blue Marble، رصدخانهٔ زمین NASA؛ تصاویر از طریق NASA GIBS. رنگها از نقشهٔ رنگ منتشرشده بازترسیم شدهاند؛ مقادیر در جاهایی که نشان داده شدهاند در سلولهای ششضلعی میانگینگیری شدهاند (تغییریافته). دادههای باز NASA
- زمینه بر کره و نقشهٔ تخت: خط ساحلی، مرزها، جادهها و نام مکانها از لایههای مرجع NASA GIBS (دادههای OpenStreetMap، ODbL، © OpenStreetMap contributors)؛ تصاویر Blue Marble بهعنوان پایهٔ اختیاری؛ زمیننمای 3D و خوانش ارتفاع از نمایهٔ رنگ ارتفاع ASTER GDEM (ردهٔ 5 m تا 200 m، برای خوانایی اغراقشده). مرزها همانگونه که منتشر شدهاند ترسیم میشوند و بر هیچ سرزمینی موضعی را القا نمیکنند.
- رویدادهای زنده: NASA Earth Observatory Natural Event Tracker (EONET)؛ رویدادها نشانگرند و پیوندهای منبع اصلی خود را حفظ میکنند.
- 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).
- سال گذشته، دمای روزانه (ERA5 از طریق Open-Meteo): شامل اطلاعات تغییریافتهٔ خدمات تغییر اقلیم Copernicus 2026.
- دما و آفتاب روزانهٔ سال گذشته (NASA POWER): These data were obtained from the NASA Langley Research Center (LaRC) POWER Project funded through the NASA Earth Science/Applied Science Program..
- دادههای هواشناسی از Open-Meteo.com (https://open-meteo.com/), با پروانهٔ CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- لایههای اختیاری (10 منبع در فهرست لایهها: زنده، پیشبینی، مشاهدهای و زمینهای) هنگام روشنشدن، اعتبار ارائهدهندهٔ خود را روی نقشه و در اینجا چاپ میکنند؛ پیشبینیها خروجی مدلاند و شاخصهای مشتقشده برآورد به شمار میآیند.
لایهها و تاریخها
- روشنایی شبانه، روزانه: VIIRS Black Marble (VNP46A2)، NASA LAADS DAAC · 12 اکتبر 2026
- تراکم جمعیت، 2020: جمعیت: CIESIN، دانشگاه کلمبیا، Gridded Population of the World v4.11 (2018)، NASA SEDAC، CC BY 4.0 · ایستا
- تابش خورشید ورودی به سطح زمین در خشکی، میانگین ماهانه: MERRA-2، NASA GMAO / GES DISC · July 2026
- رنگ حقیقی: بازتاب تصحیحشدهٔ VIIRS NOAA-20، NASA LANCE · 13 اکتبر 2026
- نوع پوشش زمین (IGBP)، سالانه: پوشش زمین MODIS Terra و Aqua (MCD12Q1)، NASA LP DAAC · 2024
- دمای سطح زمین، روز: VIIRS NOAA-20، NASA LANCE · 13 اکتبر 2026
AI compute couples to energy and water.
Compute and energy analyses are designed for the مجموعهٔ چشمانداز آیندهنگری. The IEA’s Energy and AI report (2025) gives scenario ranges for data-centre electricity demand.
- Measured energy and water use of computing facilities.
- Grid connection studies.
آبشاری در شبکههای وابستهٔ متقابل.
A ردپای مخاطره 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.
کنترلها
- داراییها بهازای هر لایه
- 18
- ردپای مخاطره
- 8٪ از مساحت
- داراییهای وابسته به لایهٔ دیگر
- 60%
- ظرفیت مازاد (تحمل)
- 30%
خوانشها
- داراییهای آسیبدیده از مخاطره
- 6%
- داراییهای همچنان فعال
- 20%
- تقویت آسیب نخستین
- 14.3 times
- گامهای تسویه
- 4
رقمها، روشها و منابع
| گام | مراکز داده فعال (٪) | شبکههای فعال (٪) | برق در حال کار (%) |
|---|---|---|---|
| 0 | 89 | 94 | 100 |
| 1 | 44 | 44 | 100 |
| 2 | 6 | 22 | 78 |
| 3 | 6 | 22 | 39 |
| 4 | 6 | 22 | 33 |
روشها
- شبکههای وابستهٔ متقابل Buldyrev and others (2010), Catastrophic cascade of failures in interdependent networks, Nature 464
- آبشارهای بار اضافی Motter and Lai (2002), Physical Review E 66
- بار میانیبودگی Brandes (2001), Journal of Mathematical Sociology 25
- شبکههای چندلایه Kivela and others (2014), Journal of Complex Networks 2
- وابستگیهای متقابل زیرساختها Rinaldi, Peerenboom and Kelly (2001), IEEE Control Systems 21(6)
- بادبزن عدم قطعیت (مونتکارلوی پارامتری) Spiegelhalter, Pearson and Short (2011), Visualising uncertainty about the future, Science 333
- حساسیتسنجی تکمتغیره (تورنادو) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
داده
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:
- جادههای اصلی Natural Earth
- راهآهن Natural Earth
- بنادر دریایی Natural Earth
- فرودگاهها Natural Earth
- گسترهٔ شهری Natural Earth
- روشنایی شب امشب، قطعیها (VIIRS Day/Night Band) NASA/NOAA VIIRS (Suomi NPP) · register nasa.gibs.context-live-layers
- رویدادهای طبیعی (NASA EONET) NASA EONET · register nasa.eonet.events
در شش رکن، به رهبری Nexus Consortium
- آزمایشها آزمایشگاهها
- ساختهشده در هوش مصنوعی و سامانههای خودمختار در Foundry
- آزمودهشده در هوش مصنوعی و سامانههای خودمختار در Universe
- مدونشده در دیجیتال، سایبری و هوش مصنوعی در Standards
- منتشرشده در هوش مصنوعی و سامانههای خودمختار در Reports
- تدریسشده در دانشکدهٔ فناوری و سامانههای دیجیتال در Academy
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.
| Indicator | Unit | دورهٔ تکرار | Source type | برچسب |
|---|---|---|---|---|
| Data centre electricity consumption | terawatt hours per year | annual | Energy agency estimates | برآوردشده |
| Power usage effectiveness | ratio of facility to IT energy | annual | Operator disclosures | DECLARED |
| Water usage effectiveness | litres per kilowatt hour | annual | Operator disclosures | DECLARED |
| Grid connection requests from data centres | megawatts requested | quarterly | Grid operator queues | آمارهای منتشرشده |
| Training compute of notable models | floating point operations | per model | Compiled model databases | برآوردشده |
| Energy per inference | watt hours per query | per measurement | Measurement studies | برآوردشده |
Model compute and energy as a system. Run the cascade.
Assembled from the Nexus Standards area profile استانداردهای ریسک هوش مصنوعی و سامانههای خودکار: the hazards it names, the سامانهها 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.
مخاطرات
- Dam failure
- Sea-ice loss
- Coastal erosion (جابهجاشده به پاییندست)
- سیل رودخانهای (جابهجاشده به پاییندست)
- Flash flood (set off downstream)
- جابهجایی انبوه (آغازشده در پاییندست)
- Biodiversity loss (set off downstream)
- قطع گستردهٔ برق (آغازشده در پاییندست)
- Water supply shortfall (set off downstream)
- Arctic winter sea-ice collapse (set off downstream)
- Polar vortex disruption (set off downstream)
سامانهها و پیوندها
کنترلها
NS-0اساسنامه و اصولNS-10سیاستها و بندها (تکالیف ماشینخوان: تعریف، الزام، ارزشیابی و اجرا)NS-11راستیآزمایی و پایش (شواهد، گواهیها، مشاهدهٔ انطباق بدون اعتماد پیشفرض)NS-12مصنوعات نرمافزار، مدل و AI/ML (زنجیرهٔ تأمین، کارتهای مدل، برگههای مجموعهداده)NRS-H100خانوادهٔ مخاطره: رباتیک، خودمختاری و تسلیحات خودمختار (NHS-1 tech.autonomy-weapons)NRS-H53خانوادهٔ مخاطره: اختلال سایبر-فیزیکی (NHS-1 cyber.cyber-physical)NRS-H61خانوادهٔ مخاطره: شکست آبشاری (NHS-1 sys.cascade)NRS-H113خانوادهٔ مخاطره: شکنندگی نظام مالی (NHS-1 soc.financial-system)NRS-A8دادهٔ ریسک آماده برای هوش مصنوعی و بستهبندی مدلNRS-H54خانوادهٔ مخاطره: اختلال سیگنال و سکو (NHS-1 cyber.platform)
مشاهده
- 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
جغرافیای نمونه
- North America: 243 hexagonal cells
- نورهای شبانهٔ امشب، قطعیها (VIIRS Day/Night Band)، NASA GIBS
- آب سطحی از میان ابر، 30 m (رادار OPERA DSWx-S1)، NASA GIBS
- نرخ باران، نیمساعت گذشته (IMERG)، NASA GIBS
- Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
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.
| منبع | What it gives | Licence class |
|---|---|---|
| IEA Energy and AI analysis and data centre electricity estimates | Global and regional data centre electricity demand | Licence per product (to check) |
| Epoch AI data on notable models and compute | Training compute and hardware trends | Open, CC BY 4.0 |
| TOP500 and Green500 lists | Performance and energy efficiency of supercomputers | Public, TOP500 terms |
| Grid operator interconnection queues and planning reports | Requested connections and load forecasts | Public records, terms per operator |
| Operator sustainability reports | Energy, water and emissions disclosures | Public documents, terms per operator |
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.
امضا
انرژی و شریکانش
انرژی به زیرساخت، برق حملونقل و مخابرات (0.8)، پمپاژ و تصفیه به آب (0.5) و کود، ماشینآلات و زنجیرههای سرد به غذا (0.5) میدهد.
W · E · I · F · H · B
- بخشها
- 4 از 6
- روابط
- 6 از 15
- پیوستگی
- 0.46 سهم از کل
قویترین روابط در جریان
- انرژی ← زیرساخت · برق برای حملونقل و مخابرات0.8
- آب ← انرژی · آب خنککننده و برقآبی0.6
- آب ← غذا · آبیاری0.8
- زیرساخت ← آب · لولهها، سدها و تصفیهخانهها0.6
Who decides, and what the evidence serves.
هوش مصنوعی و سامانهها prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| چه کسی تصمیم میگیرد | The question | Evidence this page serves |
|---|---|---|
| Grid operators and energy regulators | How to plan generation and connections for data centre load | Load analyses; connection queues |
| Water authorities and planners | Where data centre water use is acceptable | Water footprint evidence |
| Organisations deploying AI | How to reduce the footprint of their AI use | Estimation 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
How compute and energy is modelled, measured and tested.
مدل، مفروضات، دادهها و عدم قطعیت آن، به شکلی که دانشمند یا مهندس بررسی میکند. ساختارها از روشهای منتشرشده پیروی میکنند. مقادیر ترسیمشده تبیینیاند، نه یافته.
مدل سامانه
The couplings between the systems in compute and energy: signs of influence, a reinforcing and a balancing loop, and cross-links where stress jumps.
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?
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.
Measuring compute and its footprint.
- 01
Energy accounting
Estimating energy per training run and per query, using رایانش با کارایی بالا، ابری و لبه. Providers disclose little, so estimates carry wide uncertainty.
- 02
Supply-chain mapping
Tracing chips, materials and facilities to identify concentration and single points of failure.
- 03
Scenario analysis
Projecting demand under different assumptions about efficiency and adoption, with احتمال و آمار. Projections are scenarios, not forecasts.
- 04
Access studies
Assessing which researchers and institutions can obtain compute, and on what terms.
How it is studied, and what the methods cannot say.
- 01محاسبات با عملکرد بالا، ابری و لبهایCompute access for public research · Energy measurement of workloadsApplied here
- 02هوش مصنوعی و یادگیری ماشینDistribution shift analysis · Fine-tuning for a specific use · Interpretability methodsApplied here
- 03احتمال و آمارUncertainty on benchmark scores · Calibration assessment · Audit samplingApplied here
Where this page’s references lead.
نهادها و اسنادی که این صفحه بر پایهٔ آنها خوانده میشود. وضعیت و ویراستها تغییر میکنند؛ هر پیوند به نهاد صادرکننده میرود.
پرسش و پاسخ.
How much energy does AI use?
What is power usage effectiveness?
Why does AI use water?
Will efficiency gains reduce AI’s energy use?
Why does water matter for data centres?
Does the platform allocate compute?
Can energy figures be trusted?
شواهد را از همین صفحه ارسال کنید.
گزارشها 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.
- ایمیلدرگاه GW-GCRIاز همین صفحه ارسال کنیدشواهد، یک اصلاحیه، یک مورد، یک روش، یک داوری، یک ترجمه یا ورودی نمایه. با برچسب این صفحه میرسد تا ویراستار مسئول آن را دریافت کند.
- Zenodoسپردهٔ بازآن را واگذار کنید و به جامعه ارائه دهیدسابقهٔ خود را با شناسهٔ ORCID خود در Zenodo منتشر کنید و سپس آن را در همانجا به جامعهٔ Reports ارسال کنید. گزینشگران آن را داوری میکنند؛ DOI از آنِ شما میماند.
- گزارشهاGCRIهمهٔ راههای مشارکت را ببینیدانواع مشارکت، نحوهٔ بررسی هر یک، اعتباری که دریافت میکنید، مجوز و آنچه هرگز پذیرفته نمیشود.
هرگز داده شخصی، جزئیات حساس زیرساخت یا چیزی را که حق اشتراکش را ندارید نفرستید. هر مشارکت پیش از استفاده داوری میشود؛ ارسال آن حق مؤلفی یا ویرایشی نمیدهد و حمایت مالی هرگز یافتهای را نمیخرد.
یک روش، یک مجموعهداده یا یک پرسش بیاورید.
اطلاعات و درخواستها امروز باز است. هر درخواست یک شمارهٔ پیگیری میگیرد و گام بعدی را مشخص میکند؛ درخواستهای عضویت، پرداختها، تخصیص رایانش و ثبتنامها تنها زمانی باز میشوند که تیم، شرایط و ظرفیت داوری آنها فراهم باشد.
اسناد حقوقی.
نقشهها، دادهها و ارقام این سایت برای زمینه و اطلاعات عمومی نشان داده میشوند. توصیه، پیشبینی یا هشدار نیستند؛ حدود این اطلاعات در سلب مسئولیتها و اعلامیههای داده بیان شده است.