GCRI · Intelligence artificielle et systèmes autonomes
Calcul et énergie
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.
Comment le travail se déroule.
Registre des modèles
Compute and energy · Model registry · Release gate
Modèles
| M-904 triage assistant | Service public | Élevé | 19 of 24 suites | Bloqué |
| M-890 flood nowcast | Science | Moyen | 10 of 12 | Publié |
| M-955 document search | Interne | Faible | 7 sur 8 | Publié |
| M-242 agent planner | Agentique | Élevé | 13 of 16 | En évaluation |
Fiche de modèle
- Utilisation prévue
- aide au tri, décision humaine
- Hors périmètre
- décisions d'éligibilité
- Limites connues
- moindre précision sur les cas rares
- Propriétaire
- Propriétaire du modèle
Journal des incidents
- D-28INCCitation hallucinée dans le résumé
- D-6MITAncrage de la récupération ajouté
- D-4INCInjection de prompt via un fichier téléversé
- D-1MITAutorisation d'outil restreinte
Evaluation scores
vs release threshold
Fig.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.
La carte interactive requiert JavaScript ; la liste des couches et les sources figurent ci-dessous.
Couches 3
L'énergie maintenant, pour cette page
À propos de cette couche
- Preuves
- Observé
- Sources
- VIIRS Black Marble (VNP46A2) (NASA LAADS DAAC)
- Fournisseur
- NASA LAADS DAAC
- Licence
- Données ouvertes de la NASA
- Millésime
- quotidien ; radiance satellitaire, corrigée de la lumière lunaire et de l'atmosphère
- Les plus récents à la construction
- 2026-10-12
- Résolution
- grille d'environ 500 m
- Incertitude
- Radiance nocturne satellitaire pour la date indiquée ; les lumières sont un indicateur indirect de la consommation d'électricité et des pannes, et non une mesure de l'approvisionnement ou de l'accès.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
À propos de cette couche
- Preuves
- Estimé
- Sources
- Gridded Population of the World v4.11 (NASA SEDAC (CIESIN, Université Columbia))
- Fournisseur
- NASA SEDAC (CIESIN, Université Columbia)
- Licence
- CC BY 4.0
- Millésime
- null ; estimation fondée sur le recensement, statique (2020)
- Résolution
- grille d'environ 1 km
- Incertitude
- Estimation fondée sur le recensement du nombre d'habitants par kilomètre carré en 2020, présentée comme contexte d'exposition ; ce n'est pas un décompte des personnes touchées par un aléa.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
À propos de cette couche
- Preuves
- Modélisé (dernier mois publié par GIBS)
- Sources
- MERRA-2 (NASA GMAO / GES DISC)
- Fournisseur
- NASA GMAO / GES DISC
- Licence
- Données ouvertes de la NASA
- Millésime
- mensuel ; modèle de réanalyse ; dernier mois publié par GIBS
- Les plus récents à la construction
- 2026-07-01
- Résolution
- grille d'environ 2 km
- Incertitude
- Estimation par modèle de réanalyse du rayonnement solaire incident moyen mensuel sur les terres ; un indicateur de la ressource solaire, et non une évaluation du rendement d'un site.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
À propos de cette couche
- Preuves
- Observé
- Sources
- VIIRS NOAA-20, réflectance corrigée (NASA LANCE)
- Fournisseur
- NASA LANCE
- Licence
- Données ouvertes de la NASA
- Millésime
- quotidien ; image satellitaire
- Les plus récents à la construction
- 2026-10-14
- Résolution
- grille d'environ 250 m
- Incertitude
- Image satellitaire. Raster satellitaire ou de modèle tel que le fournisseur le publie. Les nuages, les lacunes de fauchée et les erreurs de restitution laissent des lacunes et du bruit ; les valeurs sont des indicateurs, et non des mesures en un lieu donné.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
À propos de cette couche
- Preuves
- Modélisé (dernière année publiée par GIBS)
- Sources
- MODIS Terra et Aqua, occupation du sol (MCD12Q1) (NASA LP DAAC)
- Fournisseur
- NASA LP DAAC
- Licence
- Données ouvertes de la NASA
- Millésime
- annuel ; classification satellitaire ; dernière année publiée par GIBS
- Les plus récents à la construction
- 2024-01-01
- Résolution
- grille d'environ 500 m
- Incertitude
- Classes d'occupation du sol par satellite pour l'année indiquée, y compris les terres cultivées ; une classification comportant des erreurs connues, et non un registre des exploitations agricoles.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
À propos de cette couche
- Preuves
- Observé (les nuages laissent des lacunes)
- Sources
- VIIRS NOAA-20 (NASA LANCE)
- Fournisseur
- NASA LANCE
- Licence
- Données ouvertes de la NASA
- Millésime
- quotidien ; restitution satellitaire ; les nuages laissent des lacunes
- Les plus récents à la construction
- 2026-10-14
- Résolution
- grille d'environ 1 km
- Incertitude
- Température de peau du sol mesurée par satellite le jour indiqué, un indicateur de la demande de refroidissement ; ce n'est pas la température de l'air ni une alerte de chaleur.
- Accessible par
- gibs.earthdata.nasa.gov, uniquement après que vous avez autorisé la carte en direct
Clavier, lorsque la carte est active
Maintenez Ctrl ou ⌘ et faites défiler pour zoomer
Dernière version disponible
NASA GIBS / EOSDIS · ASTER GDEM (METI, NASA) · Blue Marble (NASA) · © contributeurs d'OpenStreetMap (ODbL) · Natural Earth
Chargement des dernières images de la NASA.
Faites glisser pour déplacer. Ctrl ou ⌘ et défilement, pincement ou boutons pour zoomer ; survolez pour lire les valeurs sous le pointeur ; la réinitialisation ramène à la région.
Energy now, framed on East Asia.Produits satellitaires et de modèles tels que la NASA les publie, chacun avec sa propre date. Ce sont des indicateurs, non des évaluations d'un lieu quelconque.
Données : NASA GIBS · ASTER GDEM · Blue Marble · © contributeurs d'OpenStreetMap · Natural Earth · NASA EONET · NASA/NOAA VIIRS · NASA JPL OPERA DIST-ALERTSources et licences
- 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). Données ouvertes de la 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). Données ouvertes de la NASA
- Lumières nocturnes VIIRS Black Marble, NASA Goddard Space Flight Center ; distribuées par le NASA Level-1 and Atmosphere Archive and Distribution System (LAADS DAAC) ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Données ouvertes de la 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). Sous licence CC BY 4.0. Couleurs redessinées à partir de la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque présentées (modifié). doi:10.7927/H49C6VHW. CC BY 4.0
- Réanalyse MERRA-2, NASA Global Modeling and Assimilation Office ; distribuée par le NASA GES DISC ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Données ouvertes de la NASA
- Produits VIIRS en quasi-temps réel (inondation, température de surface terrestre, couverture neigeuse, réflectance corrigée), NASA LANCE ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Données ouvertes de la NASA
- Produits terrestres MODIS (indices de végétation, production primaire brute, occupation du sol), NASA LP DAAC et LANCE ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Données ouvertes de la NASA
- ASTER GDEM est un produit du METI et de la NASA (ASTER Global Digital Elevation Model V003, NASA LP DAAC) ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Citer comme : 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. Données ouvertes de la NASA
- Réalisé avec Natural Earth. Données cartographiques vectorielles et matricielles libres sur naturalearthdata.com. Domaine public
- © Contributeurs d'OpenStreetMap (ODbL), via NASA GIBS (côtes, frontières, routes et noms de lieux). Couleurs redessinées d'après la palette publiée ; valeurs moyennées en cellules hexagonales lorsqu'elles sont affichées (modifié). ODbL
- Blue Marble, NASA Earth Observatory ; imagerie via NASA GIBS. Couleurs redessinées d'après la palette publiée ; valeurs moyennées dans des cellules hexagonales lorsque affichées (modifié). Données ouvertes de la NASA
- Contexte sur le globe et la carte plane : côtes, frontières, routes et toponymes issus des couches de référence NASA GIBS (données OpenStreetMap, ODbL, © contributeurs d'OpenStreetMap) ; imagerie Blue Marble comme fond facultatif ; relief 3D et lecture de l'altitude à partir de l'indice de couleur d'altitude ASTER GDEM (classes de 5 m à 200 m, exagérées pour la lisibilité). Les frontières sont tracées telles que publiées et n'impliquent aucune position sur un territoire.
- Événements en direct : suivi des événements naturels de l'Observatoire de la Terre de la NASA (EONET) ; les événements sont indicatifs et conservent les liens de leur source d'origine.
- 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).
- Année écoulée, température quotidienne (ERA5 via Open-Meteo) : contient des informations modifiées du Copernicus Climate Change Service 2026.
- Année écoulée, température et ensoleillement quotidiens (NASA POWER) : ces données proviennent du projet POWER du NASA Langley Research Center (LaRC), financé par le programme NASA Earth Science/Applied Science..
- Données météorologiques d'Open-Meteo.com (https://open-meteo.com/), sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/).
- Les couches facultatives (10 sources dans la liste des couches : en direct, prévisions, observations et contexte) affichent le crédit de leur fournisseur sur la carte et ici lorsqu'elles sont activées ; les prévisions sont des sorties de modèles et les indices dérivés sont des estimations.
Couches et dates
- Lumières nocturnes, quotidien : VIIRS Black Marble (VNP46A2), NASA LAADS DAAC · 12 oct. 2026
- Densité de population, 2020 : Population : CIESIN, Columbia University, Gridded Population of the World v4.11 (2018), NASA SEDAC, CC BY 4.0 · statique
- Rayonnement solaire incident à la surface terrestre, moyenne mensuelle : MERRA-2, NASA GMAO / GES DISC · juillet 2026
- Couleurs naturelles : réflectance corrigée VIIRS NOAA-20, NASA LANCE · 13 oct. 2026
- Type de couverture terrestre (IGBP), annuel : MODIS Terra and Aqua land cover (MCD12Q1), NASA LP DAAC · 2024
- Température de surface terrestre, jour : VIIRS NOAA-20, NASA LANCE · 13 oct. 2026
AI compute couples to energy and water.
- ÉnergieCouplageData-centre load grows quickly on specific grid nodes.What to watchConnection queue and load
- EauCouplageSome cooling designs consume water.What to watchWater use per unit of energy
- BiodiversitéCouplageSiting of data centres and power affects land and habitats.What to watchLand use of new sites
Compute and energy analyses are designed for the Série Perspectives prospectives. 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.
Une cascade à travers des réseaux interdépendants.
A empreinte d'aléa 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.
Commandes
- Actifs par couche
- 18
- Emprise de l'aléa
- 8 % de la superficie
- Actifs qui dépendent d'une autre couche
- 60%
- Capacité de réserve (tolérance)
- 30%
Relevés
- Actifs touchés par l'aléa
- 6%
- Actifs encore en fonctionnement
- 20%
- Amplification des dommages initiaux
- 14.3 times
- Étapes jusqu'au règlement
- 4
Chiffres, méthodes et sources
| Étape | Centres de données en fonctionnement (%) | Réseaux en fonctionnement (%) | Fonctionnement de l'alimentation (%) |
|---|---|---|---|
| 0 | 89 | 94 | 100 |
| 1 | 44 | 44 | 100 |
| 2 | 6 | 22 | 78 |
| 3 | 6 | 22 | 39 |
| 4 | 6 | 22 | 33 |
Méthodes
- Réseaux interdépendants Buldyrev and others (2010), Catastrophic cascade of failures in interdependent networks, Nature 464
- Cascades de surcharge Motter and Lai (2002), Physical Review E 66
- Charge d'intermédiarité Brandes (2001), Journal of Mathematical Sociology 25
- Réseaux multicouches Kivela and others (2014), Journal of Complex Networks 2
- Interdépendances des infrastructures Rinaldi, Peerenboom and Kelly (2001), IEEE Control Systems 21(6)
- Éventail d'incertitude (Monte Carlo sur les paramètres) Spiegelhalter, Pearson et Short (2011), Visualising uncertainty about the future, Science 333
- Sensibilité un facteur à la fois (tornade) Saltelli and others (2008), Global Sensitivity Analysis: The Primer, Wiley
Données
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:
- Routes principales Natural Earth
- Chemins de fer Natural Earth
- Ports maritimes Natural Earth
- Aéroports Natural Earth
- Étendues urbaines Natural Earth
- Lumières nocturnes ce soir, coupures (bande jour/nuit VIIRS) NASA/NOAA VIIRS (Suomi NPP) · registre nasa.gibs.context-live-layers
- Événements naturels (NASA EONET) NASA EONET · registre nasa.eonet.events
Sur les six piliers, sous la conduite de Nexus Consortium
- Expériences Laboratoires
- Intégré Intelligence artificielle et systèmes autonomes dans Foundry
- Testé à Intelligence artificielle et systèmes autonomes dans Universe
- Codifié dans Numérique, cyber et IA dans Standards
- Publié dans Intelligence artificielle et systèmes autonomes dans Reports
- Enseigné dans Faculté de technologie et de systèmes numériques dans Academy
Ce qui est mesuré, et avec quelle qualité.
Chaque indicateur porte son unité, sa périodicité, le type de source qui le sous-tend et l'étiquette de preuve que porterait une valeur. Aucune valeur n'est affichée : un programme les fournit sous sa propre autorité.
| Indicateur | Unité | Fréquence | Type de source | Étiquette |
|---|---|---|---|---|
| Data centre electricity consumption | terawatt hours per year | annuel | Energy agency estimates | ESTIMÉ |
| Efficacité énergétique de l'infrastructure (PUE) | ratio of facility to IT energy | annuel | Operator disclosures | DÉCLARÉ |
| Water usage effectiveness | litres per kilowatt hour | annuel | Operator disclosures | DÉCLARÉ |
| Grid connection requests from data centres | megawatts requested | trimestriel | Grid operator queues | Statistiques publiées |
| Training compute of notable models | floating point operations | per model | Compiled model databases | ESTIMÉ |
| Energy per inference | watt hours per query | per measurement | Measurement studies | ESTIMÉ |
Model compute and energy as a system. Run the cascade.
Assembled from the Nexus Standards area profile Normes sur les risques liés à l'IA et aux systèmes autonomes: the hazards it names, the systèmes 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 Constructeur de systèmes.
Aléas
- Rupture de barrage
- Sea-ice loss
- Coastal erosion (déclenché en aval)
- Crue fluviale (déclenchée en aval)
- Flash flood (set off downstream)
- Déplacements massifs (déclenchés en aval)
- Biodiversity loss (set off downstream)
- Panne d'électricité généralisée (déclenchée en aval)
- Déficit d'approvisionnement en eau (déclenché en aval)
- Arctic winter sea-ice collapse (set off downstream)
- Polar vortex disruption (set off downstream)
Systèmes et couplages
Commandes
NS-0Constitution et principesNS-10Politiques et clauses (obligations lisibles par machine : définition, caractère contraignant, évaluation et application)NS-11Vérification et suivi (éléments probants, attestations, observation de la conformité zero trust)NS-12Artefacts logiciels, de modèles et d’IA/ML (chaîne d’approvisionnement, fiches de modèle, fiches de jeux de données)NRS-H100Famille d’aléas : robotique, autonomie et armes autonomes (NHS-1 tech.autonomy-weapons)NRS-H53Famille d’aléas : perturbations cyber-physiques (NHS-1 cyber.cyber-physical)NRS-H61Famille d'aléas : défaillance en cascade (NHS-1 sys.cascade)NRS-H113Famille d'aléas : fragilité du système financier (NHS-1 soc.financial-system)NRS-A8Données de risque et modèles prêts pour l'IANRS-H54Famille d'aléas : perturbation des signaux et des plateformes (NHS-1 cyber.platform)
Observation
- 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
Géographie d'exemple
- North America: 243 hexagonal cells
- Lumières nocturnes de ce soir, pannes (VIIRS Day/Night Band), NASA GIBS
- Eaux de surface à travers les nuages, 30 m (radar OPERA DSWx-S1), NASA GIBS
- Intensité des précipitations, dernière demi-heure (IMERG), NASA GIBS
- Vegetation disturbance alerts, 30 m (OPERA DIST-ALERT), NASA GIBS
D'où proviennent les données probantes.
Jeux de données publics et registres institutionnels nommés, chacun avec sa catégorie de licence. Les sources fournies dans le cadre d'accords ne sont utilisées que selon leurs conditions et ne sont jamais republiées.
| Sources | Ce qu'elle apporte | Catégorie de licence |
|---|---|---|
| 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 | Ouvert, 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.
Signature
L'énergie et ses partenaires
L'énergie fournit l'électricité pour les transports et les télécoms aux infrastructures (0.8), le pompage et le traitement à l'eau (0.5) et les engrais, les machines et les chaînes du froid à l'alimentation (0.5).
W · E · I · F · H · B
- Secteurs
- 4 sur 6
- Relations
- 6 sur 15
- Couplage
- 0.46 part du total
Relations les plus fortes en jeu
- Énergie → Infrastructures · alimentation des transports et des télécommunications0.8
- Eau → Énergie · eau de refroidissement et hydroélectricité0.6
- Eau → Alimentation · irrigation0.8
- Infrastructures → Eau · canalisations, barrages et stations de traitement0.6
Qui décide, et à quoi servent les données probantes.
Studio Intelligence artificielle et systèmes prepares evidence. The decisions below are taken by the authorities named, under their own rules, and never by the platform.
| Qui décide | La question | Données probantes servies par cette page |
|---|---|---|
| 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 |
Résultats que produit ce thème
- 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.
Le modèle, ses hypothèses, ses données et son incertitude, sous la forme qu'un scientifique ou un ingénieur vérifierait. Les structures suivent des méthodes publiées. Les valeurs représentées sont illustratives, ce ne sont pas des résultats.
Modèle de système
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 le calcul haute performance, cloud et en périphérie. 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
Analyse de scénarios
Projecting demand under different assumptions about efficiency and adoption, with les probabilités et la statistique. Projections are scenarios, not forecasts.
- 04
Access studies
Assessing which researchers and institutions can obtain compute, and on what terms.
Comment c'est étudié, et ce que les méthodes ne peuvent pas dire.
- 01Calcul haute performance, en nuage et en périphérieAccès au calcul pour la recherche publique · Mesure énergétique des charges de travailAppliqué ici
- 02Intelligence artificielle et apprentissage automatiqueAnalyse des glissements de distribution · Ajustement fin pour un usage spécifique · Méthodes d'interprétabilitéAppliqué ici
- 03Probabilités et statistiquesIncertitude sur les scores de référence · Évaluation de l'étalonnage · Échantillonnage d'auditAppliqué ici
Where this page’s references lead.
Les organismes et documents à l'aune desquels cette page se lit. Les statuts et éditions changent ; chaque lien mène à l'organisme émetteur.
Questions et réponses.
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?
Apportez des éléments de preuve depuis cette page.
Rapports 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.
- E-mailPasserelle GW-GCRIL'envoyer depuis cette pageUne preuve, une correction, un cas, une méthode, un examen, une traduction ou un apport au profil. Elle arrive étiquetée avec cette page, afin que le rédacteur responsable la reçoive.
- ZenodoDépôt ouvertLe déposer et le soumettre à la communautéPubliez votre propre fiche sur Zenodo avec votre identifiant ORCID, puis soumettez-la à la communauté Reports qui s'y trouve. Des curateurs l'examinent ; le DOI reste le vôtre.
- RapportsGCRIVoir toutes les façons de contribuerLes types de contribution, la manière dont chacune est examinée, la reconnaissance accordée, la licence et ce qui n'est jamais accepté.
N'envoyez jamais de données personnelles, de détails sensibles sur des infrastructures ni rien que vous n'avez pas le droit de communiquer. Une contribution est examinée avant utilisation ; son envoi ne confère ni qualité d'auteur ni droits éditoriaux, et un parrainage n'achète jamais une conclusion.
Apportez une méthode, un jeu de données ou une question.
L'information et les demandes sont ouvertes dès aujourd'hui. Une demande reçoit une référence et indique l'étape suivante ; candidatures, paiements, allocations de calcul et inscriptions n'ouvrent que lorsque l'équipe, les conditions et la capacité d'examen existent.
Documents juridiques.
Les cartes, données et chiffres de ce site sont présentés à titre de contexte et d'information générale. Ils ne constituent ni des conseils, ni des prévisions, ni des alertes ; les limites de l'information sont exposées dans les Avertissements et les Notices sur les données.