Исследования устойчивости AI требуют прозрачности по энергопотреблению моделей

Саша Луччони запускает Sustainable AI Group в ответ на растущий запрос корпоративного и регуляторного сектора к данным об эмиссиях AI и метрикам энергоэффективности на европейском и глобальном рынках.

ai sustainability hugging-face energy transparency

Корпоративное давление формирует запрос на устойчивость

Луччони сказала Wired, что компании ощущают серьёзное внутреннее давление по измерению экологического следа AI. Сотрудники спрашивают, как такие инструменты, как GitHub Copilot, влияют на корпоративные ESG-цели, а советы директоров требуют количественной оценки эмиссий, связанных с AI. Исследовательница отмечает, что бизнес больше не может использовать модели, не понимая, где расположены дата-центры, к каким сетям они подключены и какие эмиссии возникают в цепочке поставок.

Бизнесу нужно не отказаться от AI, а получить рамки для выбора подходящих моделей и сигналы предпочтения инфраструктуры на возобновляемых источниках. Для этого требуются гранулярные данные, которые крупные провайдеры моделей сегодня от клиентов и публики скрывают.

Европейские регуляции формируют глобальные стандарты

В EU AI Act заложены требования к отчётности по устойчивому развитию — сейчас они входят в первые фазы реализации. Европейская регуляторная рамка резко контрастирует с текущим подходом США, где администрация Трампа сворачивает экологические нормативы и поощряет быстрое расширение дата-центров без оглядки на источники энергии.

Луччони подчёркивает, что другие регионы — включая часть Азии — требуют от операторов дата-центров более качественных данных по энергопотреблению. Международному энергетическому агентству трудно составлять точные прогнозы, потому что у отдельных стран нет конкретных цифр по потреблению электроэнергии дата-центрами, и это ограничивает возможности планирования инфраструктуры.

Провайдеры моделей сопротивляются прозрачности

Исследовательница выступает за то, чтобы AI-интерфейсы показывали энергопотребление в реальном времени — по аналогии с пищевой ценностью на упаковке или эмиссиями на транспорте. По её словам, один из крупных провайдеров мог бы получить конкурентное преимущество, сделав ставку на возобновляемую инфраструктуру и прозрачную отчётность.

Google предоставляет часть метрик через подсчёт токенов, что позволяет бизнесу подбирать размер модели под сложность задачи. Однако большинство провайдеров сохраняют непрозрачность по энергопотреблению, и закупочные команды, оценивающие экологический эффект наряду с производительностью, упираются в дефицит данных.

Открытые модели предлагают альтернативный путь к эффективности

Работа Луччони в Hugging Face включала разработку лидербордов энергоэффективности для open-source моделей — наглядная альтернатива крупным коммерческим предложениям. Многие корпоративные сценарии — поиск по документам, финансовый анализ, классификация контента — эффективно работают на меньших специализированных моделях, а не на универсальных больших языковых моделях.

Консолидация разработки моделей, предоставления compute и продуктовой поставки внутри одних и тех же компаний снижает стимулы к оптимизации эффективности. Луччони утверждает, что разнесение этих функций по разным игрокам увеличило бы и разнообразие моделей, и инновации в области энергоэффективности.

Sustainable AI Group ставит цель помочь бизнесу подбирать подходящие модели под конкретные workload и одновременно строить фреймворки для измерения и снижения экологического следа AI. Эта прагматичная фокусировка на метриках устойчивости отражает растущее понимание: внедрение AI требует сопутствующей экологической подотчётности — особенно по мере того, как европейские регуляции задают прецеденты для глобальной корпоративной отчётности.