Google опубликовала отчет о влиянии приложения Gemini AI на энергопотребление: одна типичная текстовая команда требует всего 0,24 ватт-часа энергии — якобы меньше, чем просмотр телевизора в течение девяти секунд.
Такое сравнение помогает отвлечь внимание от реальной проблемы масштаба. По данным издания, основные затраты приходятся на миллиарды запросов ежедневно. Почти никто не смотрит телевизор девять секунд подряд и редко отправляет только один запрос в чатботе.
Google приводит в отчете ключевые показатели: 0,24 ватт-часа, 0,03 грамма CO2 и около пяти капель воды (0,26 миллилитра) на один текстовый запрос.
Хотя шаг Google к открытости примечателен, в исследовании много пробелов. Там учитывается только “типичный” текстовый запрос. Не объясняется, что считается этим типичным случаем. Нет информации о длине запросов или расчете для более сложных задач.
Фактическое энергопотребление при обработке документов, загрузке медиа, генерации картинок, аудиораспознавании, просмотре видео и сложном поиске Google не учитывается. Так Google обходит энергозатраты сложных задач и не показывает, как они влияют на итоговые средние значения.
AI-технологии Google работают не только в Gemini, но и в таких сервисах, как Google Search, что значительно увеличивает общее энергопотребление по сравнению с расчетами отчета.
В исследовании не уточняется, учитываются ли новые модели для логических задач, так называемые “reasoning tokens”, которые увеличивают количество обрабатываемых единиц. В июне Google обработала 980 триллионов токенов во всех AI-продуктах — вдвое больше, чем в мае, благодаря более частому использованию таких моделей. В отчете просто указано “Gemini App models” без уточнения.
Инфраструктура — еще один пробел. Запросы со множеством токенов или нестандартными входными данными требуют больше ресурсов внутренних сетей. Исследование считает только энергию “AI-компьютера” и не учитывает внутренние и внешние передачи данных. Для сложных задач этот недоучет значителен.
Отдельный вопрос — обучение моделей. Обучение требует тысяч чипов и тратит гига-ватт-часы электричества. В отчете учтено только исполнение (inference), то есть работа уже обученной модели. Google пообещала включить энергозатраты на обучение в будущем отчете.
Google использует “рыночный” метод подсчета выбросов CO2: снижает цифры за счет покупки сертификатов на зеленую энергию, даже если сам дата-центр работает на угле. Реальный, “локальный”, уровень в четыре раза выше рыночного. Такой подход улучшает статистику, но не уменьшает реальные выбросы.
Все же, по данным Google, за год энергоэффективность их AI заметно выросла. Расход энергии на один запрос снизился в 33 раза, выбросы CO2 — в 44 раза, чему помогла доля чистой энергии.
Компания поясняет: софт оптимизируют, серверы загружают эффективнее, для ресурсоёмких задач активируются только нужные части модели. Новые AI-чипы Google в 30 раз эффективнее ранних, а дата-центры работают с 9% дополнительной мощности.
Распределение энергозатрат: 58% уходит на AI-чипы, 25% на память и CPU, 10% — на резервные серверы, 8% — на охлаждение и вспомогательные нужды.
Сторонние оценки называют расход AI-моделей в диапазоне 0,3−3 ватт-часа на запрос. Глава OpenAI Сэм Альтман говорил о 0,34 ватт-часа для ChatGPT (методика не раскрыта). Компания Mistral сообщает о более высоких выбросах и водопотреблении для крупных языковых моделей.
Google признает: сравнения делать тяжело, стандартов пока нет. Но отчет сосредоточен на выгодных для компании расчетах, что затрудняет независимую оценку.
Но самый главный вопрос так и остается без ответа: какие реальные ресурсы тратит глобальная AI-система при обработке миллиардов, зачастую намного более сложных, запросов каждый день? Данные Google этого не показывают.
Вложенные в AI инфраструктуру деньги — триллионы долларов — говорят, что это не мелкая проблема. Глава DeepMind Демис Хассабис отметил: «AI-чипы Google могли бы расплавиться от наплыва запросов» — образ, который сильно отличается от “экономичной” картинки в отчете.
