greenai.guide

الرئيسية › ممارسات جيدة › كيف تقيسون طاقة الذكاء الاصطناعي وانبعاثاته الكربونية

ممارسات جيدة

كيف تقيسون طاقة الذكاء الاصطناعي وانبعاثاته الكربونية

تاريخ التحديث · مدة القراءة: 6 دقيقة

باختصار

قيسوا طاقة الذكاء الاصطناعي (AI) بعدّادات على العتاد الذي تتحكمون فيه، وقدّروها للخدمات التي لا تتحكمون فيها، ثم حوّلوا الاثنين إلى كربون باستخدام بيانات شبكة محلية مطابقة زمنيًا. سجّلوا حدود القياس والطريقة وعدم اليقين مع كل رقم، وأبلغوا عنه لكل وحدة من العمل المفيد، لا كمجموع فقط.

النقاط الرئيسية

  • قيسوا حيث تستطيعون (عدّادات العتاد، وبيانات القياس عن بُعد لوحدات GPU، والمقابس الذكية، وسجلات المجدوِل)، وقدّروا حيث لا تستطيعون (واجهات API المستضافة، والسحابة العامة).
  • كل رقم يحتاج إلى حدود نظام معلنة: ما المشمول، وما المستثنى، ولماذا.
  • أبلغوا عن الطاقة لكل وحدة من العمل المفيد، مثل كل طلب أو كل مستند، لتظهر الكفاءة مع نمو الاستخدام.
  • استخدموا شدة الكربون في الشبكة على أساس الموقع، للمنطقة والساعة اللتين جرى فيهما العمل؛ فالشهادات لا تغيّرها.
  • كرّروا القياسات وقدّموا نطاقًا. فزوج واحد من القياسات قبل التغيير وبعده قد يكون مجرد ضجيج.

لماذا القياس أصلًا؟

لا يمكنكم أن تخفّضوا أو تقارنوا أو تدّعوا بصدق ما لم تقيسوه. فالقياس يحوّل عبارة "الذكاء الاصطناعي يستهلك طاقة كثيرة" إلى أرقام يمكنكم العمل بها: أي ميزة أو نموذج أو مهمة يكلّف أكثر، وهل أفاد تغييرٌ ما.

في ورشة العمل المكثفة (sandpit) البريطانية عن الذكاء الاصطناعي الأخضر عام 2026، التي جمعت علماء رياضيات وعلماء حاسوب وممثلين عن الصناعة، تكرّر طرح القياس مرة بعد مرة بوصفه عنق الزجاجة. فكثير من الأرقام المنشورة تقديرات، والطرق كثيرًا ما تكون غير موثّقة، وقد يُنتج العمل نفسه أرقامًا مختلفة جدًا بحسب ما يُحتسب. يعرض هذا الدليل طريقة متينة.

هل أقيس أم أقدّر؟

قيسوا العتاد الذي تتحكمون فيه؛ وقدّروا الخدمات التي لا تتحكمون فيها. كلا الأمرين صحيح، ما دام كل رقم يبيّن أيهما هو.

الحالة النهج الأدوات المعتادة
حاسوبكم المحمول أو محطة عملكم أو خادمكم القياس بعدّادات العتاد perf أو powercap (عدّادات RAPL من Intel/AMD)، وPowerJoular، وScaphandre
وحدات GPU الخاصة بكم القياس ببيانات القياس عن بُعد من المصنّع، مع أخذ عينات على مدى الزمن nvidia-smi أو NVML، وCodeCarbon
عنقود حوسبة بحثي قراءة سجل الطاقة لدى المجدوِل Slurm sacct (حقل ConsumedEnergy)، حيث يكون مفعّلًا
الأجهزة الافتراضية في السحابة العامة التقدير من معدل الاستخدام والفواتير Cloud Carbon Footprint، ولوحات الكربون لدى المزوّدين
واجهات API للذكاء الاصطناعي المستضافة التقدير من الرموز وافتراضات عن النموذج EcoLogits
مقارنة النماذج المفتوحة قبل الاختيار استخدام مقياس أداء معياري AI Energy Score من Hugging Face

وترسم إرشادات CodeCarbon نفسها الخط ذاته: استخدموا CodeCarbon للشيفرة التي تعمل على عتاد تديرونه، وEcoLogits لاستدعاءات خدمات الذكاء الاصطناعي التوليدي البعيدة، حيث لا يمكنكم الوصول إلى العتاد.

اعرفوا حدود عدّادكم

  • بيانات القياس عن بُعد لوحدة GPU تأخذ عينات، ولا تراقب باستمرار. وجد باحثون أن nvidia-smi على وحدات A100 وH100 لا يأخذ عينات القدرة إلا لنحو 25% من زمن التشغيل، ما قد يسبب تقديرًا ناقصًا أو زائدًا كبيرًا للمهام القصيرة. خذوا العينات طوال المهمة، وشغّلوها مدة تكفي لتغطية فترات عيّنة كثيرة، وكاملوا على مدى الزمن.
  • العدّادات البرمجية نماذج. قارنوا أحدها بعدّاد على مقبس الحائط (يكفي مقبس ذكي يقيس الاستهلاك) مرة واحدة لكل منصة.
  • أرقام السحابة تقديرات. فعدّادات العتاد غير متاحة عادةً على الأجهزة الافتراضية في السحابة العامة، لذا صنّفوا أرقام السحابة بأنها مقدَّرة.

ماذا ينبغي أن تشمل حدود النظام؟

ارسموا الحدود واسعة بما يكفي لتشمل كل ما هو مهم، واكتبوها. فالرقم بلا حدود لا يمكن مقارنته بأي شيء.

ورقة Google لعام 2025 عن Gemini مثال جيد. إذ تفيد بأن الطلب النصي الوسيط يستهلك 0.24 واط ساعة حين تُحتسب المسرّعات والأجهزة المضيفة والسعة الخاملة والأعباء الإضافية لمركز البيانات، و0.10 واط ساعة حين يُحتسب فقط الاستخدام الفعلي لوحدات TPU وGPU. كلا الرقمين صادق؛ لكنهما يجيبان عن سؤالين مختلفين. كما تستثني حدود Google الشبكة الخارجية وأجهزة المستخدمين وتدريب النموذج، ولم يُتحقق من الأرقام بشكل مستقل.

مرّوا على هذه الطبقات وقرّروا لكل منها هل هي مشمولة أم مستثناة:

  1. المسرّع (GPU، TPU) الذي يُجري العمليات الحسابية.
  2. بقية الخادم: وحدة المعالجة المركزية، والذاكرة، والتخزين.
  3. السعة الخاملة والمحجوزة المُبقاة جاهزة لعملكم.
  4. الأعباء الإضافية لمركز البيانات: التبريد وتحويل الطاقة، ويعبّر عنها مؤشر PUE.
  5. الشبكة بين المستخدمين والخدمة.
  6. أجهزة المستخدمين.
  7. الانبعاثات المتجسدة: حصة تصنيع العتاد التي تُنسب إلى استخدامكم.
  8. التدريب والضبط الدقيق، موزّعين على العمر النافع للنموذج.
  9. العملية المحيطة: إعادة المحاولات، والتشغيلات الفاشلة، ووقت المراجعة البشرية.

وقد أبدت الورشة الملاحظة نفسها عن ادعاءات مثل "الذكاء الاصطناعي يكلّف ثلاثين ضعف أداء المهمة يدويًا": فالجواب يتوقف على ما إذا كنتم تحتسبون وقت عمل الشخص ومعداته وكل ما يحيط به. حدّدوا الحدود قبل أن تقارنوا.

ماذا ينبغي أن أسجّل؟

سجّلوا ما يكفي ليتمكن شخص آخر من تكرار القياس والحصول على رقم مشابه. احتفظوا لكل رقم بما يلي:

  • ما الذي قيس: النموذج وإصداره، والمهمة، ومجموعة البيانات أو مجموعة الطلبات، وأعداد رموز المدخلات والمخرجات.
  • أين ومتى: العتاد، والمنطقة، والتاريخ والوقت (لازمان لحساب شدة الكربون).
  • كيف: الأداة وإصدارها، ومعدل أخذ العينات، ومُقاس أم مقدَّر، وهل خط الأساس الخامل مشمول أم مستثنى.
  • الحدود: أي الطبقات أعلاه مشمولة.
  • قاعدة التوزيع: كيف قُسمت الطاقة المشتركة أو الخاملة بين المستخدمين أو الخدمات.
  • التشتّت: عدد التشغيلات، والمتوسط، والنطاق.
  • الجودة: الدقة أو معدل نجاح المهمة في ذلك الوقت. فالإجابة الرخيصة الخاطئة ليست توفيرًا.

كيف أحوّل الطاقة إلى كربون؟

اضربوا الطاقة في شدة الكربون في الشبكة حيث ومتى جرى التشغيل، وأضيفوا الانبعاثات المتجسدة إن كانت ضمن حدودكم. تعبّر مواصفة شدة الكربون في البرمجيات (SCI) الصادرة عن Green Software Foundation، والمنشورة بوصفها ISO/IEC 21031:2024، عن ذلك بمعدّل:

SCI = ((E × I) + M) per R

حيث E هي الطاقة، وI هي شدة الكربون في الشبكة على أساس الموقع، وM هي الانبعاثات المتجسدة، وR هي الوحدة الوظيفية. وتستخدم المواصفة أرقام الشبكة على أساس الموقع، ولا تسمح بأن تخفّض الدرجةَ أدواتٌ قائمة على السوق مثل شهادات الطاقة المتجددة أو اتفاقيات شراء الطاقة أو أرصدة التعويض.

  • استخدموا بيانات إقليمية مطابقة زمنيًا حيث تستطيعون. ففي بريطانيا العظمى، توفّر واجهة Carbon Intensity API التابعة لمشغّل منظومة الطاقة الوطنية توقعات وتقديرات إقليمية؛ ويغطي Electricity Maps بلدانًا كثيرة أخرى.
  • لا تلجؤوا إلى المتوسطات الوطنية السنوية إلا حين لا يوجد ما هو أدق، وصرّحوا بذلك.

أي المقاييس لكل مهمة هي الأفضل؟

اختاروا وحدة وظيفية تطابق القيمة التي يقدّمها ذكاؤكم الاصطناعي، وأبلغوا وفقها. فالمجاميع ترتفع مع النمو وتُخفي الكفاءة؛ أما الأرقام لكل وحدة فتُظهرها.

وحدات وظيفية جيدة لأعمال الذكاء الاصطناعي:

  • لكل طلب، أو لكل إجابة، أو لكل محادثة
  • لكل مستند يُلخَّص، أو تذكرة تُصنَّف، أو صورة تُنتَج
  • لكل مهمة ناجحة (وهذا أفضل، لأن المحاولات الفاشلة تُحتسب)
  • لكل تشغيل تدريب أو لكل نموذج مضبوط ضبطًا دقيقًا، لأعمال التطوير

ثم تابعوا الطاقة لكل وحدة، والكربون لكل وحدة، والجودة لكل وحدة، والمجموع جنبًا إلى جنب. فإذا انخفضت الطاقة لكل وحدة بينما ارتفع المجموع، فالكفاءة تتحسن لكن الاستخدام ينمو أسرع: هذا هو تأثير الارتداد، وينبغي أن تُظهره تقاريركم.

كيف أتعامل مع عدم اليقين؟

كرّروا، وأبلغوا عن نطاق، ولا تدّعوا إلا التغييرات الأكبر من الضجيج. فالقراءات تتفاوت مع درجة الحرارة والعمليات الجارية في الخلفية وتغيير التردد.

  • قيسوا خط الأساس الخامل أولًا على الجهاز نفسه.
  • شغّلوا كل اختبار عدة مرات؛ وأبلغوا عن المتوسط والتشتت.
  • غيّروا شيئًا واحدًا في كل مرة، وأعيدوا القياس على الإعداد والحِمل نفسيهما.
  • في التقديرات، اذكروا كل افتراض (حجم النموذج، والعتاد، ومعدل الاستخدام، وPUE) وقدّموا حالة دنيا وحالة عليا.
  • استبدلوا التقديرات بأرقام مُقاسة أو صادرة عن المورّد حين تتوفر.

الأرقام المنشورة لكل طلب سياق مفيد، لا بديل عن أرقامكم. فتقدير Epoch AI التصاعدي لنحو 0.3 واط ساعة لاستعلام نموذجي في ChatGPT يرتفع إلى نحو 2.5 واط ساعة مع مدخل من 10,000 رمز، وإلى قرابة 40 واط ساعة مع مدخل من 100,000 رمز. ونمط استخدامكم أهم من أي متوسط عام.

قائمة التحقق

  • [ ] كل رقم مصنّف مُقاسًا أو مقدَّرًا، مع الأداة وإصدارها
  • [ ] الحدود مكتوبة، بما في ذلك ما استُثني ولماذا
  • [ ] خط الأساس الخامل مسجّل؛ وقاعدة توزيع الطاقة المشتركة معلنة
  • [ ] قدرة GPU مأخوذة بالعينات طوال المهمة، لا بلقطة واحدة
  • [ ] الطاقة مُبلَغ عنها لكل وحدة وظيفية، إلى جانب المجموع والجودة
  • [ ] الكربون محسوب ببيانات شبكة على أساس الموقع ومطابقة زمنيًا
  • [ ] تشغيلات متعددة؛ والمتوسط والنطاق مُبلَغ عنهما
  • [ ] الطريقة محفوظة مع النتائج ليتمكن غيركم من تكرارها

ماذا تفعلون بعد ذلك

  1. اختاروا ميزة أو عبء عمل واحدًا للذكاء الاصطناعي، وحدّدوا وحدته الوظيفية.
  2. أضيفوا CodeCarbon إلى نص برمجي للتدريب أو للاستدلال المحلي، أو EcoLogits إلى عميل API للذكاء الاصطناعي لديكم، وسجّلوا الطاقة مع كل طلب أو تشغيل.
  3. اكتبوا طريقة قياس في صفحة واحدة: الحدود، والأدوات، وقاعدة التوزيع، ومصدر بيانات الكربون.
  4. قيسوا أداء النماذج المرشّحة قبل اختيار أحدها؛ راجعوا اختيار النموذج المناسب.
  5. قبل أن تنشروا أي رقم، تحقّقوا منه وفق ادعاءات بيئية صادقة.
  6. اقرؤوا لماذا القياس هو عنق الزجاجة، واعثروا على أدوات القياس في دليل المنتجات أو على المساعدة لدى الاستشاريين.

الأسئلة المتكررة

كم من الطاقة يستهلك طلب واحد (prompt) للذكاء الاصطناعي؟

الأرقام المنشورة لطلب نصي نموذجي هي جزء من الواط ساعة: تفيد Google بأن الطلب النصي الوسيط في Gemini يستهلك 0.24 واط ساعة، وتقدّر Epoch AI نحو 0.3 واط ساعة لاستعلام نموذجي في ChatGPT. أما المدخلات الطويلة والاستدلال المنطقي وتوليد الصور أو الفيديو فقد تكلّف أكثر بكثير.

هل يمكنني قياس طاقة خدمة ذكاء اصطناعي مستضافة مثل ChatGPT؟

ليس مباشرةً. يمكنكم تقديرها من أعداد الرموز (tokens) وافتراضات عن النموذج بأداة مثل EcoLogits، وأن تطلبوا من المورّد أرقامه وطريقته.

هل زمن التشغيل بديل جيد عن الطاقة؟

لا. فالسرعة والطاقة كثيرًا ما تتحركان معًا لكن ليس دائمًا، لذا قيسوا الطاقة مباشرةً وأبلغوا عن الاثنين.

ما حدود النظام؟

هي قائمة ما يشمله رقمكم: مثلًا وحدة GPU فقط، أو الخادم كله، أو الأعباء الإضافية لمركز البيانات، أو الشبكة، أو أجهزة المستخدمين، أو تصنيع العتاد. وقد يختلف رقمان صادقان عشرة أضعاف لأن حدودهما مختلفة.

المصادر

  1. Measuring the environmental impact of delivering AI at Google scale, Google (arXiv 2508.15734) (2025)
  2. How much energy does ChatGPT use?, Epoch AI (2025)
  3. Part-time power measurements: nvidia-smi's lack of attention, Yang et al. (arXiv 2312.02741) (2023)
  4. Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
  5. ISO/IEC 21031:2024 Software Carbon Intensity (SCI) specification, ISO (2024)
  6. When to use CodeCarbon, CodeCarbon (2025)
  7. EcoLogits documentation, EcoLogits (2025)
  8. AI Energy Score, Hugging Face (2025)
  9. Carbon Intensity API, National Energy System Operator (2025)
  10. Slurm sacct manual (ConsumedEnergy), SchedMD (2025)
ممارسات جيدة

اختاروا النموذج المناسب للمهمة

كيف تختارون ذكاءً اصطناعيًا بالحجم المناسب: متى تستخدمون نماذج صغيرة أو متخصصة، ومتى يستحق نموذج متقدم كلفته، وكيف يعمل التوجيه، ومتى لا تستخدمون الذكاء الاصطناعي.

ممارسات جيدة

ادعاءات بيئية صادقة عن الذكاء الاصطناعي

كيف تتجنبون الغسل الأخضر في الذكاء الاصطناعي: ما يجوز ادعاؤه وما لا يجوز، وتأثيرات الارتداد، والإبلاغ الصادق، وقواعد المملكة المتحدة والاتحاد الأوروبي والولايات المتحدة.

مقالة

القياس هو عنق الزجاجة في الذكاء الاصطناعي الأخضر

لماذا يصعب الوثوق بأرقام طاقة الذكاء الاصطناعي أو مقارنتها: أرقام يعلنها أصحابها، وتقديرات لا قياسات، وحدود مختلفة، وكيف يبدو القياس الجيد.

مقالة

ملصقات الطاقة ومقاييس الأداء للذكاء الاصطناعي

أين تقف تصنيفات طاقة الذكاء الاصطناعي في 2026: AI Energy Score وMLPerf Power ومتطلبات قانون الذكاء الاصطناعي الأوروبي وتصنيف مراكز البيانات، وما يمكن للملصقات أن تُظهره.

انضموا إلينا

ساعدوا في خفض أثر الذكاء الاصطناعي على الكوكب

تلقّوا الأدلة الجديدة ودعوات التمويل وإدراجات الأدلة بالبريد الإلكتروني، مرة في الشهر تقريبًا. أو أضيفوا منتجكم أو دورتكم أو منحة الدكتوراه أو بحثكم إلى الأدلة.

بلا تتبّع. ألغوا الاشتراك بنقرة واحدة. طرق أخرى للانضمام · الخصوصية