# الذكاء الاصطناعي الأخضر للشركات

> دليل عملي للشركات لخفض الطاقة والتكلفة والكربون في الذكاء الاصطناعي: اختيار النموذج والمورّدين والقياس والمشتريات والادعاءات الصادقة.

Source: https://greenai.guide/ar/أدلة/الذكاء-الاصطناعي-الأخضر-للشركات/  
Updated: 2026-11-19

## باختصار

الذكاء الاصطناعي الأخضر في الشركات يعني الحصول على النتائج التي تحتاجون إليها من الذكاء الاصطناعي بطاقة ومال وكربون أقل. ويأتي معظم التوفير من قرارات قليلة: استخدام الذكاء الاصطناعي حيث يضيف قيمة فقط، واختيار أصغر نموذج يؤدي المهمة جيدًا، واختيار مورّدين ينشرون بيانات الطاقة لديهم، والقياس قبل إطلاق أي ادعاء.

## النقاط الرئيسية

- في معظم الشركات يكون الذكاء الاصطناعي الأرخص والأسرع والأكثر مراعاة للبيئة هو نفسه عادةً: نماذج أصغر، ورموز (tokens) أقل، وإعادة عمل أقل.
- تقدّر الوكالة الدولية للطاقة أن مراكز البيانات استهلكت نحو 415 تيراواط ساعة (TWh) من الكهرباء في 2024، أي قرابة 1.5% من إجمالي العالم، وتتوقع نحو 945 TWh بحلول 2030.
- قد يكون تشغيل النماذج المخصصة لمهمة بعينها أرخص بمراتب عددية من النماذج التوليدية العامة الغرض لأداء المهمة نفسها.
- اطلبوا من المورّدين بيانات الطاقة لكل طلب، ومراكز البيانات التي يستخدمونها، وطريقة القياس لديهم، ودوّنوا الإجابات في العقود.
- لا تطلقوا أي ادعاء بيئي لا تستطيعون دعمه بأرقام مقيسة أو ذات مصدر واضح.

## لماذا ينبغي للشركات أن تهتم بالذكاء الاصطناعي الأخضر؟ {#why-should-a-business-care-about-green-ai}

لأن ما يجعل الذكاء الاصطناعي أكثر مراعاة للبيئة هو في معظمه ما يجعله أرخص وأسرع وأكثر موثوقية. فالحوسبة الأقل
تعني فواتير أقل وإجابات أسرع وانتظارًا أقصر، والعادات نفسها التي تهدر الطاقة، مثل المطالبات (prompts) الطويلة
والمحاولات المتكررة والنماذج الأكبر من الحاجة، تهدر أيضًا المال ووقت الموظفين.

وقد توصلت ورشة عمل مكثفة (sandpit) بريطانية عن الذكاء الاصطناعي الأخضر عُقدت في 2026، وضمّت علماء رياضيات وعلماء
حاسوب وممثلين عن الصناعة، إلى رأي مشابه: المشترون يختارون على أساس التكلفة والسرعة والجودة، ولذلك يجب أن يأتي
الذكاء الاصطناعي الأخضر مقترنًا بها لا منافسًا لها. وهذا خبر سار للشركات، إذ نادرًا ما تضطرون إلى التضحية بالنتائج
مقابل بصمة أصغر.

وهناك أربعة أسباب أخرى تستدعي الانتباه:

- **الحجم.** تقدّر الوكالة الدولية للطاقة (IEA) أن مراكز البيانات استهلكت نحو 415 تيراواط ساعة (TWh) من الكهرباء
  في 2024، أي قرابة 1.5% من الكهرباء العالمية، وتتوقع أن يتضاعف ذلك بأكثر من مرتين ليبلغ نحو 945 TWh بحلول 2030،
  ويكون الذكاء الاصطناعي أهم محرّك لهذا النمو. واستخدامكم للذكاء الاصطناعي جزء من هذا الطلب.
- **الإبلاغ.** إن كنتم تُبلغون عن الطاقة والانبعاثات، فالذكاء الاصطناعي صار الآن جزءًا من الرقم، سواء احتسبتموه أم لا.
- **التنظيم.** بدأت القواعد تفرض على مزوّدي الذكاء الاصطناعي ومراكز البيانات تقديم بيانات الطاقة (انظروا أدناه)،
  ما يتيح لكم معلومات أفضل عن المورّدين.
- **الثقة.** يسأل العملاء والموظفون والمستثمرون بصورة متزايدة عن طريقة استخدامكم للذكاء الاصطناعي. والإجابات الواضحة
  الصادقة تساعد.

## أين تذهب الطاقة في الذكاء الاصطناعي؟ {#where-does-the-energy-in-ai-go}

تذهب معظم طاقة الذكاء الاصطناعي في الشركة النموذجية إلى **الاستدلال (inference)**، أي تشغيل نموذج للإجابة عن
الطلبات، لا إلى تدريبه. فنادرًا جدًا ما تدرّبون نموذجًا كبيرًا بأنفسكم، لكن كل مطالبة، وكل سير عمل مؤتمت، وكل ميزة
ذكاء اصطناعي في برامجكم، تشغّل استدلالًا على عتاد جهةٍ ما.

المواضع الرئيسية لاستهلاك الطاقة:

| المرحلة | ما يحدث | من يتحكم فيها |
|---|---|---|
| التدريب | يتعلم النموذج من البيانات، مرة واحدة أو من حين لآخر | مزوّد النموذج في الغالب |
| الضبط الدقيق (fine-tuning) | يُكيَّف نموذج قائم مع مهمتكم | أنتم أو مورّدكم |
| الاستدلال | يجيب النموذج عن كل طلب | مشترك: أنتم تختارون الكمية والنموذج |
| مركز البيانات | التبريد وتحويل الطاقة والشبكات | مزوّد الاستضافة |
| العتاد | تصنيع الرقائق والخوادم (الكربون المتجسد) | المزوّد، عبر مدة الاحتفاظ بالمعدات |

بالنسبة للشركة، الاستدلال هو الجزء الذي يمكنكم تغييره أكثر من غيره. وتتوقف كميته على:

- **حجم النموذج ونوعه.** وجدت دراسة أجراها Luccioni وJernite وStrubell أن تشغيل النماذج التوليدية العامة الغرض
  أغلى بمراتب عددية من الأنظمة المخصصة لمهمة بعينها عند أداء المهمة نفسها. ففي اختباراتهم، استهلك توليد الصور في
  المتوسط نحو 2.9 كيلوواط ساعة (kWh) لكل 1,000 طلب، بينما استهلك تصنيف النصوص نحو 0.002 kWh؛
- **عدد الرموز (tokens)**، وهي مقاطع النص التي يقرؤها النموذج ويكتبها. فالمطالبات الطويلة والمستندات الملصقة
  والإجابات المسهبة كلها تتراكم؛
- **عدد الاستدعاءات** التي يجريها سير العمل. فالوكلاء الذين يخططون ويتحققون ويعيدون المحاولة قد يجرون عشرات
  الاستدعاءات لمهمة واحدة؛
- **مكان التشغيل وزمانه**، لأن كمية الكربون في كل كيلوواط ساعة تتوقف على شبكة الكهرباء المحلية.

ولتكوين فكرة عن الحجم لكل طلب، تفيد Google بأن المطالبة النصية الوسيطة في تطبيقات Gemini استهلكت 0.24 واط ساعة
(Wh) من الطاقة، وبأن هذا الرقم انخفض 33 ضعفًا خلال عام. ويقيس المزوّدون بطرق مختلفة، فتعاملوا مع هذه الأرقام على أنها
استرشادية، واطّلعوا على [قياس طاقة الذكاء الاصطناعي](/ar/الممارسات-الجيدة/كيف-تقيسون-طاقة-الذكاء-الاصطناعي-وانبعاثاته-الكربونية/) لمعرفة سبب أهمية التفاصيل.

## كيف نختار النموذج المناسب؟ {#how-do-we-choose-the-right-model}

استخدموا أصغر نموذج يؤدي المهمة بموثوقية، واختبروا ذلك على عملكم الفعلي. ففي كثير من مهام الشركات، مثل فرز
الرسائل الإلكترونية واستخراج الحقول من الفواتير والتلخيص والترجمة، يكفي نموذج صغير أو متخصص.

وجدت اليونسكو وجامعة كلية لندن (University College London) أن استخدام نماذج أصغر مخصصة للمهمة قد يخفض استهلاك
الطاقة بما يصل إلى 90% دون فقدان في الأداء في المهام الملائمة، وأن المطالبات والإجابات الأقصر قد تخفضه بأكثر من
النصف.

خطوات عملية:

1. **أعدّوا قائمة بمهام الذكاء الاصطناعي لديكم** وما يعنيه «جيد بما يكفي» لكل منها، مثل صحة 98% من حقول الفواتير.
2. **جرّبوا النماذج من الأصغر إلى الأكبر** على عينة من الحالات الحقيقية، وتوقفوا عند أول نموذج يحقق المعيار.
3. **وجّهوا الطلبات.** أرسلوا الطلبات الروتينية إلى نموذج صغير والصعبة فقط إلى نموذج كبير. ويُسمى هذا غالبًا توجيه
   النماذج (model routing).
4. **احذروا الوفورات الزائفة.** فالنموذج الأصغر من اللازم الذي يفشل ويفرض إعادة التشغيل على نموذج كبير قد يستهلك طاقة
   أكثر من التوجه مباشرة إلى النموذج الكبير. قيسوا النجاح من المحاولة الأولى، لا التكلفة لكل استدعاء.
5. **أعيدوا الاستخدام بدل إعادة التوليد.** حين تحتاجون إلى الإجابة أو القالب أو جزء الشيفرة نفسه مجددًا، خزّنوه وأعيدوا
   استخدامه بدل سؤال النموذج في كل مرة. ويصف GreenCode، وهو مشروع بحثي ضمن ITEA، استخدام الاسترجاع، والتوجيه إلى أرخص
   مكوّن قادر، والجدولة، لإبقاء استخدامه الخاص للذكاء الاصطناعي صغيرًا.

ويمكن أن تساعدكم التقييمات المستقلة في مقارنة النماذج المفتوحة. فمؤشر AI Energy Score، الذي أطلقته Hugging Face
وشركاؤها، يمنح النماذج من نجمة إلى خمس نجوم بحسب كفاءتها في استهلاك الطاقة في المهام الشائعة. وتجدون المزيد في
[اختيار النموذج المناسب](/ar/الممارسات-الجيدة/اختاروا-النموذج-المناسب-للمهمة/) و
[التنسيق بدل التوليد](/ar/مقالات/التنسيق-بدل-التوليد/).

## ماذا نسأل مورّدي الذكاء الاصطناعي؟ {#what-should-we-ask-ai-suppliers}

اطلبوا الأرقام والطرق والمواقع، وضمّنوا الإجابات في العقد. فكثير من المورّدين لا يستطيعون بعد تقديم إجابات كاملة،
لكن السؤال يُظهر وجود طلب ويكشف لكم من يأخذ الأمر بجدية.

أسئلة تُدرج في المناقصات وعند التجديد:

- **الطاقة لكل طلب.** ما الطاقة (بالواط ساعة Wh) لكل طلب نموذجي أو لكل 1,000 رمز للنماذج التي سنستخدمها؟ هل هي
  مقيسة أم مقدّرة، وكيف؟
- **حدود النظام.** هل يشمل الرقم السعة الخاملة والتبريد والشبكات، أم الرقائق فقط؟
- **مكان التشغيل.** أي مراكز بيانات ومناطق تستضيف أعمالنا؟ وما فعالية استخدام الطاقة فيها (PUE، أي نسبة إجمالي طاقة
  المنشأة إلى طاقة الحوسبة) واستهلاكها للمياه؟
- **الكهرباء.** ما الحصة المطابَقة ساعة بساعة مع طاقة نظيفة، لا المغطاة بشهادات سنوية؟
- **خيارات النماذج.** هل يمكننا اختيار نماذج أصغر، أو توجيه الطلبات بين النماذج؟ وهل يمكننا التشغيل على عتادنا الخاص
  حين يجب أن تبقى البيانات محلية؟
- **الإبلاغ.** هل ستزوّدوننا ببيانات شهرية عن الطاقة والانبعاثات لحسابنا، بصيغة نستطيع استخدامها في إبلاغنا الخاص؟
- **عمر العتاد.** كم تُبقون الخوادم في الخدمة، وماذا يحدث لها بعد ذلك؟
- **الإشعار بالتغيير.** هل ستُعلموننا إن غيّرتم النموذج الذي تقوم عليه خدمتنا؟

وهناك تشريعان أوروبيان جديران بالمعرفة، حتى خارج الاتحاد الأوروبي، لأن المورّدين الكبار يطبقونهما على نطاق واسع:

- يُلزم **قانون الذكاء الاصطناعي الأوروبي (EU AI Act)** مزوّدي نماذج الذكاء الاصطناعي العامة الغرض بتوثيق استهلاك
  النموذج المعروف أو المقدّر من الطاقة (الملحق الحادي عشر).
- يُلزم **توجيه كفاءة الطاقة (Energy Efficiency Directive)** مشغّلي مراكز البيانات التي يبلغ طلبها على طاقة تقنية
  المعلومات 500 kW على الأقل بالإبلاغ عن أدائها في استهلاك الطاقة، بما في ذلك استهلاك الطاقة والمياه، إلى قاعدة
  بيانات أوروبية (اللائحة المفوَّضة 2024/1364).

يحتوي دليلنا عن [المشتريات المستدامة للذكاء الاصطناعي](/ar/الممارسات-الجيدة/المشتريات-المستدامة-للذكاء-الاصطناعي/) على مجموعة أوفى من
الأسئلة، ويشرح دليل [الاستضافة ومراكز البيانات](/ar/الممارسات-الجيدة/استضافة-الذكاء-الاصطناعي-الأخضر-ومراكز-البيانات/) معنى الإجابات. ويمكنكم إيجاد
المورّدين في [دليل المنتجات](/ar/منتجات/) والمساعدة المستقلة في [دليل الاستشاريين](/ar/مستشارون/).

## كيف نقيس طاقة الذكاء الاصطناعي وانبعاثاته؟ {#how-do-we-measure-ai-energy-and-emissions}

قيسوا ما تستطيعون، وقدّروا الباقي بشفافية، وتابعوا ما تتحكمون فيه. فالأرقام الدقيقة تمامًا نادرًا ما تتوافر، لكن
الطريقة المتسقة تتيح لكم معرفة ما إذا كنتم تتحسنون.

- **عتادكم الخاص أو أجهزتكم السحابية.** تقدّر أدوات مفتوحة المصدر مثل CodeCarbon الانبعاثات استنادًا إلى الطاقة التي
  تسحبها المعالجات والذاكرة وكثافة الكربون في الشبكة المحلية.
- **خدمات الذكاء الاصطناعي لدى أطراف ثالثة.** سجّلوا الرموز والاستدعاءات والنماذج المستخدمة، واضربوها في رقم المورّد
  للطاقة لكل طلب إن قدّمه. وإن لم يقدّمه، فاستخدموا تقديرًا منشورًا وصرّحوا بذلك.
- **الوحدات.** أبلغوا عن الطاقة بالكيلوواط ساعة (kWh) وعن الانبعاثات بالكيلوغرام من مكافئ ثاني أكسيد الكربون
  (kg CO₂e)، واذكروا معامل الشبكة الذي استخدمتموه.
- **لكل نتيجة.** تابعوا الطاقة لكل نتيجة مفيدة، مثل كل فاتورة تُعالَج، لا الإجمالي فقط. فهذا يُظهر أثر إعادة العمل
  وإعادة المحاولة.

اطّلعوا على [كيفية قياس طاقة الذكاء الاصطناعي](/ar/الممارسات-الجيدة/كيف-تقيسون-طاقة-الذكاء-الاصطناعي-وانبعاثاته-الكربونية/) و
[لماذا يُعد القياس عنق الزجاجة](/ar/مقالات/القياس-هو-عنق-الزجاجة-في-الذكاء-الاصطناعي-الأخضر/).

## أين يندرج الذكاء الاصطناعي في إبلاغ CSRD وESG؟ {#how-does-ai-fit-into-csrd-and-esg-reporting}

كهرباء الذكاء الاصطناعي جزء من استهلاككم للطاقة، فمكانها في إبلاغكم القائم عن الانبعاثات لا في تقرير مستقل. وفي
معظم أُطر الإبلاغ تندرج ضمن الكهرباء المشتراة (النطاق 2، Scope 2) حين تشغّلون العتاد بأنفسكم، وضمن الخدمات المشتراة
(النطاق 3، Scope 3) حين تستخدمون خدمات سحابية أو خدمات ذكاء اصطناعي.

في الاتحاد الأوروبي، ضُيِّق نطاق توجيه الإبلاغ عن الاستدامة المؤسسية (CSRD) في 2026. فالموافقة النهائية لمجلس
الاتحاد الأوروبي في فبراير 2026 تقصره على الشركات التي يزيد عدد موظفيها على 1,000 وصافي مبيعاتها السنوية على
450 مليون يورو. وإن كنتم دون ذلك، فقد يطلب منكم البيانات عملاء أكبر مشمولون به، أو قد تختارون الإبلاغ طوعًا. وخارج
الاتحاد الأوروبي، راجعوا قواعدكم الوطنية وأي أُطر طوعية تتبعونها.

وأيًّا كان التزامكم، فتعاملوا مع الذكاء الاصطناعي كأي استهلاك جوهري آخر للطاقة: اذكروا الطريقة والحدود وهامش عدم
اليقين.

## كيف نبني عادات جيدة لدى الموظفين؟ {#how-do-we-build-good-habits-among-staff}

امنحوا الناس قواعد بسيطة قليلة والأدوات المناسبة افتراضيًا، بدل أن تطلبوا منهم التفكير في الطاقة في كل مرة. فالعادات
تهم أكثر ما تهم حيث يستخدم كثير من الناس الذكاء الاصطناعي مرات كثيرة في اليوم.

- **اختاروا الأداة المناسبة.** محركات البحث والقوالب وجداول البيانات والبرامج القائمة تكفي في الغالب. استخدموا الذكاء
  الاصطناعي حيث يوفّر وقتًا حقيقيًا أو يحسّن الجودة.
- **كونوا موجزين.** اطرحوا أسئلة واضحة، واطلبوا إجابات قصيرة، ولا تلصقوا مستندات كاملة حين يكفي قسم منها.
- **تجنّبوا أسلوب «آلة القمار».** فإعادة توليد صورة أو إجابة مرات كثيرة مكلفة. حسّنوا الطلب بدلًا من ذلك.
- **اجعلوا النماذج الأصغر هي الافتراضية** في أدوات الشركة، مع إتاحة الأكبر عند الحاجة.
- **أطفئوا ما لا يُستخدم.** فميزات الذكاء الاصطناعي المفعّلة افتراضيًا في البرامج، وأجهزة الاختبار الخاملة، كلها تستهلك
  الطاقة.
- **جدولوا المهام الثقيلة.** فالأعمال الدفعية التي تحتمل الانتظار، مثل معالجة المستندات ليلًا، يمكن تشغيلها حين تكون
  الشبكة أنظف.

ضعوا هذه في سياسة قصيرة؛ يتضمن دليلنا عن [سياسة الذكاء الاصطناعي الأخضر](/ar/الممارسات-الجيدة/كيف-تكتبون-سياسة-للذكاء-الاصطناعي-الأخضر/) نموذجًا جاهزًا،
ويقدّم دليل [استخدام الذكاء الاصطناعي بكفاءة](/ar/الممارسات-الجيدة/استخدموا-الذكاء-الاصطناعي-بكفاءة-عادات-يومية/) مزيدًا من النصائح اليومية.

## كيف نتحدث عن ذلك بصدق؟ {#how-do-we-talk-about-it-honestly}

لا تطلقوا ادعاءات إلا عمّا قستموه، مقارنةً بخط أساس معلن، مع ذكر الحدود. فالادعاءات المبهمة مثل «ذكاء اصطناعي
مستدام» أو «ذكاء اصطناعي محايد كربونيًا» تستدعي تدقيق الجهات التنظيمية والعملاء.

الممارسة الجيدة:

- اذكروا **خط الأساس** («مقارنةً بنموذجنا السابق») و**طريقة القياس**.
- افصلوا بين **الكفاءة** (طاقة أقل لكل مهمة) و**إجمالي الاستخدام** (الذي قد يظل يرتفع). فالذكاء الاصطناعي الأرخص يؤدي
  غالبًا إلى استخدام أكثر له، وهو ما يُعرف بـ[أثر الارتداد](/ar/المسرد/#rebound-effect).
- لا تعتمدوا على التعويضات الكربونية أو شهادات الطاقة المتجددة السنوية وحدها لوصف خدمة بأنها خضراء.
- تذكّروا أن الرقم الذي يُبلغ عنه مزوّد بنفسه قد لا يكون قابلًا للمقارنة برقم مزوّد آخر.

وتجدون المزيد في [الادعاءات البيئية الصادقة](/ar/الممارسات-الجيدة/ادعاءات-بيئية-صادقة-عن-الذكاء-الاصطناعي/) و
[الكفاءة ليست كفاية](/ar/مقالات/الكفاءة-ليست-كفاية-تأثير-الارتداد-في-الذكاء-الاصطناعي/).

## ما الخطوات التالية {#what-to-do-next}

1. **ارسموا خريطة لاستخدامكم للذكاء الاصطناعي.** أعدّوا قائمة بالأدوات والنماذج وسير العمل المؤتمت المستخدمة، وعدد مرات
   تشغيل كل منها تقريبًا.
2. **اختاروا مهمة واحدة كثيفة الاستخدام** واختبروا ما إذا كان نموذج أصغر يحقق معيار الجودة لديكم.
3. **ابدأوا بتتبع الرموز والاستدعاءات** لخدمات الذكاء الاصطناعي الرئيسية لديكم، والطاقة حيث تشغّلون عتادكم الخاص.
4. **أضيفوا أسئلة المورّدين أعلاه** إلى مناقصتكم أو تجديد عقدكم القادم.
5. **انشروا سياسة قصيرة للموظفين** عن متى وكيف يُستخدم الذكاء الاصطناعي، مستعينين بـ[دليل السياسات](/ar/الممارسات-الجيدة/كيف-تكتبون-سياسة-للذكاء-الاصطناعي-الأخضر/).
6. **راجعوا الادعاءات** في تسويقكم وتقاريركم في ضوء [دليل الادعاءات الصادقة](/ar/الممارسات-الجيدة/ادعاءات-بيئية-صادقة-عن-الذكاء-الاصطناعي/).
7. **اطلبوا المساعدة إن احتجتم إليها** من [دليل الاستشاريين](/ar/مستشارون/)، وابحثوا عن الأدوات في
   [دليل المنتجات](/ar/منتجات/).

## الأسئلة المتكررة

### هل يكلّف الذكاء الاصطناعي الأخضر أكثر؟

في الغالب لا. فالأدوات الرئيسية، مثل النماذج الأصغر والمطالبات الأقصر وتقليل مرات التشغيل المتكررة، تخفض أيضًا فواتير واجهات البرمجة (API) وأوقات الاستجابة. والتكلفة الإضافية هي في الأساس وقت الموظفين اللازم للقياس ولإعداد التوجيه بين النماذج.

### هل يتعيّن علينا الإبلاغ عن استهلاك الذكاء الاصطناعي لدينا من الطاقة؟

ليس كبند مستقل في معظم الأماكن. لكن كهرباء الذكاء الاصطناعي جزء من استهلاككم للطاقة ومن انبعاثاتكم، فهي تدخل ضمن الإبلاغ الأوسع، مثل توجيه CSRD الأوروبي للشركات المشمولة به، أو الإبلاغ الطوعي في مجال البيئة والمجتمع والحوكمة (ESG).

### هل النموذج الأصغر أكثر مراعاة للبيئة دائمًا؟

لا. فالنموذج الأصغر من اللازم قد يفشل ويفرض إعادة المحاولة أو تشغيلًا ثانيًا على نموذج أكبر. اختبروا على مهمتكم الحقيقية: النموذج الأكثر مراعاة للبيئة هو أصغر نموذج يصيب من المحاولة الأولى.

### كيف نقيس طاقة خدمة ذكاء اصطناعي سحابية لا نشغّلها بأنفسنا؟

اطلبوا من المورّد بيانات الطاقة لكل طلب والطريقة التي تستند إليها. وحيث يمتنع عن الإفصاح، استخدموا التقديرات المنشورة لكل مطالبة مع تحفظات واضحة، وتابعوا ما تتحكمون فيه، مثل عدد الرموز وعدد الاستدعاءات.

## المصادر

- [Energy and AI](https://www.iea.org/reports/energy-and-ai), International Energy Agency (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT (2024)
- [Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO and University College London (2025)
- [Measuring the environmental impact of delivering AI at Google scale](https://arxiv.org/abs/2508.15734), Elsworth et al., Google (2025)
- [Council signs off simplification of sustainability reporting and due diligence requirements](https://www.consilium.europa.eu/en/press/press-releases/2026/02/24/council-signs-off-simplification-of-sustainability-reporting-and-due-diligence-requirements-to-boost-eu-competitiveness/), Council of the European Union (2026)
- [AI Act, Annex XI: technical documentation for providers of general-purpose AI models](https://ai-act-service-desk.ec.europa.eu/en/ai-act/annex-11), European Commission AI Act Service Desk (2024)
- [Commission Delegated Regulation (EU) 2024/1364 on the rating scheme for data centres](https://eur-lex.europa.eu/eli/reg_del/2024/1364/oj), EUR-Lex (2024)
- [CodeCarbon](https://codecarbon.io/), CodeCarbon (2026)
- [Announcing AI Energy Score ratings](https://huggingface.co/blog/sasha/announcing-ai-energy-score), Hugging Face (2025)
- [Green AI and energy-aware computing](https://greencode.ai/benefit/green-ai-and-energy-aware-computing/), GreenCode (ITEA) (2026)
