greenai.guide

الرئيسية › مقالات › إحصاءات استهلاك الذكاء الاصطناعي للطاقة (محدَّثة نوفمبر 2026)

مقالة

إحصاءات استهلاك الذكاء الاصطناعي للطاقة (محدَّثة نوفمبر 2026)

تاريخ التحديث · مدة القراءة: 8 دقيقة

باختصار

تضم هذه الإحصاءات 40 من أكثر الأرقام فائدةً عن استهلاك الذكاء الاصطناعي (AI) للكهرباء والمياه وانبعاثاته الكربونية، وقد تحققنا من كل رقم في مصدره الأصلي وأرّخناه. باختصار: استهلكت مراكز البيانات نحو 415 TWh من الكهرباء في 2024 (قرابة 1.5% من الإجمالي العالمي)، وتتوقع الوكالة الدولية للطاقة نحو 950 TWh بحلول 2030، ويستهلك الطلب النصي (prompt) المعتاد نحو 0.24–0.34 Wh وفق أرقام المزوّدين أنفسهم، بينما تستهلك الصور والفيديو والمدخلات الطويلة والاستدلال أكثر من ذلك بكثير.

النقاط الرئيسية

  • استهلكت مراكز البيانات نحو 415 TWh من الكهرباء في 2024، أي قرابة 1.5% من الإجمالي العالمي، و485 TWh في 2025، وفق الوكالة الدولية للطاقة.
  • تتوقع الوكالة الدولية للطاقة نحو 950 TWh بحلول 2030، أي نحو 3% من الطلب العالمي على الكهرباء؛ ونما استهلاك مراكز البيانات المخصصة للذكاء الاصطناعي للكهرباء بنسبة 50% في 2025.
  • يُبلغ المزوّدون عن نحو 0.24 Wh (Google، الطلب النصي الوسيط على Gemini) و0.34 Wh (OpenAI، متوسط استعلام ChatGPT) لكل طلب نصي.
  • استهلكت نماذج الاستدلال في المتوسط طاقة أكثر بـ30 مرة من النماذج العادية في اختبارات Hugging Face لعام 2025.
  • استهلك تدريب GPT-3 ما يُقدَّر بـ1,287 MWh وأطلق نحو 552 طنًا من مكافئ ثاني أكسيد الكربون (CO₂e).
  • استهلكت مراكز البيانات 23% من الكهرباء المقيسة في أيرلندا في 2025.

تجمع هذه الصفحة إحصاءات استهلاك الذكاء الاصطناعي (AI) للطاقة التي يبحث عنها الناس أكثر من غيرها، وقد تحققنا من كل رقم في مصدره الأصلي، مع ذكر السنة التي ينطبق عليها. استخدموها للعثور على رقم بسرعة، وارجعوا إلى المصدر قبل الاستشهاد به في أي عمل مهم.

ما أهم إحصاءات استهلاك الذكاء الاصطناعي للطاقة؟

تستهلك مراكز البيانات نحو 1.5% من كهرباء العالم، ومن المتوقع أن تتضاعف هذه النسبة تقريبًا بحلول 2030، والذكاء الاصطناعي هو المحرّك الرئيسي لذلك. يستهلك الطلب النصي المعتاد جزءًا من الواط ساعة، بينما تستهلك الصور والفيديو والمدخلات الطويلة جدًا والاستدلال أكثر من ذلك بكثير. تعرض الجداول أدناه 40 رقمًا في عشر مجموعات. وحيث تختلف المصادر أو يكون الرقم نطاقًا، نذكر النطاق.

كهرباء مراكز البيانات

استهلكت مراكز البيانات نحو 415 TWh في 2024 و485 TWh في 2025، وفق الوكالة الدولية للطاقة. التيراواط ساعة (TWh) يساوي مليار كيلوواط ساعة.

# الإحصاء المصدر السنة
1 استهلكت مراكز البيانات نحو 415 TWh من الكهرباء في 2024، أي قرابة 1.5% من الاستهلاك العالمي. الوكالة الدولية للطاقة (IEA) 2025
2 نما استهلاك مراكز البيانات للكهرباء بنسبة 17% في 2025، ليبلغ 485 TWh. IEA 2026
3 تتوقع الوكالة الدولية للطاقة نحو 950 TWh بحلول 2030، أي نحو 3% من الطلب العالمي على الكهرباء. IEA 2026
4 تتراوح التوقعات لعام 2035 بين 700 و1,700 TWh عبر سيناريوهات الوكالة الدولية للطاقة. IEA 2025
5 نما استهلاك مراكز البيانات للكهرباء بنحو 12% سنويًا منذ 2017. IEA 2025
6 ستكون مراكز البيانات مسؤولة عن نحو عُشر نمو الطلب العالمي على الكهرباء حتى 2030. IEA 2025

أين يتركّز الطلب

تتحمّل بضعة بلدان ومناطق معظم الحِمل. راجعوا الذكاء الاصطناعي والطلب على كهرباء مراكز البيانات لمعرفة ما يعنيه ذلك لشبكات الكهرباء.

# الإحصاء المصدر السنة
7 تستأثر الولايات المتحدة والصين بنحو 80% من النمو العالمي في استهلاك مراكز البيانات للكهرباء حتى 2030. IEA 2025
8 استهلكت مراكز البيانات الأمريكية 176 TWh في 2023، أي نحو 4.4% من كهرباء الولايات المتحدة. Lawrence Berkeley National Laboratory (LBNL) 2024
9 يُتوقع أن تستهلك مراكز البيانات الأمريكية 325–580 TWh بحلول 2028، أي 6.7–12% من كهرباء الولايات المتحدة. LBNL 2024
10 تستأثر مراكز البيانات بنحو نصف نمو الطلب على الكهرباء في الولايات المتحدة حتى 2030. IEA 2025
11 استهلكت مراكز البيانات 23% من الكهرباء المقيسة في أيرلندا في 2025، ارتفاعًا من 5% في 2015. Central Statistics Office، أيرلندا 2026
12 استهلكت مراكز البيانات نحو ربع كهرباء ولاية فرجينيا في 2023. Electric Power Research Institute 2024

حصة الذكاء الاصطناعي

لا يوجد رقم علني دقيق لحصة الذكاء الاصطناعي من كهرباء مراكز البيانات، لكنه الجزء الأسرع نموًا.

# الإحصاء المصدر السنة
13 نما استهلاك مراكز البيانات المخصصة للذكاء الاصطناعي للكهرباء بنسبة 50% في 2025. IEA 2026
14 يُتوقع أن ينمو استهلاك الخوادم المسرَّعة، المستخدمة أساسًا للذكاء الاصطناعي، للكهرباء بنسبة 30% سنويًا في السيناريو الأساسي للوكالة الدولية للطاقة. IEA 2025
15 يستهلك مركز البيانات المعتاد المخصص للذكاء الاصطناعي من الكهرباء ما تستهلكه 100,000 أسرة. IEA 2025

الطاقة لكل طلب

تضع أرقام المزوّدين أنفسهم استهلاك الطلب النصي المعتاد عند نحو 0.24–0.34 Wh. هذه أرقام يُبلغ عنها المزوّدون بأنفسهم، وتعتمد طرقًا مختلفة، ولا تغطي إلا النصوص. راجعوا القياس هو عنق الزجاجة.

# الإحصاء المصدر السنة
16 استهلك الطلب النصي الوسيط على تطبيقات Gemini نحو 0.24 Wh، وأطلق 0.03 g من CO₂e، واستهلك 0.26 mL من المياه. Google (Elsworth et al.) 2025
17 احتساب شرائح الذكاء الاصطناعي النشطة فقط في أكفأ مراكز البيانات يعطي 0.10 Wh للطلب نفسه. Google (Elsworth et al.) 2025
18 يستهلك متوسط استعلام ChatGPT نحو 0.34 Wh ونحو 0.000085 غالون من المياه. Sam Altman، OpenAI 2025
19 يستهلك استعلام GPT-4o المعتاد نحو 0.3 Wh، ويرتفع إلى نحو 2.5 Wh مع مُدخل من 10,000 رمز، وإلى نحو 40 Wh تقريبًا مع مُدخل من 100,000 رمز. Epoch AI 2025
20 تُطلق استجابة من 400 رمز من Mistral Large 2 نحو 1.14 g من CO₂e وتستهلك 45 mL من المياه. Mistral AI 2025
21 استهلكت نماذج الاستدلال في المتوسط طاقة أكثر بـ30 مرة من النماذج العادية؛ واستهلك أحد النماذج طاقة أكثر بـ150–700 مرة عند تفعيل الاستدلال. Hugging Face AI Energy Score 2025

الصور والفيديو

يستهلك توليد الصور والفيديو طاقة أكثر بكثير من المهام النصية.

# الإحصاء المصدر السنة
22 استهلك توليد الصور في المتوسط نحو 2.9 kWh لكل 1,000 صورة، مقابل 0.002 kWh لكل 1,000 عملية تصنيف نصي. Luccioni وJernite وStrubell 2024
23 استهلك أقل نماذج الصور كفاءةً بين النماذج المختبرة نحو نصف شحنة هاتف ذكي لكل صورة. Luccioni وJernite وStrubell 2024
24 استهلكت نماذج تحويل النص إلى فيديو المفتوحة من 0.14 Wh إلى أكثر من 415 Wh لكل مقطع قصير، مع نمو الطاقة نموًا تربيعيًا بزيادة الدقة والطول. Delavande وPierrard وLuccioni 2025

عمليات التدريب

قد يستهلك تدريب نموذج كبير عدة غيغاواط ساعة، لكن معظم مطوّري أحدث النماذج لا يُفصحون عن ذلك.

# الإحصاء المصدر السنة
25 استهلك تدريب GPT-3 ما يُقدَّر بـ1,287 MWh وأطلق نحو 552 طنًا من CO₂e. Patterson et al.، Google 2021
26 أطلق تدريب BLOOM نحو 24.7 طنًا من CO₂e من الكهرباء، أو 50.5 طنًا عند احتساب التصنيع والعتاد الخامل. Luccioni وViguier وLigozat 2022
27 تطلّب تدريب نماذج Llama 3.1 نحو 39.3 مليون ساعة GPU و11,390 طنًا من CO₂e (على أساس الموقع). Meta 2024
28 أنتج تدريب Mistral Large 2 واستخدامه مدة 18 شهرًا 20.4 كيلوطن من CO₂e، واستهلك 281,000 m³ من المياه. Mistral AI 2025

المياه

يستخدم الذكاء الاصطناعي المياه أساسًا لتبريد مراكز البيانات، وبشكل غير مباشر لتوليد الكهرباء. راجعوا كيفية تقدير البصمة المائية للذكاء الاصطناعي.

# الإحصاء المصدر السنة
29 قد يؤدي تدريب GPT-3 في مراكز بيانات Microsoft الأمريكية إلى تبخير 700,000 لتر من المياه العذبة مباشرةً. Li وYang وIslam وRen 2023 (مُنقَّح 2025)
30 قد يكون الطلب العالمي على الذكاء الاصطناعي مسؤولًا عن سحب 4.2–6.6 مليار m³ من المياه في 2027. Li وYang وIslam وRen 2023 (مُنقَّح 2025)
31 استهلكت Google نحو 41 مليار لتر (10.9 مليار غالون) من المياه في مراكز بياناتها ومكاتبها في 2025، وعوّضت نحو 78% من استهلاكها للمياه العذبة. Google 2026

الكربون وانبعاثات الشركات

انبعاثات أكبر مزوّدي الذكاء الاصطناعي في ارتفاع، رغم مشترياتهم الكبيرة من الطاقة النظيفة.

# الإحصاء المصدر السنة
32 بلغت انبعاثات Google المحسوبة على أساس أهدافها (ambition-based) نحو 14.5 مليون طن من CO₂e في 2025، بزيادة 18% على 2024 و81% على 2019. Google 2026
33 بلغ إجمالي انبعاثات Microsoft نحو 20.3 مليون طن من CO₂e في سنتها المالية 2025، مقابل نحو 12.9 مليون في 2020. Microsoft 2026
34 ارتفعت الانبعاثات المطلقة لـAmazon بنسبة 16% من 2024 إلى 2025، لتبلغ 80.85 مليون طن من CO₂e. Amazon 2026
35 قد يضيف الذكاء الاصطناعي التوليدي 1.2–5.0 مليون طن من النفايات الإلكترونية إجمالًا خلال الفترة 2020–2030. Wang et al.، Nature Computational Science 2024

يصبح العتاد والبرمجيات أكفأ بكثير، لكن الطلب ينمو بوتيرة أسرع.

# الإحصاء المصدر السنة
36 يصبح عتاد تعلّم الآلة الرائد أكفأ في استهلاك الطاقة بنحو 40% كل عام. Epoch AI 2024
37 يقدّم أكفأ حاسوب فائق في استهلاك الطاقة على قائمة Green500 لشهر نوفمبر 2026، وهو KAIROS في فرنسا، 73.28 غيغافلوب لكل واط. TOP500 2026
38 تضاعف عدد العمليات الحسابية لكل كيلوواط ساعة كل 1.57 سنة تقريبًا من 1946 إلى 2009 («قانون Koomey»). Koomey et al. 2011

مكاسب الكفاءة التي يُبلغ عنها المزوّدون والباحثون

المكاسب المُبلغ عنها كبيرة، لكن معظمها يُبلغ عنه ذاتيًا أو يُقاس مقارنةً بخط أساس مختار.

# الإحصاء المصدر السنة
39 تُبلغ Google عن انخفاض الطاقة 33 ضعفًا والكربون 44 ضعفًا لكل طلب نصي وسيط على Gemini خلال 12 شهرًا. Google (Elsworth et al.) 2025
40 يمكن للنماذج الصغيرة المخصصة لمهام محددة خفض استهلاك الطاقة بنسبة تصل إلى 90%، ويمكن للطلبات والاستجابات الأقصر خفضه بأكثر من 50%. UNESCO وUniversity College London 2025

ثمة رقمان آخران يُستشهد بهما كثيرًا. فقد قالت NVIDIA عام 2024 إن منصة Blackwell تخفّض التكلفة واستهلاك الطاقة بما يصل إلى 25 مرة مقارنةً بالجيل السابق في استدلال النماذج اللغوية الكبيرة؛ وهذا ادعاء من الشركة المصنّعة لعبء عمل محدد. كما قدّر باحثو Google عام 2021 أن اختيار النموذج ومركز البيانات والمعالج قد يخفّض البصمة الكربونية للتدريب بما يصل إلى نحو 100 إلى 1,000 مرة. ولمعرفة كيفية تحقيق هذه المكاسب عمليًا، راجعوا الذكاء الاصطناعي الموفّر للطاقة.

مواقف الجمهور

يتزايد القلق من الأثر البيئي للذكاء الاصطناعي، في الولايات المتحدة على الأقل. أما بيانات الاستطلاعات في أماكن أخرى فأقل.

  • في 2026، كان 53% من الأمريكيين قلقين للغاية أو قلقين جدًا من الأثر البيئي للذكاء الاصطناعي، ارتفاعًا من 41% في 2025 (AP-NORC وEnergy Policy Institute في جامعة شيكاغو).
  • في 2025، كان 72% من الأمريكيين قلقين بعض الشيء على الأقل (الجهتان نفسهما).
  • في المملكة المتحدة، وجد متتبّع مواقف الجمهور الحكومي لعام 2024 أن 54% توقعوا أن يساعد الذكاء الاصطناعي في رصد تغيّر المناخ، ولاحظ أن هذا التفاؤل لم يقابله وعي بالآثار البيئية السلبية للذكاء الاصطناعي.

كيف نختار الأرقام

نستخدم المصادر الأصلية، ونذكر السنة، ونفضّل النطاقات حين تكون الأرقام موضع خلاف.

  • المصادر الأصلية فقط. نتحقق من كل رقم في تقرير الجهة الناشرة أو ورقتها أو صفحتها، لا في التغطية الإخبارية. وحين لا نجد مصدرًا أصليًا، نستبعد الرقم.
  • كما نُشر. لا نقرّب الأرقام إلى ما لا يقوله المصدر. وحين نحسب شيئًا بأنفسنا، نقول ذلك.
  • الحدود مهمة. تتغير أرقام الطلب الواحد بحسب ما يُحتسب: فرقم Google نفسه ينخفض من 0.24 Wh إلى 0.10 Wh إذا احتُسبت الشرائح النشطة فقط. وأرقام الشركات يُبلغ عنها ذاتيًا ولا تخضع لتدقيق مستقل.
  • النطاقات حين يوجد خلاف. تختلف التوقعات بحسب السيناريو، فنعرض النطاق بدلًا من اختيار رقم واحد.
  • الإشارة إلى الأرقام القديمة. رأى باحثو Google لاحقًا أن تقديرًا واسع الانتشار من عام 2019 لعملية تدريب واحدة باستخدام البحث عن البنية العصبية (neural architecture search) (نحو 626,000 رطل من CO₂e) يبالغ في التكلفة الفعلية؛ ولم ندرجه في الجداول.

للتحقق من رقم رأيتموه في مكان آخر، راجعوا كيفية التحقق من ادعاء حول استهلاك الذكاء الاصطناعي للطاقة.

آخر تحقق

تحققنا آخر مرة من جميع الأرقام في هذه الصفحة في مصادرها يوم 20 نوفمبر 2026. نحدّث الصفحة حين تنشر الوكالة الدولية للطاقة أو مكاتب الإحصاء الوطنية أو كبار المزوّدين بيانات جديدة. وإذا لاحظتم رقمًا أحدث أو خطأً، يُرجى التواصل معنا.

ماذا تفعلون بعد ذلك

الأسئلة المتكررة

كم يستهلك الذكاء الاصطناعي من الطاقة؟

لا يوجد رقم واحد للذكاء الاصطناعي. تقدّر الوكالة الدولية للطاقة أن جميع مراكز البيانات استهلكت نحو 415 TWh في 2024، أي قرابة 1.5% من الكهرباء العالمية، وأن مراكز البيانات المخصصة للذكاء الاصطناعي هي الجزء الأسرع نموًا: فقد ارتفع استهلاكها للكهرباء بنسبة 50% في 2025.

كم يستهلك استعلام ChatGPT من الطاقة؟

ذكر الرئيس التنفيذي لـOpenAI نحو 0.34 Wh لمتوسط الاستعلام في 2025، وقدّرت Epoch AI بشكل مستقل نحو 0.3 Wh لاستعلام GPT-4o المعتاد. وترفع المدخلات الطويلة جدًا هذا الرقم بشدة: إذ تقدّر Epoch AI نحو 40 Wh تقريبًا لمُدخل من 100,000 رمز (token).

كم يتطلب توليد صورة بالذكاء الاصطناعي من الطاقة؟

في دراسة أجرتها Luccioni وJernite وStrubell عام 2024، بلغ متوسط توليد الصور نحو 2.9 kWh لكل 1,000 صورة، أي نحو 2.9 Wh للصورة الواحدة. واستهلك أقل النماذج كفاءةً ما يعادل نصف شحنة هاتف ذكي تقريبًا لكل صورة.

كم يستهلك الذكاء الاصطناعي من المياه؟

تُبلغ Google عن 0.26 mL من المياه للطلب النصي الوسيط على Gemini، وتُبلغ Mistral عن 45 mL لاستجابة من 400 رمز من Mistral Large 2. ويقدّر الباحثون أن الطلب العالمي على الذكاء الاصطناعي قد يكون مسؤولًا عن سحب 4.2–6.6 مليار متر مكعب من المياه في 2027.

كم تطلّب تدريب GPT-3 من الطاقة؟

قدّر باحثو Google في دراسة نُشرت عام 2021 أن تدريب GPT-3 استهلك 1,287 MWh من الكهرباء وأطلق نحو 552 طنًا من CO₂e. أما طاقة تدريب النماذج الأحدث والأكبر فلا يُفصح عنها في الغالب.

ما نسبة الكهرباء التي تستهلكها مراكز البيانات؟

نحو 1.5% عالميًا في 2024 (الوكالة الدولية للطاقة)، و4.4% في الولايات المتحدة في 2023 (Lawrence Berkeley National Laboratory)، و23% من الكهرباء المقيسة في أيرلندا في 2025 (Central Statistics Office).

هل يصبح الذكاء الاصطناعي أكثر كفاءة في استهلاك الطاقة؟

نعم، على مستوى المهمة الواحدة. تُبلغ Google بأن طاقة الطلب الوسيط على Gemini انخفضت 33 ضعفًا خلال عام، وتجد Epoch AI أن شرائح الذكاء الاصطناعي الرائدة تصبح أكفأ في استهلاك الطاقة بنحو 40% كل عام. لكن الاستهلاك الإجمالي لا يزال يرتفع لأن الطلب ينمو بوتيرة أسرع.

هل يقلق الناس من الأثر البيئي للذكاء الاصطناعي؟

بشكل متزايد، في الولايات المتحدة على الأقل: وجد استطلاع أجرته AP-NORC وجامعة شيكاغو أن 53% من الأمريكيين كانوا قلقين للغاية أو قلقين جدًا من الأثر البيئي للذكاء الاصطناعي في 2026، ارتفاعًا من 41% في 2025.

المصادر

  1. Energy and AI: executive summary, International Energy Agency (2025)
  2. Key questions on energy and AI, International Energy Agency (2026)
  3. DOE releases new report evaluating increase in electricity demand from data centers (2024 United States Data Center Energy Usage Report, LBNL), US Department of Energy and Lawrence Berkeley National Laboratory (2024)
  4. Data centres metered electricity consumption 2025: key findings, Central Statistics Office, Ireland (2026)
  5. Powering data centers: U.S. energy system and emissions impacts of growing loads, Electric Power Research Institute (2024)
  6. Measuring the environmental impact of delivering AI at Google scale, Elsworth et al., Google (2025)
  7. The gentle singularity, Sam Altman (OpenAI) (2025)
  8. How much energy does ChatGPT use?, Epoch AI (2025)
  9. Our contribution to a global environmental standard for AI, Mistral AI (2025)
  10. AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (Luccioni and Gamazaychikov) (2025)
  11. Power hungry processing: watts driving the cost of AI deployment?, Luccioni, Jernite and Strubell (FAccT 2024) (2024)
  12. Video killed the energy budget: characterizing the latency and power regimes of open text-to-video models, Delavande, Pierrard and Luccioni (2025)
  13. Carbon emissions and large neural network training, Patterson et al., Google (2021)
  14. Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum (2019)
  15. Estimating the carbon footprint of BLOOM, a 176B parameter language model, Luccioni, Viguier and Ligozat (2022)
  16. Llama 3.1 model card, Meta (2024)
  17. Making AI less 'thirsty': uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2025)
  18. Google 2026 environmental report, Google (2026)
  19. 2026 environmental data fact sheet, Microsoft (2026)
  20. 2025 Amazon sustainability report, Amazon (2026)
  21. E-waste challenges of generative artificial intelligence, Wang, Zhang, Tzachor and Chen, Nature Computational Science (2024)
  22. Leading ML hardware becomes 40% more energy-efficient each year, Epoch AI (2024)
  23. Implications of historical trends in the electrical efficiency of computing, Koomey, Berard, Sanchez and Wong, IEEE Annals of the History of Computing (2011)
  24. Green500, November 2026, TOP500 (2026)
  25. NVIDIA Blackwell platform arrives to power a new era of computing, NVIDIA (2024)
  26. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO and University College London (2025)
  27. 2026 poll: Americans' views on the impact of AI and data centers, Energy Policy Institute at the University of Chicago and AP-NORC (2026)
  28. 2025 poll: Americans' views on the environmental impact of AI, Energy Policy Institute at the University of Chicago and AP-NORC (2025)
  29. Public attitudes to data and AI: tracker survey (wave 4), Department for Science, Innovation and Technology (2024)
مقالة

الذكاء الاصطناعي واستهلاك مراكز البيانات للكهرباء

استهلاك مراكز البيانات للطاقة وطلب الذكاء الاصطناعي على الكهرباء: توقعات الوكالة الدولية للطاقة، وبؤر مثل أيرلندا وفرجينيا، واستجابة الشبكات والسياسات.

مقالة

الذكاء الاصطناعي الموفّر للطاقة: كيف تخفضون استهلاك الذكاء الاصطناعي

الذكاء الاصطناعي الموفّر للطاقة عمليًا: أهم طرق خفض استهلاك الذكاء الاصطناعي للطاقة مرتبةً، من النماذج الأصغر والتكميم إلى التوجيه والتخزين المؤقت واختيار الموقع.

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.

ممارسات جيدة

كيف تقيسون طاقة الذكاء الاصطناعي وانبعاثاته الكربونية

دليل عملي لقياس طاقة أعمال الذكاء الاصطناعي وكربونها أو تقديرهما: الأدوات، وحدود النظام، ومقاييس لكل مهمة، والإفصاح الصادق عن عدم اليقين.

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