greenai.guide

الرئيسية › مقالات › ملصقات الطاقة ومقاييس الأداء للذكاء الاصطناعي

مقالة

ملصقات الطاقة ومقاييس الأداء للذكاء الاصطناعي

تاريخ التحديث · مدة القراءة: 5 دقيقة

باختصار

لا يوجد بعد ملصق طاقة رسمي لنماذج الذكاء الاصطناعي، لكن لبنات بنائه موجودة. يمنح AI Energy Score النماذج المفتوحة تصنيفًا من نجمة إلى خمس نجوم، ويقيس MLPerf Power أداء أنظمة العتاد، ويُلزم الاتحاد الأوروبي بتوثيق الطاقة لنماذج الذكاء الاصطناعي العامة الغرض ويعمل على نظام تصنيف لمراكز البيانات. كما طرح الاتحاد الأوروبي مناقصة لأعمال قياس الذكاء الاصطناعي الموفّر للطاقة، والملصق قيد النقاش.

النقاط الرئيسية

  • يمنح AI Energy Score، الذي أُطلق في فبراير 2025، النماذج تصنيفًا من نجمة إلى خمس نجوم ضمن كل مهمة، استنادًا إلى طاقة GPU المُقاسة.
  • يقيس MLPerf Power كفاءة الطاقة لأنظمة تعلّم الآلة كاملة، من الأجهزة الدقيقة إلى رفوف مراكز البيانات.
  • بموجب قانون الذكاء الاصطناعي الأوروبي، يجب على مزوّدي الذكاء الاصطناعي العام الغرض توثيق استهلاك الطاقة المعروف أو المقدَّر، لكن هذا التوثيق يذهب إلى الجهات التنظيمية لا إلى المستهلكين.
  • يعمل الاتحاد الأوروبي على تصنيف لمراكز البيانات على غرار سلّم A–G، وطرح مناقصة لأعمال قد تفضي إلى ملصق للطاقة والانبعاثات في الذكاء الاصطناعي.
  • يمكن للملصق أن يرتّب الخيارات المتماثلة، لكنه لا يستطيع أن يحيط بكل شيء: فالعتاد والإعدادات والاستخدام الفعلي كلها تغيّر النتيجة.

تحمل الثلاجات والغسالات والمصابيح ملصقات طاقة تتيح للمشترين مقارنتها بنظرة واحدة. ويتساءل الناس أكثر فأكثر لماذا لا تحمل نماذج الذكاء الاصطناعي (AI) ملصقات مماثلة. والجواب المختصر أن وضع ملصق للذكاء الاصطناعي أصعب من وضعه لثلاجة، لكن العمل نحوه يسير بخطى جيدة. تعرض هذه المقالة ما هو موجود في أواخر 2026، وما يستطيع الملصق أن يخبركم به وما لا يستطيع.

هل يوجد ملصق طاقة رسمي للذكاء الاصطناعي؟

لا، ليس بعد. هناك تصنيفات ومقاييس أداء طوعية، وواجبات قانونية في الاتحاد الأوروبي بتوثيق استهلاك الطاقة، وأعمال لدى المفوضية الأوروبية قد تفضي إلى ملصق. لكن أيًّا من ذلك ليس بعد ملصقًا استهلاكيًا من نوع ملصق الثلاجة.

ما هو AI Energy Score؟

تصنيف طوعي بالنجوم لنماذج الذكاء الاصطناعي، يستند إلى استهلاك الطاقة المُقاس في مهام قياسية. أطلقته Hugging Face في فبراير 2025 مع شركاء منهم Salesforce وCohere وجامعة Carnegie Mellon.

طريقة عمله:

  • تُشغَّل النماذج على مجموعة ثابتة من المهام الشائعة، باستخدام النوع نفسه من وحدات معالجة الرسوميات (GPU) لكل نموذج.
  • تُقاس طاقة GPU المستهلكة لعدد ثابت من الاستعلامات.
  • يحصل كل نموذج على نجمة إلى خمس نجوم، مقارنةً بالنماذج الأخرى في المهمة نفسها وفئة الحجم نفسها. ويُعاد ضبط التصنيفات مع إضافة نماذج جديدة.

صنّف الإصدار الأول 166 نموذجًا عبر 10 مهام. وأضاف إصدار ثانٍ، صدر في أواخر 2025، الاستدلال (reasoning) مهمةً مُقاسة؛ وأفادت Hugging Face بأن نماذج الاستدلال استهلكت في المتوسط نحو 30 ضعف الطاقة التي تستهلكها النماذج التي لا تستدل أو التي أُوقف فيها الاستدلال، ويعود ذلك أساسًا إلى أنها تُنتج عددًا أكبر بكثير من الرموز (tokens) الناتجة، وهي وحدات النص التي يقرؤها النموذج أو يكتبها.

قوة هذا المقياس أنه مُقاس لا مقدَّر، وأنه يطبّق الظروف نفسها على كل نموذج. وحدّه هو نطاق التغطية: فالنماذج التجارية المغلقة لا يمكن إدراجها إلا إذا اختار مزوّدوها المشاركة.

ما هما MLPerf Power وML.ENERGY Leaderboard؟

مقياسا أداء يقيسان الطاقة في ظروف مضبوطة، أحدهما لأنظمة العتاد والآخر للنماذج المفتوحة.

  • MLPerf Power، من تحالف MLCommons الصناعي، يقيس كفاءة الطاقة لأنظمة تعلّم آلة كاملة تشغّل أحمال عمل MLPerf القياسية. وتعرض ورقته المنشورة عام 2025 ما مجموعه 1,841 قياسًا من 60 نظامًا قدّمتها أكثر من 20 مؤسسة، تتراوح بين أجهزة تعمل بالميكروواط وأنظمة مراكز بيانات تعمل بالميغاواط. وهو يساعد المشترين على مقارنة العتاد، لا النماذج.
  • ML.ENERGY Leaderboard، من جامعة Michigan، يقيس طاقة الاستدلال (inference)، أي تشغيل النموذج للإجابة، لنماذج مفتوحة واسعة الاستخدام على عتاد معروف، وينشر أدواته ليتمكن الآخرون من تكرار القياسات.

وللحوسبة عالية الأداء سابقة في هذا. فقائمة Green500 ترتّب الحواسيب الفائقة حسب الأداء لكل واط على مقياس أداء قياسي. إنه مقياس تقريبي، لكن لأن الجميع يُجرون الاختبار نفسه، فهو قابل للمقارنة، وقد دفع الكفاءة إلى الأمام سنوات. وقد تنتهي مقاييس أداء الذكاء الاصطناعي إلى الحال نفسه: غير كاملة، لكنها مفيدة لأنها مشتركة.

ماذا يشترط قانون الاتحاد الأوروبي؟

التوثيق لنماذج الذكاء الاصطناعي العامة الغرض، والإبلاغ لمراكز البيانات، وإطارًا للمعايير المستقبلية.

  • قانون الذكاء الاصطناعي، الملحق الحادي عشر (Annex XI). يجب على مزوّدي نماذج الذكاء الاصطناعي العامة الغرض توثيق "استهلاك الطاقة المعروف أو المقدَّر للنموذج". وإذا لم يكن معروفًا، يجوز أن يستند إلى معلومات عن الموارد الحاسوبية المستخدمة. ويذهب هذا التوثيق إلى مكتب الذكاء الاصطناعي الأوروبي (EU AI Office) والسلطات الوطنية، لا إلى الجمهور.
  • قانون الذكاء الاصطناعي، المادة 40. يشمل طلب التقييس الصادر عن المفوضية عمليات الإبلاغ والتوثيق الهادفة إلى تحسين أداء أنظمة الذكاء الاصطناعي في استخدام الموارد، بما في ذلك التطوير الموفّر للطاقة للنماذج العامة الغرض. ولا تزال هذه المعايير قيد الإعداد.
  • مراكز البيانات. بموجب اللائحة المفوَّضة (EU) 2024/1364، يجب على مراكز البيانات التي لا تقل قدرتها في تقنية المعلومات عن 500 kW الإبلاغ سنويًا عن مؤشرات الطاقة والاستدامة. وفي 2026 اقترحت المفوضية الخطوة التالية، وهي نظام تصنيف بفئات لمؤشرات مثل فعالية استخدام الطاقة (PUE)، أي نسبة الطاقة الكلية لمركز البيانات إلى طاقة أجهزته الحاسوبية، وفعالية استخدام المياه (WUE)؛ وهو قيد التدقيق ولم يدخل حيّز التنفيذ بعد.

هل يعمل الاتحاد الأوروبي على ملصق طاقة للذكاء الاصطناعي؟

إنه يستكشف ذلك. طرحت المفوضية بموجب قانون الذكاء الاصطناعي مناقصة لقياس الذكاء الاصطناعي الموفّر للطاقة والمنخفض الانبعاثات وتشجيعه، تتضمن إمكانية وضع ملصق للطاقة والانبعاثات في الذكاء الاصطناعي، وأجرت مشاورة موجّهة في 2026. أما هل سيتبع ذلك ملصق، وهل يوفّر قانون الذكاء الاصطناعي أساسًا قانونيًا له، فأمر لم يُحسم. ومن المرجح أن يكون أي إطار أول دليلًا بهوامش واسعة من عدم اليقين لا درجة دقيقة.

وخارج الاتحاد الأوروبي، تغلب على الصورة الطوعية. ففي المملكة المتحدة والولايات المتحدة لا يوجد اشتراط لملصق طاقة للذكاء الاصطناعي؛ وتعتمد المؤسسات على مخططات طوعية مثل AI Energy Score، وعلى معايير مثل ISO/IEC 21031:2024، أي مواصفة كثافة الكربون في البرمجيات (Software Carbon Intensity)، التي تحدد معدّل كربون لكل وحدة عمل لكنها ليست في حد ذاتها ملصقًا مقارنًا.

لماذا يصعب وضع ملصق للذكاء الاصطناعي أكثر من الثلاجة؟

لأن استهلاك النموذج نفسه للطاقة يتغير مع العتاد والإعدادات والمهمة. فالثلاجة تؤدي الشيء نفسه كل يوم. أما طاقة نموذج الذكاء الاصطناعي لكل مهمة فتتوقف على:

  • العتاد: جيل الشريحة، وعدد الشرائح، وإعدادات الطاقة والتسريع.
  • البرمجيات: محرّك الاستدلال، والتجميع في دفعات (batching)، والتكميم (quantisation)، والتخزين المؤقت.
  • المهمة: طول الموجّه (prompt)، وطول الإجابة، وما إذا كان وضع الاستدلال مفعّلًا.
  • البيئة: مقياس أداء في مختبر مقابل مركز بيانات إنتاجي مزدحم يحتفظ بسعة احتياطية لأوقات الذروة.
  • الجودة: النموذج الذي يستهلك طاقة أقل لكنه يخطئ في عدد أكبر من الإجابات قد يكلّف أكثر في المحصلة.

لذلك يجب على الملصق أن يثبّت الظروف، فيصبح قابلًا للمقارنة لكنه أقل واقعية. وهي المقايضة نفسها التي تقوم بها اختبارات استهلاك الوقود في السيارات.

ماذا ينبغي للمشتري أن يطلب في الأثناء؟

الطاقة المُقاسة لكل مهمة، في ظروف مُعلنة، مع الجودة إلى جانبها. عمليًا:

  • اسألوا هل للنموذج تصنيف في AI Energy Score أو قياس مستقل آخر.
  • اسألوا عن العتاد والمنطقة والإعدادات التي تفترضها أرقام المورّد.
  • اطلبوا أرقام الطاقة والجودة على مهمتكم أنتم، لا على مقياس أداء عام.
  • تعاملوا بحذر مع نسب مثل "أكفأ بـ35 مرة": فهي تخبركم عن خط الأساس بقدر ما تخبركم عن المنتج.

راجعوا المشتريات المستدامة للذكاء الاصطناعي والقياس هو عنق الزجاجة.

ماذا تفعلون بعد ذلك

الأسئلة المتكررة

هل يوجد ملصق طاقة لنماذج الذكاء الاصطناعي؟

لا يوجد ملصق رسمي. AI Energy Score تصنيف طوعي بالنجوم للنماذج في مهام قياسية. وقد كلّفت المفوضية الأوروبية بأعمال لقياس الذكاء الاصطناعي الموفّر للطاقة قد تفضي إلى ملصق، لكن لم يُعتمد أي ملصق بعد.

ما هو AI Energy Score؟

مشروع أطلقته Hugging Face في فبراير 2025 مع شركاء منهم Salesforce وCohere وجامعة Carnegie Mellon. يقيس طاقة GPU التي تستهلكها النماذج في مهام قياسية ويمنح كل نموذج تصنيفًا من نجمة إلى خمس نجوم، مقارنةً بغيره في المهمة نفسها.

ما هو MLPerf Power؟

مقياس أداء من تحالف MLCommons يقيس كفاءة الطاقة لأنظمة العتاد والبرمجيات في تعلّم الآلة أثناء تشغيل أحمال عمل MLPerf القياسية، من أجهزة تعمل بالميكروواط إلى أنظمة مراكز بيانات تعمل بالميغاواط.

المصادر

  1. Announcing AI Energy Score ratings, Hugging Face (2025)
  2. AI Energy Score v2: refreshed leaderboard, now with reasoning, Hugging Face (2025)
  3. AI Energy Score, OECD.AI catalogue of tools (2025)
  4. MLPerf Power: benchmarking the energy efficiency of machine learning systems from µWatts to MWatts for sustainable AI, Tschand et al., MLCommons, HPCA 2025 (2025)
  5. The ML.ENERGY benchmark: toward automated inference energy measurement and optimization, Chung et al., NeurIPS Datasets and Benchmarks (2025)
  6. Regulation (EU) 2024/1689 (AI Act), Annex XI, European Union (2024)
  7. Regulation (EU) 2024/1689 (AI Act), Article 40, European Union (2024)
  8. Artificial Intelligence Act: call for tenders to measure and foster energy-efficient and low-emission AI, European Commission (2025)
  9. Commission Delegated Regulation (EU) 2024/1364 on the first phase of the establishment of a common Union rating scheme for data centres, European Commission (2024)
  10. European Commission proposes mandatory sustainability label for data centres, Latham & Watkins (2026)
  11. Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)
  12. TOP500 and Green500 lists, TOP500 (2026)
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

المشتريات المستدامة للذكاء الاصطناعي

ما تسألون عنه مورّدي الذكاء الاصطناعي بشأن الطاقة والكربون والمياه، والأدلة التي تطلبونها، والبنود التعاقدية التي تجعل التزامات الاستدامة قابلة للتنفيذ.

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.

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