# Jak ustalić punkt odniesienia, aby udowodnić oszczędność energii w AI?

> Jak wykazać rzeczywistą oszczędność energii w AI: pomiar przed zmianą przy tej samej konfiguracji, powtórzenia, wynik na jednostkę pracy i kontrola jakości.

Source: https://greenai.guide/pl/jak/jak-ustalic-punkt-odniesienia-aby-udowodnic-oszczednosc-energii-w-ai/  
Updated: 2026-11-19

## W skrócie

Należy zmierzyć obecny system, zanim cokolwiek się zmieni, na tym samym sprzęcie, przy tym samym obciążeniu i tych samych danych wejściowych, które będą używane później, oraz powtórzyć pomiary, aby zobaczyć normalny rozrzut. Energię trzeba podawać na jednostkę użytecznej pracy oraz łącznie, a deklarować wyłącznie oszczędność większą niż szum pomiarowy i osiągniętą bez spadku jakości.

## Steps

1. Wybrać jednostkę funkcjonalną, na przykład energię na zapytanie lub na dokument.
2. Kilkakrotnie zmierzyć obecny system przy stałej konfiguracji i obciążeniu, łącznie z poborem w stanie spoczynku.
3. Zmieniać jedną rzecz naraz i ponownie mierzyć w tych samych warunkach.
4. Przy każdym pomiarze zapisywać obok energii jakość lub skuteczność wykonania zadania.
5. Deklarować tylko oszczędności większe niż rozrzut między pomiarami i podawać zarówno sumy, jak i wartości na jednostkę.

**Oszczędność się liczy tylko wtedy, gdy zmierzono stan przed zmianą, potem zmierzono go w ten sam sposób po zmianie,
a różnica jest większa niż szum.** Bez punktu odniesienia deklaracja o energii jest zgadywaniem i może nie wytrzymać
weryfikacji.

## Co sprawia, że porównanie jest rzetelne? {#what-makes-a-fair-comparison}

- **Ta sama konfiguracja:** sprzęt, region, wersje oprogramowania i ustawienia.
- **To samo obciążenie:** te same zapytania, dokumenty lub dane treningowe, w tej samej ilości.
- **Kilka pomiarów:** odczyty zmieniają się wraz z temperaturą, procesami w tle i skalowaniem częstotliwości.
  Należy podać średnią i zakres.
- **Energia, a nie tylko szybkość:** w pracach nad GreenCode Constitution na silniku wnioskowania llama.cpp
  odnotowano spadek zużycia energii GPU o 4,7% przy wzroście szybkości o zaledwie 3%. Czas i energia mogą mówić
  co innego.
- **Utrzymana jakość:** tańsza odpowiedź, która częściej jest błędna, nie jest oszczędnością.

## Jakiej jednostki użyć w punkcie odniesienia? {#which-unit-should-the-baseline-use}

Należy użyć jednostki funkcjonalnej, jak w specyfikacji SCI Green Software Foundation: na zapytanie, na dokument lub
na udane zadanie. Obok trzeba podać sumę, ponieważ energia na zadanie może spadać, a łączne zużycie energii rosnąć
wraz ze wzrostem użycia. Zob. [śledzenie energii AI na zadanie](/pl/jak/jak-sledzic-zuzycie-energii-przez-ai-na-zadanie-a-nie-tylko-lacznie/).

## Częste błędy {#common-mistakes}

- **Jeden pomiar przed i jeden po.** Jedna para odczytów może być szumem.
- **Zmienianie kilku rzeczy naraz,** przez co nie wiadomo, co pomogło.
- **Przesuwanie punktu odniesienia,** na przykład porównywanie nowego małego modelu ze starym dużym przy innym
  wolumenie.
- **Zaliczanie do wydajności spadków emisji wynikających wyłącznie z czystszej sieci energetycznej.**

Przed opublikowaniem informacji o oszczędności warto sprawdzić ją ze stroną
[uczciwe deklaracje ekologiczne](/pl/dobre-praktyki/uczciwe-deklaracje-ekologiczne-dotyczace-ai/).

## Źródła

- [Software Carbon Intensity (SCI) specification](https://sci.greensoftware.foundation/), Green Software Foundation (2024)
- [GreenCode Constitution: agent principles for optimizing code and LLM inference energy use](https://greencode.ai/publications/greencode-constitution-agent-principles-for-optimizing-code-and-llm-inference-en/), Kapenekakis, Kim, Ionescu, Thomsen and Albano, GreenAI workshop, ECML PKDD 2026 (2026)
