Štítek energetické náročnosti pro AI stále není hotový
The number on the box
An energy label is a promise about comparison. It tells a buyer that two ordinary-looking objects can be placed beside one another without pretending that they are identical. A refrigerator label does not settle every question about the kitchen, the electricity contract or the family using it. It does something more modest and more useful. It states a method, a category and a result clearly enough that the claim can be checked.
AI has acquired plenty of numbers but very few labels. One system is said to use less energy because it is smaller. Another because it answers faster. Another because its chips have a more flattering specification. A supplier may publish a figure for one request, a training run, a rack, a facility or a year. All may be accurate inside their own boundary. They cannot all be compared just because the unit happens to be joules, watts or tonnes of carbon dioxide equivalent. A number can be precise and still be a poor answer to the question a buyer actually asked.
This is not an argument against measuring. It is the opposite. Europe needs much better measurement because AI is becoming part of ordinary infrastructure. The European Commission already collects energy-performance and water-footprint information from significant data centres under the Energy Efficiency Directive framework. It is preparing a common rating scheme and work towards minimum performance standards. That is a serious start. It does not yet amount to a finished energy label for an AI service, model or use case. The boundary between those things is where most of the difficult work lives.
The useful question is therefore not whether an AI system is green. That adjective has done enough unpaid overtime. The question is: for this defined piece of work, under these operating conditions, what resources were used, what evidence supports the figure, and which material effects remain outside the claim? An honest answer makes a slower, better kind of progress. It makes a procurement conversation possible.
Why a single AI number fails
Electricity is consumed by physical equipment, not by a word such as intelligence. The International Energy Agency describes training and deployment as activities that happen mainly in data centres. Those facilities contain servers, storage, networking equipment, cooling and supporting power infrastructure. The server is important, but it is not the whole facility. The IEA estimates that servers account for around 60 per cent of electricity demand in a modern data centre on average, while storage, networking, cooling and other infrastructure make up the rest in proportions that vary by facility type and design.
That variation is not a nuisance at the edge of the calculation. It is the calculation. Cooling can be a modest part of electricity use in an efficient hyperscale facility and a much larger share in a less efficient enterprise setting. A workload that looks excellent when measured at a chip can look different once networking, memory, storage, idle capacity and cooling are included. A facility metric can look excellent while revealing nothing about whether a particular model was called too often, served an oversized context or spent half its time waiting for a human process to catch up.
There are at least four objects people mean when they ask for AI energy use. They may mean the hardware, the model, the service or the organisational task. Hardware asks about a processor, server or rack under defined load. A model asks about training, fine-tuning or inference for a defined model version. A service asks about the route from a user action through retrieval, moderation, logging, storage and response. A task asks whether the service changed the total work: the repeated prompts, human review, rework, avoided travel, extra data movement and downstream decisions. The objects overlap. They are not interchangeable.
A model can consume little energy per generated token and still be a wasteful service if the surrounding product induces users to request the same answer five times. A very small model can be efficient per call and still be unsuitable for a task that requires many retries, escalations or a second system to repair its output. A larger system may consume more per request yet reduce a separate, energy-intensive step. None of this grants a licence for optimistic arithmetic. It means the claimed unit of work must be named before the number receives any applause.
The first discipline is almost embarrassingly plain: do not compare one layer with another. A chip number is not a service number. A service number is not an organisational outcome. A facility annual total is not the energy of a prompt. They answer different questions. When a claim crosses layers, it should explain the bridge. Without that bridge, the reader has been handed a number and asked to supply the physics, operations and moral judgement themselves. That is a rather expensive form of self-service.
The boundary decides the answer
Every environmental measure begins with a boundary. In AI, the most common boundary is the device or server. It is attractive because it is close to the work and often easier to instrument. The next boundary is the rack or cluster. Then the facility, where power usage effectiveness, cooling and other supporting infrastructure enter. Then the service path, which may include networks, storage, retrieval systems, safety checks, observability and a customer device. Finally there is a wider lifecycle boundary: manufacturing, transport, building construction, water, repair, reuse and end of life.
No single boundary is always the right one. The mistake is to publish one boundary while inviting readers to infer another. A processor manufacturer may reasonably report energy measured at a component. A data-centre operator may reasonably report facility indicators. A model provider may reasonably report energy for a defined inference workload. A public buyer deciding whether to change a service needs the service boundary and, for some decisions, a wider lifecycle view. The claim should say which job it is doing.
Boundaries are choices, but they are not arbitrary choices. They should follow the decision. If an engineering team is choosing between two decoding settings on the same machine, server energy under a repeatable test can be exactly the right measure. If a procurement team is comparing two managed AI services, the comparison should include enough of the service path that an omitted retrieval system or a permanently running support cluster does not vanish into the carpet. If a public authority is considering a large local facility, its questions about electricity, water, grid capacity and heat are local questions even when a supplier presents a neat global carbon claim.
The European Commission makes this point indirectly through the data-centre reporting framework. Its public database is intended to collect and publish information relevant to energy performance and water footprint. The delegated reporting rules establish indicators and reporting information for data centres. The framework is not a claim that every environmental effect has been solved by a spreadsheet. It is an admission that a facility cannot be responsibly discussed through server power alone.
There is a useful analogy here, provided it is not overworked. A boundary is like the edge of a map. A map may legitimately focus on roads, flood risk or land ownership. It becomes misleading only when it presents its chosen edge as the edge of the world. An AI energy statement should carry the same modesty. It should make the chosen boundary visible and name the important territory beyond it.
Pracovní zátěž je jednotkou poctivosti
Lidé se často ptají, kolik energie spotřebuje jeden dotaz AI. Ta otázka je pochopitelná, ale obvykle nedostatečně určená. Dotaz může obsahovat pár slov nebo celou knihu. Může spustit kompaktní klasifikační model nebo model, který zpracovává obrázky, řeč, dlouhé dokumenty a několik nástrojů. Může vrátit jeden štítek, stránku textu nebo pracovní postup, který volá tři další systémy. Může být obsloužen z vytíženého stroje při vysokém využití nebo z kapacity držené v pohotovosti pro další požadavek. Slovo dotaz nese více zavazadel, než si připouští.
Užitečné měření proto popisuje pracovní zátěž. U jazykových systémů to může zahrnovat vstupní a výstupní tokeny, délku kontextu, verzi modelu, velikost dávky, přesnost, souběžnost, chování mezipaměti a nastavení dekódování. U obrazových, zvukových nebo video systémů to může zahrnovat rozlišení, délku trvání, počet vzorkovacích kroků, kodeky a architekturu modelu. U vyhledávacího systému to může zahrnovat velikost a chování indexu při obnově, volání embeddingů, řazení, vyhledávání dokumentů a úložiště. U rozhodovacího pracovního postupu to může zahrnovat počet volání, míru lidské kontroly a cestu zvolenou v případě, že se systém zdrží odpovědi.
Toto není požadavek, aby každý web vytiskl laboratorní deník vedle tlačítka. Je to požadavek, aby veřejná tvrzení přestala předstírat, že jeden veselý průměr je univerzální pracovní zátěž. Dodavatel může zveřejnit typický rozsah pro definované kategorie použití. Kupující si může vyžádat testovací profil, který odpovídá jeho vlastní práci. Produktový tým může vystavit malý počet smysluplných režimů, místo aby z každého uživatele dělal energetického inženýra. Klíčové je, aby popis umožnil recenzentovi poznat, zda se uváděný úkol podobá tomu skutečnému.
Návrh pracovní zátěže je také místem, kde se účinnost stává produktovým rozhodnutím, nikoli tiskovou zprávou o hardwaru. Kontext by se neměl načítat jen proto, že je k dispozici. Vyhledávání by nemělo přesouvat dokumenty jen proto, aby dokázalo, že to umí. Modelu by mělo být dovoleno říci, že úkol vyžaduje lidský úsudek, místo aby produkoval tři stále nákladnější odhady. Rozhraní by neměla podporovat deset téměř identických opakování, protože první odpověď přišla s jistotou vlhkého účtenky. To jsou designová rozhodnutí. Mohou snížit práci, aniž by činila nepoctivý slib o uhlíkové stopě jedné věty.
IEA upozorňuje na značnou nejistotu v současné i budoucí spotřebě elektřiny datových center a pomocí scénářů zkoumá různé cesty vývoje. To je užitečný návyk i pro měření produktů. Tam, kde je to opodstatněné, uvádějte rozpětí hodnot. Jasně popište, co ho posouvá. Rozlišujte mezi pozorovaným testem, odhadem sestaveným z naměřených komponent a prognózou budoucí poptávky. Jedno desetinné místo nejistotu nevyléčí. Jen jí dá ostřejší sestřih.
Hardware není jen poznámka pod čarou
Údaje o energii se bez znalosti hardwaru špatně přenášejí. Stejný model se může chovat různě na různých procesorech, paměťových konfiguracích, akcelerátorech, propojovacích sítích a softwarových zásobnících. Na přesnosti záleží. Na velikosti dávky záleží. Na využití záleží. IEA popisuje rychlý nárůst akcelerovaných serverů jako klíčový faktor spotřeby elektřiny datových center a uvádí, že podíl spotřeby jednotlivých komponent se mezi typy datových center výrazně liší. To stačí k jednoduchému závěru: neexistuje univerzální hodnota energie pro model bez ohledu na stroj a provozní podmínky, na kterých běží.
Zpráva o hardwaru by proto měla uvádět příslušnou třídu stroje, počet zařízení, uspořádání paměti tam, kde je podstatné, nastavení správy napájení, verzi softwaru a metodu měření. Měla by uvést, zda byl výsledek získán u zásuvky, v rozvodné jednotce racku, z telemetrie serveru nebo z odhadu založeného na modelu. Žádná z těchto metod není sama o sobě nedůvěryhodná. Nemají ale stejné režimy chyb. Přímé elektrické měření může mít úzkou hranici. Telemetrii lze snáze opakovaně sbírat, ale může záviset na kalibraci a předpokladech o alokaci. Odhad může být vhodný pro plánování, ale neměl by se vydávat za pozorovaný výsledek.
Sdílená infrastruktura činí alokaci obzvláště obtížnou. Cluster může sloužit několika zákazníkům, udržovat rezervní kapacitu, spouštět úlohy na pozadí a sdílet úložiště s nesouvisející prací. Přiřadit veškerou elektřinu zařízení nejvytíženějšímu úkolu by bylo absurdní. Přiřazovat pouze aktivní čas akcelerátoru může způsobit, že nečinná kapacita zmizí. Neexistuje žádná neutrální metoda alokace skrytá pod podlahou. Existují metody s jasně stanovenými pravidly. Seriózní zpráva uvádí metodu alokace, udává období využití a vysvětluje, zda jsou zahrnuty režie nečinnosti, rezervní kapacita a sdílené služby.
Stejná opatrnost platí pro srovnání napříč velikostmi modelů. Menší systémy jsou často užitečné, protože mohou vyžadovat méně výpočetního výkonu pro vhodný úkol, mohou běžet na více místech a snáze se provozují v rámci známého rozpočtu. Nejsou ale morálně nadřazené jen díky počtu parametrů. Důležitá otázka zní, zda systém dokončí daný úkol na přijatelné úrovni kvality, s přijatelnou zátěží na kontrolu a na zvoleném hardwaru. Drobný model, který přesouvá práci jinam, nemusí být nutně efektivní. Obrovský model použitý pro dvouřádkovou klasifikaci nemusí být nutně chytrý. Je jen drahý velmi specifickým způsobem.
Ve společnosti Dweve to považujeme za běžné konstrukční omezení, nikoli za volební slogan. Veřejné materiály o produktu popisují provádění nativní pro CPU a zacházejí s prostředím běhu jako se součástí smlouvy systému. To je užitečný směr pro zákazníka, který potřebuje prozkoumat stroj a provozní hranici. Není to měřené environmentální tvrzení a nemělo by se tak číst. Měření se stále musí provést pro skutečnou zátěž, hardware a nasazení. Cokoli méně by proměnilo rozumnou architektonickou volbu v marketingové počasí.
Uhlík není elektřina s lepším označením
Spotřeba elektřiny a emise skleníkových plynů spolu souvisejí, ale nejsou to stejné ukazatele. Energetické vyjádření uvádí spotřebu. Uhlíkové vyjádření přidává emisní faktor, a tedy i další soubor rozhodnutí. Jaký mix elektřiny se používá? Týká se tvrzení fyzické sítě v místě a čase spotřeby, smluvního ujednání o nákupu, roční metody účtování založené na trhu, nebo průměru napříč několika lokalitami? Jsou zahrnuty ztělesněné emise z hardwaru? A co chladicí voda, výstavba nebo síťová zařízení? Uhlíkové číslo může být cenné. Nevzniká však tím, že se kilowatthodiny nahradí zelenějším typem písma.
IEA rozlišuje palivový mix fyzicky spotřebované elektřiny od smluvních ujednání. Toto rozlišení patří i do vykazování v oblasti AI, protože smlouva může vyjadřovat důležité rozhodnutí o nákupu, ale zároveň vypovídat jiný příběh než energie dostupná v místní síti v hodině, kdy úloha běžela. Zpráva může v případě potřeby uvést obojí. Neměla by je však slučovat tak, aby čtenář nedokázal rozeznat, zda se tvrzení týká nákupního nástroje, nebo fyzického systému.
Důležitý je také čas. Roční párování elektřiny může zastřít úlohu, která trvale běží v období vyšší mezní výroby. Hodinové údaje mohou v některých souvislostech obraz zlepšit, ale přinášejí vlastní požadavky na data, metody a ověřování. Důležité je i místo, protože elektrizační soustavy se liší. Kontinentální průměr může být užitečný pro souhrnný přehled, ale nemůže rozhodnout o místním plánovacím rozhodnutí. Vhodná úroveň podrobnosti závisí na rozhodnutí a dostupných důkazech. Požadavkem není dokonalost. Je jím to, aby zpráva uvedla, jakou úroveň podrobnosti použila a proč.
Ztělesněné dopady si zaslouží stejnou zdrženlivost. Výroba hardwaru má dopady na materiály i emise. Stejně tak budovy, baterie, náhradní díly a likvidace. Hodnocení životního cyklu může tyto dopady odhalit, zejména když je obměna hardwaru rychlá nebo se zařízení pořizuje pro krátkodobý projekt. Může se ale také stát mlžnou clonou, když poskytovatel předloží jeden široký údaj o životním cyklu bez informací o alokaci, předpokládané životnosti, opětovném použití nebo úloze, kterou má popisovat. Pokud jsou účinky životního cyklu zahrnuty, měla by být viditelná metoda a alokace. Pokud zahrnuty nejsou, mělo by být viditelné i toto opomenutí.
Voda by neměla být odsunuta do poznámky pod čarou jen proto, že elektřinu lze snáze znázornit grafem. Vykazovací práce Komise týkající se datových center výslovně zahrnuje informace o vodní stopě. Volby chlazení mohou různými způsoby ovlivnit místní poptávku po vodě, poptávku po energii a vystavení rizikům spolehlivosti. Provozovatel může zlepšit jeden ukazatel, zatímco jiný ztíží. Štítek, který zachází se zařízením jako s jediným skóre, může tento vztah skrýt. Lepším přístupem je malá sada ukazatelů s jejich hranicemi, nikoli soutěž o nalezení jediného čísla, které vyvolá nejméně nepříjemných otázek.
Využití mění vyznění grafu
Infrastruktura spotřebovává energii, když čeká, i když pracuje. Část kapacity musí být připravena, protože služba má požadavky na latenci nebo odolnost. Část kapacity je držena proto, že poptávka je kolísavá. Část nečinně stojí, protože plánování a nákup nejsou dokonalé, což není morální selhání, ale málokdy je to důvod k blahopřání řídicímu panelu. Alokace této režie mění každé číslo přepočtené na jeden požadavek.
Vysoké využití není automaticky dobré. Dlouhodobé nasycení kritického systému může poškodit spolehlivost, zvýšit fronty a odebrat rezervu potřebnou pro případ selhání. Nízké využití není automaticky špatné ani v opačném případě. Veřejná výstražná služba může potřebovat být dostupná pro události, které se nekonají každé odpoledne, a za to buďme rádi. Úkolem reportingu je zviditelnit provozní předpoklad. Číslo naměřené při plně zatíženém benchmarku by nemělo být prezentováno jako roční dopad málo využívané služby. Číslo zprůměrované napříč málo využívanou službou by nemělo být použito k popisu efektivity jednotlivého aktivního požadavku bez uvedení pravidla alokace.
Existuje také otázka odrazu. Pokud je služba levnější nebo snadněji použitelná, poptávka může růst. Efektivnější model může snížit energii na úkol a umožnit mnohem více úkolů. Obě tvrzení mohou být pravdivá. Stručný přehled EEA z roku 2026 o umělé inteligenci a udržitelné spotřebě varuje, že environmentální kompromisy zůstávají obtížně hodnotitelné, a vyzývá k dalším údajům a poznatkům na podporu účinné správy. To není výraz beznaděje. Je to varování před tím, abychom efektivitu jednotky považovali za úplný obraz celkového dopadu.
Organizace by proto měly tam, kde mohou, vykazovat dva pohledy: intenzitu a celkový objem. Intenzitou může být energie na definovanou pracovní zátěž, na úspěšný úkol nebo na úroveň služby. Celkovým objemem může být roční spotřeba elektřiny, informace o vodě v zařízení nebo celkový počet obsloužených úkolů. Oba pohledy zabraňují opačným druhům škod. Samotná intenzita může oslavovat rostoucí celkový objem. Samotný celkový objem může potrestat užitečnou službu, která se stává efektivnější, zatímco poptávka roste z legitimních důvodů. Dohromady popisují vztah, který může čtenář zkoumat.
Slovní spojení úspěšný úkol je důležité. Neznamená, že každé použití má jeden nezpochybnitelný výsledek. Znamená, že jmenovatel by měl sledovat zamýšlenou službu, nikoli nejsnadnější počítadlo. Klasifikační služba může vykazovat dokončené záznamy s uvedenými kritérii kvality. Asistent pro psaní může potřebovat oddělit návrhy přijaté, návrhy podstatně změněné a návrhy zamítnuté. Pracovní postup citlivý na bezpečnost může počítat přezkoumaná rozhodnutí spíše než vygenerovaný text. Když jmenovatel sleduje práci, je méně pravděpodobné, že údaj o energii odměňuje zbytečnou činnost.
Nejistota je součástí štítku
Environmentální reporting někdy zachází s nejistotou jako s krizí public relations. Lépe je ji chápat jako vlastnost měření. Přístroje mají tolerance. Telemetrie se přiděluje. Pracovní zátěže kolísají. Faktory elektřiny se modelují. Dodavatelské řetězce jsou neúplné. Hodnota může být užitečná, aniž by byla přesná na poslední watthodinu. Předstírat opak je způsob, jak se štítek stává méně důvěryhodným, čím je vyleštěnější.
Praktická odpověď spočívá v oddělení naměřených, odhadovaných a vyloučených hodnot. Naměřené znamená, že bylo provedeno měření v uvedeném bodě pomocí uvedené metody. Odhadované znamená, že výpočet převedl měření nebo publikované faktory na výsledek za uvedených předpokladů. Vyloučené znamená, že relevantní vliv leží mimo zvolenou hranici. Zpráva může také uvést citlivost: například že se výsledek materiálně mění s využitím, délkou kontextu, životností zařízení nebo faktorem sítě. To nečiní tvrzení slabým. Říká čtenáři, kde je tvrzení silné a kde zůstává podmíněné.
Rozsahy jsou často upřímnější než velký průměr. Poskytovatel služeb by mohl vykazovat typické energetické pásma pro krátké, střední a dlouhé pracovní zátěže spolu s definovaným testovacím profilem a provozním rozsahem pozorovaným v produkci. Veřejný zadavatel by mohl požadovat měření na reprezentativním vzorku své práce a na druhém, záměrně obtížném vzorku. Produktový tým by mohl sledovat změny v čase po aktualizaci modelu nebo nové cestě vyhledávání. Cílem není vytvořit papírové oddělení, které měří každou čárku. Cílem je zachytit situace, kdy zdánlivě malá změna mění využití zdrojů systému nebo jeho dopad na životní prostředí.
Ověřování také záleží. Dodavatel by měl být schopen předložit metodu, surové nebo agregované důkazy přiměřené kontextu, historii verzí a osobu nebo tým odpovědný za tvrzení. Kupující nepotřebuje neomezený přístup ke každému provoznímu tajemství. Potřebuje dostatek informací, aby mohl otestovat, zda tvrzení přežije změnu modelu, hardwaru, pracovní zátěže nebo ohlašovací hranice. Nezávislé ověření může přidat důvěru tam, kde to rozhodnutí vyžaduje. Nenahrazuje čitelnou metodu.
Evropa je s tímto temperamentem obeznámena. Normy, registry a ohlašovací systémy mohou působit puntičkářsky, dokud trh nepotřebuje porovnat tvrzení, která byla navržena tak, aby se srovnání vyhnula. Pak se puntičkářství ukáže jako veřejná služba. Nedokončená část není vadou myšlenky štítku energetické náročnosti AI. Je to práce na rozhodování, které důkazy musí cestovat s číslem.
Co Evropa začala budovat
Evropský rámec je již nyní podstatnější než dobrovolná sbírka adjektiv udržitelnosti. Přepracovaná směrnice o energetické účinnosti zavedla povinné požadavky na veřejné vykazování pro datová centra s příkonem nad 500 kW. Delegované nařízení (EU) 2024/1364 stanoví harmonizované prvky vykazování a první fázi společného unijního systému klasifikace. Databáze Komise zveřejňuje informace relevantní pro energetickou náročnost a vodní stopu a její připravovaný balíček pro energetickou účinnost datových center má posoudit vykázaná data, zavést systém klasifikace a zahájit práci na minimálních normách výkonnosti.
Tyto nástroje působí na úrovni zařízení. Neměly by být mylně prezentovány jako hotový štítek pro každý model AI nebo každou funkci produktu. Jejich hodnota spočívá v tom, že zavádějí veřejný zvyk: tvrzení o energii a vodě potřebují společný základ důkazů, srovnatelné ukazatele a cestu od vykazování k hodnocení. Přípravná studie Komise to výslovně popisuje jako úsilí o zlepšení transparentnosti a srovnatelnosti při budování na rámci vykazování a klasifikace. To je přesně směr, kterým budou služby AI potřebovat, i když vykazování na úrovni služeb zahrnuje jiné hranice a alokace.
Nejnovější práce EEA přidává potřebné varování. Umělá inteligence může podporovat udržitelnější postupy, ale tam, kde je správa nedostatečná, může také posilovat náročnou spotřebu zdrojů, koncentraci trhu a sociální nerovnosti. Environmentální tvrzení nelze oddělit od toho, jak systém mění chování, zadávání zakázek a přístup k infrastruktuře. Štítek může odhalit náročnost na zdroje. Nemůže rozhodnout, zda daný úkol stojí za to. To zůstává veřejným, organizačním a demokratickým rozhodnutím. Je to mírně nepohodlné, což je jeden ze způsobů, jak poznat, že na tom záleží.
Dalším rozumným krokem není univerzální skóre, které jednoho modela označí za ctnostného a jiného za hříšného. Je to vrstevnatý reportingový slovník. Provozovatelé zařízení by měli vykazovat ukazatele zařízení. Poskytovatelé modelů by měli vykazovat definované testovací profily a metody. Poskytovatelé služeb by měli vykazovat reprezentativní pásma pracovního zatížení, pravidla přidělování a změny v čase. Kupující by měli požadovat důkazy relevantní pro práci, kterou plánují vykonávat. Regulátoři a výzkumníci by měli mít možnost studovat agregáty, aniž by předstírali, že průměr vypovídá celý příběh místní sítě, povodí nebo konkrétní služby.
Interoperabilita je zde důležitá. Pokud si každý poskytovatel vymyslí soukromou definici požadavku na umělou inteligenci, žádost o důkazy se stane hrou na hádání s logem. Evropa je v dobré pozici, aby sjednotila společné metody, protože již má základ pro reporting datových center, mechanismy environmentální politiky, výzkumné instituce a trh překračující hranice. Metoda musí zůstat technicky důvěryhodná. Standard, který je dostatečně jednoduchý pro prezentaci a příliš vágní pro měření, je jen prezentace s regulačním osvětlením.
Na co by se měl kupující ptát nyní
Čekání na dokonalý štítek není důvodem k přijímání prázdných tvrzení. Kupující mohou požádat o energetické prohlášení, které odpovídá rozhodnutí, před kterým stojí. Žádost může být přiměřená. Nástroj pro psaní s nízkými dopady nepotřebuje studii životního cyklu, která by vyděsila malé město. Významné zadávací řízení, velký závazek vůči datovému centru nebo služba umělé inteligence s využitím v měřítku veřejnosti by měly očekávat více důkazů.
Začněte pracovním zatížením. Co se od služby očekává, jak často, s jakými typickými a obtížnými vstupy a co se považuje za dokončený výsledek? Poté se zeptejte na hardware a provozní prostředí. Je tvrzení měřeno nebo odhadováno? Která verze modelu, konfigurace softwaru a měřicí bod jsou zahrnuty? Co je zahrnuto v hranicích? Jak jsou přidělovány sdílené služby, nečinná kapacita a odolnost? Jsou elektřina a emise vykazovány odděleně? Pokud jsou emise vykazovány, která síť, místo, časové období a účetní metoda se používají? Jsou zahrnuty, odhadovány nebo vyloučeny účinky na vodu a životní cyklus?
Další otázkou je změna. Služby umělé inteligence se rychle mění. Číslo ze staré verze modelu se může stát historickou kuriozitou po změně směrování, novém hardwaru nebo jiné bezpečnostní vrstvě. Kupující by se měl zeptat, kdy byla hodnota naposledy aktualizována, které změny spouštějí přeměření a jak poskytovatel oznámí podstatnou změnu. Tím se energetické tvrzení mění z jednorázového řádku v brožuře na provozní povinnost. Také to zabraňuje známému uspořádání, kdy nejpečlivěji změřená verze je verzí, která se přestala používat loni na jaře.
Nakonec se zeptejte, kdo může odpověď zpochybnit. Poskytovatel, který nedokáže vysvětlit hranice, metodu a vyloučení, nedodal srovnatelné tvrzení. Dodal aspiraci s jednotkami. Poskytovatel, který je dokáže vysvětlit, může mít stále vysokou hodnotu pro náročný úkol. To může být přijatelné, pokud je úkol odůvodněný a kompromis je pochopen. Smyslem není odměnit nejnižší číslo za každou cenu. Smyslem je učinit náklady dostatečně viditelnými, aby se instituce mohla rozhodnout čestně.
Štítek je nástroj správy
A finished AI energy label will not be a small coloured square that ends the argument. It will be a reporting discipline that makes a specific argument possible. It will link a workload to a machine, a boundary, an allocation method, an electricity method, a time period and an uncertainty statement. It will distinguish energy from emissions and facility performance from service performance. It will leave room for water, lifecycle effects and local conditions without pretending that every customer needs the same level of detail.
That may sound less glamorous than declaring a model sustainable. It is. The useful things usually are. A label should make it harder to hide an oversized workload behind an elegant chip number. It should make it harder to use a contractual electricity purchase as shorthand for every local environmental effect. It should make it possible to see when a small model is genuinely sufficient and when its savings have simply been moved to another part of the system.
The story here is not that Europe has no answer. Europe has begun to build a public reporting base for the infrastructure that carries AI. The unfinished work is to connect that base to model and service decisions without erasing the differences between them. For teams building AI, that means measuring the work they actually ask machines to do. For buyers, it means asking for a boundary before accepting a number. For everyone else, it means refusing to let a neat claim settle a question it was never designed to answer.
Good labels are not there to make objects look innocent. They are there to make trade-offs visible. AI could use a few more of those.
Measure the decision, not the theatre
An AI energy label can become useful before it becomes mandatory. Teams can start with a disciplined internal record: the service version, the representative workloads, the hardware, the facility boundary where available, the allocation rule and the known exclusions. The record should be reviewed when the system changes materially. It should be available to the people who make product, procurement and infrastructure decisions. This is not a promise that every organisation can solve lifecycle accounting on a Friday afternoon. It is a way to stop the easiest claim becoming the only claim.
That record also improves engineering. When a team measures a real task rather than an abstract model, it can see whether a longer context, a retry pattern, a retrieval index or a safety route is doing useful work. It can decide where a smaller model is sufficient, where a higher-quality model earns its cost and where the workflow should pause for a person. The result may not always be lower electricity use. Sometimes the honest outcome is that a valuable service has a visible resource cost. That is still better than hiding the cost until somebody else has to explain it.
Public reporting adds a further discipline. Claims that influence purchasing, funding or trust should survive a change of personnel. The method should be readable by someone who did not invent it. The source data should have a retention path proportionate to the claim. The calculation should be repeatable enough to challenge. If a provider improves a service, the earlier figure should remain interpretable rather than being quietly replaced by a newer, prettier one. Environmental evidence needs a history, because a model release is not an amnesty for the statements that helped sell the previous release.
This is where the label becomes a small form of governance. It connects a design choice to a decision, then leaves a trail for the next person who has to ask whether the choice still holds. The point is not to make every engineer an environmental accountant. The point is to ensure that no environmental accountant is asked to reconstruct a product from a slogan.
Bezprostřední praktický přínos této zdrženlivosti je zřejmý. Tým, který dokáže vymezit své hranice, je může cíleně zlepšovat. Může si udržet výchozí stav, otestovat změnu proti stejnému pracovnímu zatížení a zaznamenat, zda se výsledek posunul kvůli změně modelu, hardwaru nebo způsobu vykazování. Díky tomu se vykazování dopadů na životní prostředí stává běžnou součástí inženýrského úsudku, nikoli každoročním zjišťováním, že užitečné podrobnosti nebyly nikdy shromážděny.
Zdroje
- Energy performance of data centres, Evropská komise, přístup 5. srpna 2026. Použito pro kontext databáze EU pro vykazování, informací o energii a vodě, hodnocení, systému hodnocení a minimálních standardů výkonnosti.
- Minimum performance standards for EU data centres, Evropská komise, přístup 5. srpna 2026. Použito pro kontext prahu vykazování 500 kW, harmonizovaného vykazování a tvorby politik.
- Commission Delegated Regulation (EU) 2024/1364, EUR-Lex, přístup 5. srpna 2026. Použito pro první fázi společného systému hodnocení Unie a základ vykazování datových center.
- Energy demand from AI, Mezinárodní energetická agentura, 2025. Použito pro komponenty datových center, podíly spotřeby elektřiny komponent, nejistotu a rámec scénářů a rozlišení mezi fyzickou elektřinou a smluvními ujednáními.
- Artificial intelligence and sustainable consumption in Europe, Evropská agentura pro životní prostředí, 5. května 2026. Použito pro varování před environmentálními kompromisy, správou, náročnou spotřebou zdrojů a potřebou dalších důkazů.
- Dweve Core, Dweve, přístup 5. srpna 2026. Použito pouze pro omezenou faktickou poznámku, že veřejné produktové materiály popisují nativní provádění na CPU a prováděcí prostředí považované za součást systémové smlouvy.