Energimærket for AI er stadig ufærdigt
Tallet på boksen
Et energimærke er et løfte om sammenligning. Det fortæller en køber, at to almindeligt udseende genstande kan stilles ved siden af hinanden uden at lade, som om de er identiske. Et køleskabsmærke besvarer ikke alle spørgsmål om køkkenet, elaftalen eller familien, der bruger det. Det gør noget mere beskedent og mere nyttigt. Det angiver en metode, en kategori og et resultat tydeligt nok til, at påstanden kan kontrolleres.
AI har fået masser af tal, men meget få mærker. Et system siges at bruge mindre energi, fordi det er mindre. Et andet, fordi det svarer hurtigere. Et tredje, fordi dets chips har en mere flatterende specifikation. En leverandør kan offentliggøre et tal for én forespørgsel, en træningskørsel, et rack, et anlæg eller et år. Alt kan være præcist inden for sin egen afgrænsning. De kan ikke alle sammenlignes, bare fordi enheden tilfældigvis er joule, watt eller ton CO₂-ækvivalenter. Et tal kan være præcist og stadig være et dårligt svar på det spørgsmål, en køber faktisk stillede.
Dette er ikke et argument imod måling. Det er det modsatte. Europa har brug for meget bedre måling, fordi AI bliver en del af almindelig infrastruktur. Europa-Kommissionen indsamler allerede oplysninger om energiforbrug og vandforbrug fra betydelige datacentre under rammen for energieffektivitetsdirektivet. Den forbereder en fælles klassificeringsordning og arbejde hen imod minimumsstandarder for ydeevne. Det er en seriøs begyndelse. Det udgør endnu ikke et færdigt energimærke for en AI-tjeneste, en AI-model eller et AI-anvendelsestilfælde. Grænsen mellem disse ting er, hvor det meste af det vanskelige arbejde ligger.
Det nyttige spørgsmål er derfor ikke, om et AI-system er grønt. Det adjektiv har arbejdet overtid nok. Spørgsmålet er: for dette afgrænsede stykke arbejde, under disse driftsbetingelser, hvilke ressourcer blev brugt, hvilke beviser understøtter tallet, og hvilke væsentlige virkninger forbliver uden for påstanden? Et ærligt svar skaber en langsommere, bedre form for fremskridt. Det gør en indkøbssamtale mulig.
Hvorfor et enkelt AI-tal slår fejl
Elektricitet forbruges af fysisk udstyr, ikke af et ord som intelligens. Det Internationale Energiagentur beskriver træning og drift som aktiviteter, der hovedsageligt foregår i datacentre. Disse faciliteter indeholder servere, lagring, netværksudstyr, køling og understøttende strøminfrastruktur. Serveren er vigtig, men den er ikke hele faciliteten. IEA vurderer, at servere i gennemsnit tegner sig for omkring 60 procent af elforbruget i et moderne datacenter, mens lagring, netværk, køling og anden infrastruktur udgør resten i forhold, der varierer efter facilitetstype og design.
Den variation er ikke en gene i udkanten af beregningen. Den er beregningen. Køling kan være en beskeden del af elforbruget i en effektiv hyperscale-facilitet og en meget større andel i en mindre effektiv virksomhedsindstilling. En arbejdsbyrde, der ser fremragende ud, når den måles på en chip, kan se anderledes ud, når netværk, hukommelse, lagring, ledig kapacitet og køling inkluderes. En facilitetsmåling kan se fremragende ud, mens den ikke afslører noget om, hvorvidt en bestemt model blev kaldt for ofte, betjente en for stor kontekst eller brugte halvdelen af sin tid på at vente på, at en menneskelig proces indhentede den.
Der er mindst fire objekter, folk mener, når de spørger om AI-energiforbrug. De kan mene hardwaren, modellen, tjenesten eller den organisatoriske opgave. Hardware spørger om en processor, server eller et rack under defineret belastning. En model spørger om træning, finjustering eller inferens for en defineret modelversion. En tjeneste spørger om ruten fra en brugerhandling gennem hentning, moderering, logning, lagring og svar. En opgave spørger, om tjenesten ændrede det samlede arbejde: de gentagne prompter, menneskelig gennemgang, omarbejdning, undgået rejse, ekstra dataflytning og efterfølgende beslutninger. Objekterne overlapper. De er ikke udskiftelige.
En model kan bruge lidt energi per genereret token og stadig være en ressourcekrævende tjeneste, hvis det omkringliggende produkt får brugerne til at anmode om det samme svar fem gange. En meget lille model kan være effektiv per kald og stadig være uegnet til en opgave, der kræver mange gentagelser, eskaleringer eller et andet system til at rette op på dens output. Et større system kan bruge mere per anmodning og alligevel reducere et separat, energitungt trin. Intet af dette giver licens til optimistisk regnearitmetik. Det betyder, at den påståede arbejdsenhed skal navngives, før tallet får nogen anerkendelse.
Den første disciplin er næsten pinligt indlysende: sammenlign ikke ét lag med et andet. Et chiptal er ikke et servicetal. Et servicetal er ikke et organisatorisk resultat. En facilitets årlige total er ikke energien for en prompt. De besvarer forskellige spørgsmål. Når en påstand krydser lag, bør den forklare broen. Uden den bro er læseren blevet givet et tal og bedt om selv at levere fysikken, driften og den moralske vurdering. Det er en temmelig dyr form for selvbetjening.
Grænsen afgør svaret
Enhver miljømåling begynder med en grænse. I AI er den mest almindelige grænse enheden eller serveren. Den er attraktiv, fordi den er tæt på arbejdet og ofte lettere at instrumentere. Den næste grænse er racket eller klyngen. Derefter faciliteten, hvor strømudnyttelseseffektivitet, køling og anden understøttende infrastruktur indgår. Så servicevejen, som kan omfatte netværk, lagring, søgesystemer, sikkerhedstjek, observerbarhed og en kundeenhed. Endelig er der en bredere livscyklusgrænse: fremstilling, transport, bygningskonstruktion, vand, reparation, genbrug og end-of-life.
Ingen enkelt grænse er altid den rigtige. Fejlen er at offentliggøre én grænse, mens man inviterer læseren til at udlede en anden. En processorproducent kan med rimelighed rapportere energi målt ved en komponent. En datacenteroperatør kan med rimelighed rapportere facilitetsindikatorer. En modeludbyder kan med rimelighed rapportere energi for en defineret inferensarbejdsbyrde. En offentlig køber, der beslutter, om en tjeneste skal ændres, har brug for servicegrænsen og, for nogle beslutninger, et bredere livscyklusperspektiv. Påstanden bør sige, hvilket job den udfører.
Grænser er valg, men de er ikke vilkårlige valg. De bør følge beslutningen. Hvis et ingeniørteam vælger mellem to afkodningsindstillinger på samme maskine, kan serverenergi under en gentagelig test være præcis den rigtige måling. Hvis et indkøbsteam sammenligner to administrerede AI-tjenester, bør sammenligningen omfatte nok af servicevejen, så et udeladt søgesystem eller en permanent kørende supportklynge ikke forsvinder i gulvtæppet. Hvis en offentlig myndighed overvejer en stor lokal facilitet, er dens spørgsmål om elektricitet, vand, netkapacitet og varme lokale spørgsmål, selv når en leverandør præsenterer en pæn global kulstofpåstand.
Europa-Kommissionen gør dette punkt indirekte gennem datacenterrapporteringsrammen. Dens offentlige database er beregnet til at indsamle og offentliggøre oplysninger, der er relevante for energipræstation og vandfodaftryk. De delegerede rapporteringsregler fastlægger indikatorer og rapporteringsoplysninger for datacentre. Rammen er ikke en påstand om, at enhver miljøpåvirkning er løst med et regneark. Det er en erkendelse af, at en facilitet ikke kan diskuteres ansvarligt udelukkende gennem serverstrøm.
Der er en nyttig analogi her, forudsat at den ikke overbruges. En grænse er som kanten af et kort. Et kort kan med rette fokusere på veje, oversvømmelsesrisiko eller jordejerskab. Det bliver kun vildledende, når det præsenterer sin valgte kant som verdens ende. En AI-energiudtalelse bør bære samme ydmyghed. Den bør gøre den valgte grænse synlig og navngive det vigtige territorium ud over den.
Arbejdsbelastningen er ærlighedens enhed
Folk spørger ofte, hvor meget energi en enkelt AI-forespørgsel bruger. Spørgsmålet er forståeligt og som regel underdefineret. En forespørgsel kan indeholde et par ord eller en hel bog. Den kan kalde en kompakt klassifikationsmodel eller en model, der behandler billeder, tale, lange dokumenter og flere værktøjer. Den kan returnere et enkelt label, en side tekst eller en arbejdsgang, der kalder tre andre systemer. Den kan blive betjent fra en varm maskine med høj udnyttelse eller fra kapacitet, der holdes klar til den næste forespørgsel. Ordet forespørgsel bærer på mere bagage, end det indrømmer.
Et nyttigt mål beskriver derfor arbejdsbelastningen. For sprogsystemer kan dette omfatte input- og output-tokens, kontekstlængde, modelversion, batchstørrelse, præcision, samtidighed, cache-adfærd og afkodningsindstillinger. For billed-, lyd- eller videosystemer kan det omfatte opløsning, varighed, sampling-trin, codecs og modelarkitektur. For et søgesystem kan det omfatte størrelsen og opdateringsadfærden af indekset, embedding-kald, rangering, dokumenthentning og lagring. For en beslutningsarbejdsgang kan det omfatte antallet af kald, graden af menneskelig gennemgang og den rute, der tages, når systemet afstår.
Dette er ikke et krav om, at enhver hjemmeside skal trykke en laboratoriejournal ved siden af en knap. Det er et krav om, at offentlige påstande holder op med at lade som om, at et enkelt muntert gennemsnit er en universel arbejdsbelastning. En leverandør kan offentliggøre et typisk interval for definerede brugsbånd. En køber kan anmode om en testprofil, der ligner sit eget arbejde. Et produktteam kan udstille et lille antal meningsfulde tilstande i stedet for at gøre enhver bruger til en strømingeniør. Det afgørende er, at beskrivelsen gør det muligt for en reviewer at se, om den rapporterede opgave ligner den virkelige.
Design af arbejdsbelastninger er også der, hvor effektivitet bliver en produktbeslutning snarere end en hardware-pressemeddelelse. Kontekst bør ikke indlæses blot, fordi den er tilgængelig. Hentning bør ikke flytte dokumenter blot for at bevise, at den kan. En model bør have lov til at sige, at en opgave kræver menneskelig dømmekraft, i stedet for at producere tre stadig dyrere gæt. Grænseflader bør ikke opmuntre til ti næsten identiske forsøg, fordi det første svar ankom med selvtilliden fra en fugtig kvittering. Dette er designvalg. De kan reducere arbejde uden at afgive et uærligt løfte om kulstofindholdet i en sætning.
IEA bemærker, at der er betydelig usikkerhed om det nuværende og fremtidige elforbrug i datacentre, og bruger scenarier til at undersøge forskellige veje. Det er også en nyttig vane, når man måler produkter. Rapportér et interval, hvor et interval er berettiget. Angiv, hvad der ændrer det. Hold skel mellem en observeret test, et estimat bygget på målte komponenter og en prognose for fremtidig efterspørgsel. En enkelt decimal ændrer ikke på usikkerheden. Den giver blot usikkerheden en mere præcis fremtoning.
Hardware er ikke en fodnote
Energital fortæller ikke hele historien, når hardwaren fjernes. Den samme model kan opføre sig forskelligt på forskellige processorer, hukommelseskonfigurationer, acceleratorer, forbindelser og softwarestakke. Præcision betyder noget. Batchstørrelse betyder noget. Udnyttelse betyder noget. IEA beskriver den hurtige vækst i accelererede servere som en central faktor for elforbruget i datacentre og bemærker, at komponenternes andel af forbruget varierer meget mellem datacentertyper. Det er nok til at gøre en simpel pointe klar: Der findes ingen universel energiværdi for en model, der er løsrevet fra den maskine og de driftsforhold, der kører den.
Hardwarerapportering bør derfor angive den relevante maskinklasse, antallet af enheder, hukommelsesopsætning, hvor det er væsentligt, strømstyringsindstillinger, softwareversion og målemetode. Det bør angives, om resultatet blev indsamlet ved en stikkontakt, en strømfordelingsenhed i racket, servertelemetri eller et modelbaseret estimat. Ingen af disse metoder er i sig selv upålidelige. De har ikke de samme fejlmønstre. En direkte elektrisk måling kan have en snæver afgrænsning. Telemetri kan være lettere at indsamle gentagne gange, men kan afhænge af kalibrering og fordelingsantagelser. Et estimat kan være passende til planlægning, men bør ikke fremstå som et observeret resultat.
Delt infrastruktur gør fordeling særligt vanskelig. En klynge kan betjene flere kunder, have ledig kapacitet til rådighed, køre baggrundsjob og dele lagring med ikke-relateret arbejde. At tildele al facilitetens elektricitet til den travleste arbejdsbyrde ville være absurd. At kun tildele aktiv acceleratortid kan få ledig kapacitet til at forsvinde. Der ligger ingen neutral fordelingsmetode gemt under gulvbrædderne. Der findes metoder med fastlagte regler. En seriøs rapport angiver fordelingsmetoden, oplyser udnyttelsesperioden og forklarer, om ledig overhead, redundans og delte tjenester er inkluderet.
Den samme forsigtighed gælder sammenligninger på tværs af modelstørrelser. Mindre systemer er ofte nyttige, fordi de kan kræve mindre beregning til en passende opgave, kan køre flere steder og kan være lettere at drive inden for et kendt budget. De er ikke moralsk overlegne alene på grund af antallet af parametre. Det relevante spørgsmål er, om systemet udfører den specificerede opgave på et acceptabelt kvalitetsniveau, med en acceptabel gennemgangsbyrde, på den valgte hardware. En lille model, der skubber arbejdet andre steder hen, er ikke nødvendigvis effektiv. En enorm model, der bruges til en to-linjers klassificering, er ikke nødvendigvis smart. Den er bare dyr på en meget særlig måde.
Hos Dweve behandler vi dette som en almindelig designbegrænsning snarere end et kampagneslogan. Det offentlige produktmateriale beskriver CPU-native eksekvering og behandler eksekveringsmiljøet som en del af systemets kontrakt. Det er en nyttig retning for en kunde, der har brug for at inspicere maskinen og driftsgrænsen. Det er ikke et målt miljømæssigt krav, og det bør ikke læses som sådan. Målingen skal stadig foretages for den faktiske arbejdsbyrde, hardware og implementering. Alt mindre ville forvandle et fornuftigt arkitekturvalg til markedsføringsvejr.
Kulstof er ikke elektricitet med bedre branding
Elforbrug og drivhusgasemissioner hænger sammen, men de er ikke samme mål. En energi-redegørelse rapporterer forbrug. En kulstof-redegørelse tilføjer en emissionsfaktor og dermed et yderligere sæt beslutninger. Hvilken el-mix anvendes? Handler påstanden om det fysiske net på forbrugsstedet og -tidspunktet, en aftalt indkøbsordning, en årlig markedsbaseret opgørelsesmetode eller et gennemsnit på tværs af flere lokationer? Er indlejrede emissioner fra hardware inkluderet? Hvad med kølevand, byggeri eller netudstyr? Et kulstoftal kan være værdifuldt. Det skabes ikke ved at erstatte kilowatt-timer med en grønnere skrifttype.
IEA skelner mellem brændselsmixen i fysisk forbrugt elektricitet og aftalemæssige ordninger. Den skelnen hører med i AI-rapportering, fordi en kontrakt kan udtrykke et vigtigt indkøbsvalg, samtidig med at den fortæller en anden historie end den strøm, der er tilgængelig på det lokale net i den time, en arbejdsbyrde kørte. En redegørelse kan præsentere begge dele, hvor det er relevant. Den bør ikke blande dem sammen, før læseren ikke kan se, om påstanden vedrører et indkøbsinstrument eller det fysiske system.
Tid betyder også noget. Årlig el-matching kan skjule en arbejdsbyrde, der konsekvent kører i en periode med højere marginal produktion. Timebaseret information kan forbedre billedet i nogle sammenhænge, men medfører sine egne krav til data, metode og verifikation. Lokation betyder noget, fordi elsystemer er forskellige. Et kontinentalt gennemsnit kan være nyttigt til en overordnet opgørelse, men det kan ikke afgøre en lokal planlægningsbeslutning. Den passende granularitet afhænger af beslutningen og den tilgængelige dokumentation. Kravet er ikke perfektion. Det er, at redegørelsen angiver, hvilken granularitet den anvendte, og hvorfor.
Indlejrede effekter fortjener samme tilbageholdenhed. Fremstilling af hardware har materiale- og emissionsmæssige konsekvenser. Det har også bygninger, batterier, reservedele og bortskaffelse. Livscyklusvurdering kan synliggøre disse effekter, især når hardware-udskiftningen er hurtig, eller udstyr købes til et kortvarigt projekt. Den kan også blive en tågemaskine, når en udbyder præsenterer én bred livscyklus-overskrift uden oplysninger om allokering, forventet levetid, genbrug eller den arbejdsbyrde, den skal beskrive. Hvis livscykluseffekter er inkluderet, bør metode og allokering være synlige. Hvis de ikke er inkluderet, bør udeladelsen også være synlig.
Vand må ikke forvises til en fodnote, blot fordi elektricitet er lettere at afbilde i en graf. Kommissionens arbejde med rapportering for datacentre inkluderer eksplicit oplysninger om vandfodaftryk. Kølevalg kan påvirke lokalt vandbehov, energibehov og pålidelighedseksponering på forskellige måder. En operatør kan forbedre én indikator, mens en anden bliver sværere. En mærkning, der behandler et anlæg som én samlet score, kan skjule dette forhold. Den bedre tilgang er et lille sæt indikatorer med deres afgrænsninger frem for en konkurrence om at finde det ene tal, der giver færrest akavede spørgsmål.
Udnyttelse ændrer grafens morale
Infrastruktur forbruger energi, mens den venter, såvel som mens den arbejder. Noget kapacitet skal være klar, fordi en tjeneste har krav til latenstid eller robusthed. Noget kapacitet holdes, fordi efterspørgslen er volatil. Noget står uudnyttet, fordi planlægning og indkøb er ufuldkomne, hvilket ikke er et moralsk sammenbrud, men sjældent en grund til at lykønske dashboardet. Allokeringen af dette overhead ændrer ethvert tal pr. anmodning.
Høj udnyttelse er ikke automatisk godt. At presse et kritisk system til permanent mætning kan skade pålideligheden, øge køtider og fjerne det råderum, der er nødvendigt ved fejl. Lav udnyttelse er heller ikke automatisk dårligt. En offentlig varslingstjeneste kan have behov for at være tilgængelig for hændelser, der ikke indtræffer hver eftermiddag, og det skal vi være glade for. Rapporteringsopgaven er at gøre driftsantagelsen synlig. Et tal målt under en fuldt belastet benchmark bør ikke præsenteres som den årlige effekt for en let benyttet tjeneste. Et tal beregnet som gennemsnit over en let benyttet tjeneste bør ikke bruges til at beskrive effektiviteten af en enkelt aktiv anmodning uden at vise fordelingsreglen.
Der er også et spørgsmål om tilbagekobling. Hvis en tjeneste bliver billigere eller lettere at bruge, kan efterspørgslen vokse. En mere effektiv model kan reducere energien pr. opgave og muliggøre mange flere opgaver. Begge udsagn kan være sande. EEA's briefing fra 2026 om AI og bæredygtigt forbrug advarer om, at miljømæssige afvejninger fortsat er vanskelige at vurdere, og opfordrer til flere data og indsigter til at understøtte effektiv styring. Det er ikke et udtryk for håbløshed. Det er en advarsel mod at behandle enhedseffektivitet som en fuldstændig redegørelse for den samlede effekt.
Organisationer bør derfor rapportere to perspektiver, når de kan: intensitet og total. Intensitet kan være energi pr. defineret arbejdsbyrde, pr. vellykket opgave eller pr. serviceniveau. Total kan være årlig elektricitet, oplysninger om facilitetens vandforbrug eller det samlede antal udførte opgaver. De to perspektiver forhindrer to modsatte former for misbrug. Intensitet alene kan fejre en voksende total. Total alene kan straffe en nyttig tjeneste, der bliver mere effektiv, mens efterspørgslen stiger af legitime grunde. Tilsammen beskriver de en sammenhæng, som læseren kan undersøge.
Udtrykket vellykket opgave er vigtigt. Det betyder ikke, at hver anvendelse har ét ubestrideligt resultat. Det betyder, at nævneren bør følge den tilsigtede tjeneste, ikke den letteste tæller. En klassificeringstjeneste kan rapportere fuldførte poster med angivne kvalitetskriterier. En udkastassistent kan have behov for at adskille forslag, der er accepteret, forslag, der er væsentligt ændret, og forslag, der er kasseret. En sikkerhedsfølsom arbejdsgang kan tælle gennemgåede beslutninger frem for genereret tekst. Når nævneren følger opgaven, er energitallet mindre tilbøjeligt til at belønne spildarbejde.
Usikkerhed er en del af etiketten
Miljørapportering behandler til tider usikkerhed som en krise for public relations. Det er bedre at forstå det som en egenskab ved målingen. Instrumenter har tolerancer. Telemetri fordeles. Arbejdsbelastninger svinger. El-faktorer modelleres. Forsyningskæder er ufuldstændige. En værdi kan være nyttig uden at være præcis til sidste watt-time. At lade som om andet er sådan et mærke bliver mindre troværdigt, jo mere poleret det bliver.
Det praktiske svar er at adskille observerede, estimerede og udelukkede værdier. Observeret betyder, at der blev foretaget en måling på et angivet tidspunkt med en angivet metode. Estimeret betyder, at en beregning omdannede observationer eller offentliggjorte faktorer til et svar under angivne forudsætninger. Udelukket betyder, at en relevant effekt ligger uden for den valgte afgrænsning. En rapport kan også angive en følsomhed: for eksempel at resultatet ændrer sig væsentligt med udnyttelsesgrad, kontekstlængde, udstyrets levetid eller netfaktor. Dette gør ikke påstanden svag. Det fortæller læseren, hvor påstanden er stærk, og hvor den fortsat er betinget.
Intervaller er ofte mere ærlige end et stort gennemsnit. En tjenesteudbyder kunne rapportere typiske energibånd for korte, mellemlange og lange arbejdsbelastninger sammen med en defineret testprofil og det driftsområde, der er observeret i produktion. En offentlig køber kunne anmode om en måling for en repræsentativ stikprøve af sit arbejde og en anden, bevidst vanskelig prøve. Et produktteam kunne spore ændringer over tid efter en modelopdatering eller en ny hentningssti. Målet er ikke at oprette en papirnusserafdeling, der måler hvert komma. Målet er at fange de situationer, hvor en tilsyneladende lille ændring ændrer systemets ressourceforbrug eller miljøpåvirkning.
Verifikation betyder også noget. En leverandør bør kunne vise metoden, rå eller aggregerede beviser, der passer til konteksten, versionshistorik og den person eller det team, der er ansvarlig for erklæringen. En køber har ikke brug for ubegrænset adgang til alle operationelle hemmeligheder. Køberen har brug for nok information til at teste, om en påstand overlever en ændring i model, hardware, arbejdsbelastning eller rapporteringsafgrænsning. Uafhængig sikkerhed kan tilføje tillid, hvor beslutningen berettiger det. Det er ikke en erstatning for en læsbar metode.
Europa er fortrolig med dette temperament. Standarder, registre og rapporteringssystemer kan føles pedantiske, indtil et marked har brug for at sammenligne påstande, der var designet til at undgå sammenligning. Så afsløres pedanteriet som en offentlig tjeneste. Den ufærdige del er ikke en fejl i ideen om et AI-energimærke. Det er arbejdet med at beslutte, hvilke beviser der skal følge med tallet.
Hvad Europa er begyndt at opbygge
Den europæiske ramme er allerede mere substantiel end en frivillig samling af bæredygtighedsadjektiver. Det omarbejdede energieffektivitetsdirektiv indførte obligatoriske offentlige rapporteringskrav for datacentre med et strømforbrug over 500 kW. Delegeret forordning (EU) 2024/1364 fastsætter harmoniserede rapporteringselementer og den første fase af en fælles EU-klassificeringsordning. Kommissionens database offentliggør oplysninger om energipræstation og vandfodaftryk, og dens kommende pakke om energieffektivitet for datacentre har til formål at vurdere rapporterede data, indføre en klassificeringsordning og påbegynde arbejdet med minimumsstandarder for ydeevne.
Disse er instrumenter på anlægsniveau. De bør ikke misrepræsenteres som et færdigt mærke for hver AI-model eller hver produktfunktion. Deres værdi er, at de etablerer en offentlig vane: energi- og vandpåstande har brug for et fælles evidensgrundlag, sammenlignelige indikatorer og en vej fra rapportering til vurdering. Kommissionens forberedende undersøgelse beskriver dette eksplicit som en indsats for at forbedre gennemsigtighed og sammenlignelighed, mens den bygger videre på rapporterings- og klassificeringsrammen. Det er præcis den retning, AI-tjenester vil have brug for, selvom rapportering på tjenesteniveau involverer forskellige afgrænsninger og allokeringer.
EEA's seneste arbejde tilføjer en nødvendig advarsel. AI kan understøtte mere bæredygtig praksis, men det kan også forstærke ressourceintensivt forbrug, markedskoncentration og sociale uligheder, hvor styringen er utilstrækkelig. Miljøpåstande kan ikke adskilles fra, hvordan et system ændrer adfærd, indkøb og adgang til infrastruktur. Et mærke kan afsløre ressourceintensitet. Det kan ikke afgøre, om opgaven er værd at udføre. Det forbliver en offentlig, organisatorisk og demokratisk vurdering. Det er en smule ubekvemt, hvilket er en måde at anerkende, at det betyder noget.
Det næste fornuftige skridt er ikke en universel score, der kalder én model dydig og en anden syndig. Det er et lagdelt rapporteringsvokabular. Faciliteter bør rapportere facilitetsindikatorer. Modeludbydere bør rapportere definerede testprofiler og metoder. Tjenesteudbydere bør rapportere repræsentative arbejdsbelastningsbånd, allokeringsregler og ændringer over tid. Købere bør anmode om dokumentation, der er relevant for det arbejde, de planlægger at udføre. Regulatorer og forskere bør kunne studere aggregerede data uden at lade som om, at et gennemsnit fortæller hele historien om et lokalt elnet, et vandopland eller en bestemt tjeneste.
Interoperabilitet er vigtig her. Hvis hver udbyder opfinder en privat definition af en AI-anmodning, bliver en anmodning om dokumentation et gætteleg med et logo. Europa er godt placeret til at samle fælles metoder, fordi det allerede har rapporteringsgrundlaget for datacentre, miljøpolitisk maskineri, forskningsinstitutioner og et marked, der krydser grænser. Metoden skal forblive teknisk troværdig. En standard, der er enkel nok til en præsentation og for vag til en måling, er bare en præsentation med regulatorisk belysning.
Hvad en køber bør bede om nu
At vente på et perfekt mærke er ikke en grund til at acceptere tomme påstande. Købere kan bede om en energiredegørelse, der matcher den beslutning, de står over for. Anmodningen kan være proportionel. Et lavrisiko-tekstbehandlingsværktøj behøver ikke en livscyklusundersøgelse, der ville skræmme en lille by. Et større indkøb, en stor datacenterforpligtelse eller en AI-tjeneste med offentlig skala bør forvente mere dokumentation.
Start med arbejdsbelastningen. Hvad forventes tjenesten at gøre, hvor ofte, med hvilke typiske og vanskelige input, og hvad tæller som et fuldført resultat? Spørg derefter om hardwaren og driftsmiljøet. Er påstanden målt eller estimeret? Hvilken modelversion, softwarekonfiguration og målepunkt er involveret? Hvad er inkluderet i afgrænsningen? Hvordan allokeres delte tjenester, tom kapacitet og modstandsdygtighed? Rapporteres elektricitet og emissioner separat? Hvis emissioner rapporteres, hvilket elnet, lokation, tidsperiode og regnskabsmetode bruges så? Er vand- og livscykluseffekter inkluderet, estimeret eller udelukket?
Det næste spørgsmål er forandring. AI-tjenester ændrer sig hurtigt. Et tal fra en gammel modelversion kan blive en historisk kuriositet efter en routingændring, ny hardware eller et andet sikkerhedslag. Køberen bør spørge, hvornår tallet sidst blev opdateret, hvilke ændringer der udløser genmåling, og hvordan udbyderen vil rapportere en væsentlig ændring. Dette gør en energipåstand fra en engangsbrochurelinje til en driftsforpligtelse. Det forhindrer også den velkendte ordning, hvor den mest omhyggeligt målte version er den version, der stoppede med at blive brugt sidste forår.
Til sidst, spørg hvem der kan udfordre svaret. En udbyder, der ikke kan forklare afgrænsningen, metoden og udelukkelserne, har ikke leveret en sammenlignelig påstand. De har leveret en aspiration med enheder. En udbyder, der kan forklare dem, kan stadig have et højt tal for en krævende opgave. Det kan være acceptabelt, hvis opgaven er berettiget, og afvejningen er forstået. Pointen er ikke at belønne det laveste tal for enhver pris. Pointen er at gøre omkostningen synlig nok til, at en institution kan beslutte ærligt.
Mærket er et styringsværktøj
Et færdigt AI-energimærke bliver ikke en lille farvet firkant, der afslutter debatten. Det bliver en rapporteringsdisciplin, der gør en konkret argumentation mulig. Det forbinder en arbejdsbyrde med en maskine, en afgrænsning, en allokeringsmetode, en elektricitetsmetode, en tidsperiode og en usikkerhedserklæring. Det adskiller energi fra emissioner og facilitetens ydeevne fra tjenestens ydeevne. Det levner plads til vand, livscykluseffekter og lokale forhold uden at lade som om, at alle kunder har brug for samme detaljeniveau.
Det lyder måske mindre glamourøst end at erklære en model bæredygtig. Det er det også. Nyttige ting er som regel det. Et mærke bør gøre det sværere at skjule en for stor arbejdsbyrde bag et elegant chipnummer. Det bør gøre det sværere at bruge et kontraktligt elindkøb som forkortelse for alle lokale miljøeffekter. Det bør gøre det muligt at se, hvornår en lille model reelt er tilstrækkelig, og hvornår dens besparelser blot er flyttet til en anden del af systemet.
Historien her er ikke, at Europa ikke har et svar. Europa er begyndt at opbygge en offentlig rapporteringsbase for den infrastruktur, der bærer AI. Det ufærdige arbejde er at forbinde den base med model- og tjenestebeslutninger uden at udviske forskellene mellem dem. For teams, der bygger AI, betyder det at måle det arbejde, de faktisk beder maskinerne om at udføre. For købere betyder det at kræve en afgrænsning, før de accepterer et tal. For alle andre betyder det at nægte at lade en pæn påstand afgøre et spørgsmål, den aldrig var designet til at besvare.
Gode mærker er ikke der for at få objekter til at se uskyldige ud. De er der for at gøre afvejninger synlige. AI kunne bruge flere af dem.
Mål beslutningen, ikke teatret
Et AI-energimærke kan blive nyttigt, før det bliver obligatorisk. Teams kan starte med en disciplineret intern registrering: tjenesteversionen, de repræsentative arbejdsbyrder, hardwaren, facilitetsafgrænsningen, hvor den er tilgængelig, allokeringsreglen og de kendte undtagelser. Registreringen bør gennemgås, når systemet ændres væsentligt. Den bør være tilgængelig for dem, der træffer produkt-, indkøbs- og infrastrukturbeslutninger. Dette er ikke et løfte om, at enhver organisation kan løse livscyklusregnskab en fredag eftermiddag. Det er en måde at forhindre, at den nemmeste påstand bliver den eneste påstand.
Den registrering forbedrer også ingeniørarbejdet. Når et team måler en reel opgave frem for en abstrakt model, kan det se, om en længere kontekst, et gentagelsesmønster, et søgeindeks eller en sikkerhedsrute udfører nyttigt arbejde. Det kan beslutte, hvor en mindre model er tilstrækkelig, hvor en model af højere kvalitet tjener sin pris, og hvor arbejdsgangen bør pause for et menneske. Resultatet er ikke altid lavere elforbrug. Nogle gange er det ærlige udfald, at en værdifuld tjeneste har en synlig ressourceomkostning. Det er stadig bedre end at skjule omkostningen, indtil en anden er nødt til at forklare den.
Offentlig rapportering tilføjer en yderligere disciplin. Påstande, der påvirker indkøb, finansiering eller tillid, bør overleve et personaleskifte. Metoden bør kunne læses af en person, der ikke har opfundet den. Kildedataene bør have en opbevaringsvej, der står mål med påstanden. Beregningen bør kunne gentages i tilstrækkelig grad til at kunne udfordres. Hvis en udbyder forbedrer en tjeneste, bør det tidligere tal forblive fortolkbart frem for stille og roligt at blive erstattet af et nyere, pænere et. Miljødokumentation har brug for en historik, fordi en modeludgivelse ikke er en amnesti for de udsagn, der var med til at sælge den forrige udgivelse.
Det er her, mærket bliver en lille form for styring. Det forbinder et designvalg med en beslutning og efterlader derefter et spor for den næste person, der skal spørge, om valget stadig holder. Pointen er ikke at gøre enhver ingeniør til en miljørevisor. Pointen er at sikre, at ingen miljørevisor bliver bedt om at rekonstruere et produkt ud fra en slogan.
Der er en umiddelbar praktisk fordel ved denne tilbageholdenhed. Et team, der kan angive sin afgrænsning, kan forbedre den bevidst. Det kan fastholde en baseline, teste en ændring mod samme arbejdsbyrde og registrere, om resultatet ændrede sig, fordi modellen ændrede sig, hardwaren ændrede sig, eller regnskabet ændrede sig. Det gør miljørapportering til en del af almindelig ingeniørvurdering snarere end en årlig øvelse i at opdage, at de nyttige detaljer aldrig blev indsamlet.
Kilder
- Energy performance of data centres, Europa-Kommissionen, tilgået 5. august 2026. Brugt til kontekst om EU's rapporteringsdatabase, energi- og vandoplysninger, vurdering, klassificeringsordning og minimumspræstationsstandarder.
- Minimum performance standards for EU data centres, Europa-Kommissionen, tilgået 5. august 2026. Brugt til kontekst om rapporteringstærsklen på 500 kW, harmoniseret rapportering og politikutvikling.
- Commission Delegated Regulation (EU) 2024/1364, EUR-Lex, tilgået 5. august 2026. Brugt til den første fase af den fælles EU-klassificeringsordning og grundlaget for datacenterrapportering.
- Energy demand from AI, Det Internationale Energiagentur, 2025. Brugt til datacenterkomponenter, komponenternes elandele, usikkerhed og scenarierammer samt skelnen mellem fysisk elektricitet og kontraktlige arrangementer.
- Artificial intelligence and sustainable consumption in Europe, Det Europæiske Miljøagentur, 5. maj 2026. Brugt til advarslen om miljømæssige afvejninger, styring, ressourcekrævende forbrug og behovet for yderligere dokumentation.
- Dweve Core, Dweve, tilgået 5. august 2026. Brugt kun til den begrænsede faktuelle note om, at offentligt produktmateriale beskriver CPU-native udførelse og et udførelsesmiljø, der behandles som en del af systemkontrakten.