Dirbtinio intelekto energijos etiketė dar nebaigta
Skaičius ant dėžutės
Energijos etiketė yra pažadas apie palyginimą. Ji pasako pirkėjui, kad du paprastai atrodantys daiktai gali būti pastatyti vienas šalia kito neapsimetant, kad jie yra vienodi. Šaldytuvo etiketė neišsprendžia visų klausimų apie virtuvę, elektros sutartį ar ją naudojančią šeimą. Ji daro ką nors kuklesnio ir naudingesnio. Ji aiškiai nurodo metodą, kategoriją ir rezultatą, kad teiginį būtų galima patikrinti.
Dirbtinis intelektas įgijo daugybę skaičių, bet labai nedaug etikečių. Sakoma, kad viena sistema naudoja mažiau energijos, nes yra mažesnė. Kita, nes atsako greičiau. Dar kita, nes jos lustų specifikacijos yra palankesnės. Tiekėjas gali paskelbti skaičių vienai užklausai, treniravimo eigai, stovui, įrenginiui ar metams. Visi jie gali būti tikslūs savo ribose. Tačiau jų negalima palyginti vien todėl, kad vienetas atsitiktinai yra džauliai, vatai ar anglies dioksido ekvivalento tonos. Skaičius gali būti tikslus ir vis tiek būti prastas atsakymas į klausimą, kurį pirkėjas iš tikrųjų uždavė.
Tai nėra argumentas prieš matavimą. Tai priešingai. Europai reikia daug geresnio matavimo, nes dirbtinis intelektas tampa įprastos infrastruktūros dalimi. Europos Komisija jau renka energijos vartojimo efektyvumo ir vandens pėdsako informaciją iš didelių duomenų centrų pagal Energijos vartojimo efektyvumo direktyvos sistemą. Ji rengia bendrą vertinimo schemą ir darbus, skirtus minimaliems veiklos rezultatų standartams. Tai rimta pradžia. Tačiau tai dar nėra baigtas energijos etiketės modelis dirbtinio intelekto paslaugai, modeliui ar naudojimo atvejui. Riba tarp šių dalykų yra ten, kur slypi didžioji dalis sunkaus darbo.
Todėl naudingas klausimas yra ne tai, ar dirbtinio intelekto sistema yra žalia. Šis būdvardis jau atidirbo per daug nemokamų viršvalandžių. Klausimas yra toks: šiam apibrėžtam darbui, šiomis veiklos sąlygomis, kokie ištekliai buvo naudoti, kokie įrodymai pagrindžia skaičių ir kokie materialūs padariniai lieka už teiginio ribų? Sąžiningas atsakymas leidžia pasiekti lėtesnę, geresnę pažangą. Jis įgalina viešųjų pirkimų pokalbį.
Kodėl vienas dirbtinio intelekto skaičius nepakanka
Elektros energiją suvartoja fizinė įranga, o ne toks žodis kaip intelektas. Tarptautinė energetikos agentūra treniravimą ir diegimą apibūdina kaip veiklą, kuri daugiausia vyksta duomenų centruose. Tuose įrenginiuose yra serveriai, saugyklos, tinklo įranga, aušinimas ir pagalbinė elektros infrastruktūra. Serveris yra svarbus, bet jis nėra visas įrenginys. TEA apskaičiavo, kad serveriai vidutiniškai sudaro apie 60 procentų elektros energijos poreikio šiuolaikiniame duomenų centre, o saugyklos, tinklo įranga, aušinimas ir kita infrastruktūra sudaro likusią dalį proporcijomis, kurios skiriasi priklausomai nuo įrenginio tipo ir dizaino.
Tas skirtumas nėra nepatogumas skaičiavimo pakraštyje. Tai pats skaičiavimas. Aušinimas gali sudaryti nedidelę elektros energijos dalį efektyviame didelio masto įrenginyje ir daug didesnę dalį mažiau efektyvioje įmonės aplinkoje. Darbo krūvis, kuris atrodo puikiai, kai matuojamas lusto lygmeniu, gali atrodyti kitaip, kai įtraukiami tinklas, atmintis, saugykla, tuščiosios eigos pajėgumas ir aušinimas. Įrenginio metrika gali atrodyti puikiai, tuo pat metu nieko nepasakodama apie tai, ar konkretus modelis buvo kviečiamas per dažnai, aptarnavo per didelį kontekstą ar pusę laiko laukė, kol žmogaus procesas pasivys.
Yra bent keturi objektai, kuriuos žmonės turi omenyje klausdami apie dirbtinio intelekto energijos suvartojimą. Jie gali turėti omenyje aparatinę įrangą, modelį, paslaugą ar organizacinę užduotį. Aparatinė įranga klausia apie procesorių, serverį ar stovą esant apibrėžtai apkrovai. Modelis klausia apie treniravimą, tikslųjį derinimą ar išvadų darymą apibrėžtai modelio versijai. Paslauga klausia apie kelią nuo vartotojo veiksmo per paiešką, moderavimą, registravimą, saugyklą ir atsakymą. Užduotis klausia, ar paslauga pakeitė bendrą darbą: pasikartojančias užklausas, žmogaus peržiūrą, perdirbimą, išvengtas keliones, papildomą duomenų judėjimą ir vėlesnius sprendimus. Objektai persidengia. Jie nėra keičiami vienas kitu.
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.
Darbo krūvis yra sąžiningumo vienetas
Žmonės dažnai klausia, kiek energijos sunaudoja viena dirbtinio intelekto užklausa. Klausimas suprantamas, bet paprastai nepakankamai apibrėžtas. Užklausa gali turėti kelis žodžius arba visą knygą. Ji gali iškviesti kompaktišką klasifikavimo modelį arba modelį, kuris apdoroja vaizdus, kalbą, ilgus dokumentus ir kelis įrankius. Ji gali grąžinti vieną etiketę, puslapį teksto arba darbo eigą, kuri kreipiasi į tris kitas sistemas. Ji gali būti aptarnaujama iš įkaitusios mašinos, veikiančios dideliu apkrovimu, arba iš pajėgumų, laikomų parengtų kitai užklausai. Žodis užklausa neša gerokai daugiau bagažo, nei prisipažįsta.
Todėl naudingas matas apibūdina darbo krūvį. Kalbos sistemoms tai gali apimti įvesties ir išvesties žetonus, konteksto ilgį, modelio versiją, paketo dydį, tikslumą, lygiagretumą, talpyklos elgseną ir dekodavimo nustatymus. Vaizdo, garso ar vaizdo įrašų sistemoms tai gali apimti raišką, trukmę, atrankos žingsnius, kodekus ir modelio architektūrą. Paieškos sistemai tai gali apimti indekso dydį ir atnaujinimo elgseną, įterpimo iškvietimus, reitingavimą, dokumentų paiešką ir saugyklą. Sprendimų darbo eigai tai gali apimti iškvietimų skaičių, žmogiškos peržiūros dažnį ir kelią, pasirenkamą, kai sistema susilaiko.
Tai nėra reikalavimas, kad kiekviena svetainė šalia mygtuko spausdintų laboratorinį sąsiuvinį. Tai reikalavimas, kad vieši teiginiai nustotų apsimesti, jog vienas linksmas vidurkis yra universalus darbo krūvis. Tiekėjas gali paskelbti tipinį diapazoną apibrėžtoms naudojimo grupėms. Pirkėjas gali paprašyti bandymo profilio, panašaus į jo paties darbą. Produkto komanda gali atskleisti nedidelį skaičių prasmingų režimų, o ne versti kiekvieną vartotoją tapti energetikos inžinieriumi. Svarbiausia, kad aprašymas leistų vertintojui nustatyti, ar pranešta užduotis panaši į realią.
Darbo krūvio projektavimas taip pat yra vieta, kur efektyvumas tampa produkto sprendimu, o ne aparatinės įrangos pranešimu spaudai. Kontekstas neturėtų būti įkeliamas vien todėl, kad jis prieinamas. Paieška neturėtų perkelti dokumentų vien tam, kad įrodytų, jog gali. Modeliui turėtų būti leista pasakyti, kad užduočiai reikia žmogiško sprendimo, o ne generuoti tris vis brangesnius spėjimus. Sąsajos neturėtų skatinti dešimties beveik vienodų pakartojimų vien todėl, kad pirmasis atsakymas atėjo su drėgno kvito pasitikėjimu. Tai dizaino pasirinkimai. Jie gali sumažinti darbą be nesąžiningo pažado apie sakinio anglies kiekį.
IEA pažymi didelį neapibrėžtumą, susijusį su dabartiniu ir būsimu duomenų centrų elektros suvartojimu, ir naudoja scenarijus įvairiems keliams nagrinėti. Tai naudingas įprotis ir produktų matavimams. Ten, kur pagrįsta, pateikite intervalą. Nurodykite, kas jį keičia. Išskirkite stebėtą testą, įvertinimą, sudarytą iš išmatuotų komponentų, ir prognozę būsimai paklausai. Viena dešimtainė dalis nepašalina neapibrėžtumo. Ji tik suteikia neapibrėžtumui ryškesnį pavidalą.
Techninė įranga nėra išnaša
Energijos skaičiai praranda prasmę, kai atimama techninė įranga. Tas pats modelis gali elgtis skirtingai su skirtingais procesoriais, atminties konfigūracijomis, greitintuvais, tarpusavio jungtimis ir programinės įrangos rinkiniais. Tikslumas svarbus. Partijos dydis svarbus. Išnaudojimas svarbus. IEA apibūdina spartų pagreitintų serverių augimą kaip pagrindinį duomenų centrų elektros paklausos veiksnį ir pažymi, kad komponentų paklausos dalis labai skiriasi tarp duomenų centrų tipų. To pakanka paprastai išvadai: nėra universalios modelio energijos vertės, atsietos nuo mašinos ir veikimo sąlygų, kuriomis jis veikia.
Techninės įrangos ataskaitose todėl turėtų būti įvardyta atitinkama mašinų klasė, įrenginių skaičius, atminties išdėstymas ten, kur tai svarbu, energijos valdymo nustatymai, programinės įrangos versija ir matavimo metodas. Jose turėtų būti nurodyta, ar rezultatas gautas prie sieninio lizdo, skirstomojo skydo paskirstymo bloke, serverio telemetrijoje ar modeliu pagrįstu įvertinimu. Nė vienas iš šių metodų savaime nėra nepatikimas. Tačiau jų klaidų pobūdis skiriasi. Tiesioginis elektros matavimas gali turėti siaurą aprėptį. Telemetriją gali būti lengviau kartoti, tačiau ji gali priklausyti nuo kalibravimo ir paskirstymo prielaidų. Įvertinimas gali tikti planavimui, bet neturėtų apsimesti stebėtu rezultatu.
Bendra infrastruktūra paskirstymą daro ypač sudėtingą. Klasteris gali aptarnauti kelis klientus, laikyti laisvą pajėgumą, vykdyti fonines užduotis ir dalytis saugykla su nesusijusiais darbais. Visą objekto elektros energiją priskirti didžiausią apkrovą turinčiam darbui būtų absurdiška. Priskiriant tik aktyvų greitintuvo laiką, tuščias pajėgumas gali išnykti. Po grindimis neslėpta jokio neutralaus paskirstymo metodo. Yra metodų su aiškiomis taisyklėmis. Rimta ataskaita įvardija paskirstymo metodą, nurodo išnaudojimo laikotarpį ir paaiškina, ar įtrauktos tuščiosios eigos sąnaudos, atsparumo pajėgumas ir bendros paslaugos.
Tas pats atsargumas taikomas lyginant skirtingų dydžių modelius. Mažesnės sistemos dažnai naudingos, nes joms gali reikėti mažiau skaičiavimų tinkamai užduočiai, jos gali veikti daugiau vietų ir gali būti lengviau valdomos pagal žinomą biudžetą. Jos nėra morališkai pranašesnės vien dėl parametrų skaičiaus. Svarbus klausimas, ar sistema atlieka nurodytą užduotį priimtinu kokybės lygiu, su priimtina peržiūros našta, pasirinktoje techninėje įrangoje. Mažas modelis, kuris nukreipia darbą kitur, nebūtinai yra efektyvus. Didelis modelis, naudojamas dviejų eilučių klasifikacijai, nebūtinai yra protingas. Jis tiesiog brangus labai konkrečiu būdu.
„Dweve“ tai laikome įprastu dizaino apribojimu, o ne kampanijos šūkiu. Viešoje produkto medžiagoje aprašomas vykdymas naudojant CPU ir vykdymo aplinka laikoma sistemos sutarties dalimi. Tai naudinga kryptis klientui, kuriam reikia apžiūrėti mašiną ir veikimo ribas. Tai nėra išmatuotas aplinkosauginis teiginys ir neturėtų būti taip suprantamas. Matavimą vis tiek reikia atlikti pagal faktinį darbo krūvį, techninę įrangą ir diegimą. Mažiau reikštų protingą architektūros sprendimą paversti rinkodaros oru.
Anglis nėra elektra su geresniu įvaizdžiu
Elektros suvartojimas ir šiltnamio efektą sukeliančių dujų emisijos yra susiję, bet tai ne tas pats matas. Energijos ataskaita parodo suvartojimą. Anglies ataskaita prideda emisijos koeficientą, taigi ir dar vieną sprendimų rinkinį. Koks elektros energijos derinys naudojamas? Ar teiginys susijęs su fiziniu tinklu suvartojimo vietoje ir metu, sutartiniu pirkimo susitarimu, metiniu rinkos pagrįstu apskaitos metodu ar vidurkiu keliose vietose? Ar įtrauktos techninės įrangos įkūnytos emisijos? O kaip dėl aušinimo vandens, statybų ar tinklo įrangos? Anglies skaičius gali būti vertingas. Jis nesukuriamas pakeitus kilovatvalandes žalesniu šriftu.
TEA išskiria faktiškai suvartotos elektros kuro derinį nuo sutartinių susitarimų. Šis skirtumas turi atsispindėti DI ataskaitose, nes sutartis gali išreikšti svarbų pirkimo pasirinkimą, tuo pat metu pasakodama kitokią istoriją nei energija, prieinama vietos tinklui tą valandą, kai veikė darbo krūvis. Ataskaitoje galima pateikti abu, kai tinka. Nereikėtų jų sujungti taip, kad skaitytojas nebegalėtų atskirti, ar teiginys susijęs su pirkimo priemone, ar su fizine sistema.
Laikas taip pat svarbus. Metinis elektros suderinimas gali užgožti darbo krūvį, kuris nuolat veikia didesnės ribinės gamybos laikotarpiu. Valandinė informacija kai kuriais atvejais gali pagerinti vaizdą, bet reikalauja savo duomenų, metodo ir patikros reikalavimų. Vieta svarbi, nes elektros sistemos skiriasi. Žemyno vidurkis gali būti naudingas bendrai inventorizacijai, bet negali išspręsti vietos planavimo sprendimo. Tinkamas detalumas priklauso nuo sprendimo ir turimų įrodymų. Reikalavimas nėra tobulumas. Reikalavimas yra tai, kad ataskaita nurodo, kokį detalumą naudojo ir kodėl.
Įkūnytas poveikis nusipelno tokio pat santūrumo. Techninės įrangos gamyba turi medžiagų ir emisijų pasekmių. Taip pat ir pastatai, baterijos, atsarginės dalys bei utilizavimas. Gyvavimo ciklo vertinimas gali atskleisti šį poveikį, ypač kai įranga keičiama greitai arba perkama trumpalaikiam projektui. Jis taip pat gali tapti miglos mašina, kai tiekėjas pateikia vieną platų gyvavimo ciklo akcentą be informacijos apie paskirstymą, numatomą tarnavimo laiką, pakartotinį naudojimą ar darbo krūvį, kurį turėtų apibūdinti. Jei gyvavimo ciklo poveikis įtrauktas, metodas ir paskirstymas turi būti matomi. Jei neįtraukti, praleidimas taip pat turi būti matomas.
Vanduo neturi būti pažemintas iki išnašos vien todėl, kad elektrą lengviau pavaizduoti grafike. Komisijos duomenų centrų ataskaitų teikimo darbas aiškiai apima vandens pėdsako informaciją. Aušinimo pasirinkimai gali skirtingai pakeisti vietos vandens poreikį, energijos poreikį ir patikimumo riziką. Operatorius gali pagerinti vieną rodiklį, kartu apsunkindamas kitą. Etiketė, traktuojanti objektą kaip vieną balą, gali paslėpti šį ryšį. Geresnis būdas yra nedidelis rodiklių rinkinys su jų ribomis, o ne varžybos ieškant vieno skaičiaus, kuris sukeltų mažiausiai nepatogių klausimų.
Panaudojimas keičia grafiko moralę
Infrastruktūra sunaudoja energiją ir laukdama, ir dirbdama. Dalis pajėgumų turi būti parengta, nes paslauga turi delsos ar atsparumo reikalavimus. Dalis pajėgumų laikoma, nes paklausa yra nepastovi. Dalis stovi nenaudojama, nes planavimas ir pirkimai yra netobuli, o tai nėra moralinis žlugimas, bet retai yra priežastis pasveikinti valdymo skydelį. Šių pridėtinių sąnaudų paskirstymas keičia bet kokį skaičių, tenkantį vienam prašymui.
Didelis panaudojimas savaime nėra geras. Nuolatinis kritinės sistemos perkrovimas iki soties gali pakenkti patikimumui, padidinti eilių susidarymą ir atimti atsargą, reikalingą gedimų atvejams. Mažas panaudojimas savaime taip pat nėra blogas. Viešoji įspėjimo paslauga gali turėti būti prieinama įvykiams, kurie neįvyksta kiekvieną popietę, ir ačiū Dievui už tai. Ataskaitų teikimo užduotis yra padaryti veiklos prielaidą matomą. Skaičius, išmatuotas per visiškai apkrautą testavimą, neturėtų būti pateikiamas kaip metinis mažai naudojamos paslaugos poveikis. Skaičius, apskaičiuotas kaip vidurkis mažai naudojamoje paslaugoje, neturėtų būti naudojamas apibūdinti atskiro aktyvaus užklausos efektyvumą nenurodant paskirstymo taisyklės.
Taip pat yra atoveiksmio klausimas. Jei paslauga tampa pigesnė ar lengviau naudojama, paklausa gali augti. Efektyvesnis modelis gali sumažinti energijos sąnaudas vienai užduočiai ir įgalinti daug daugiau užduočių. Abu teiginiai gali būti teisingi. EEA 2026 m. informacinis pranešimas apie DI ir tvarų vartojimą įspėja, kad aplinkosauginiai kompromisai lieka sunkiai įvertinami, ir ragina rinkti daugiau duomenų bei įžvalgų veiksmingam valdymui paremti. Tai ne neviltis. Tai įspėjimas nelaikyti vieneto efektyvumo išsamiu viso poveikio aprašymu.
Organizacijos, kai gali, turėtų todėl pateikti dvi perspektyvas: intensyvumą ir bendrą sumą. Intensyvumas gali būti energija vienam apibrėžtam darbo krūviui, vienai sėkmingai užduočiai arba vienam paslaugos lygiui. Bendra suma gali būti metinis elektros suvartojimas, informacija apie įrenginio vandens naudojimą arba bendras aptarnautų užduočių skaičius. Šios dvi perspektyvos užkerta kelią priešingo pobūdžio klaidoms. Vien intensyvumas gali šlovinti augančią bendrą sumą. Vien bendra suma gali nubausti naudingą paslaugą, kuri tampa efektyvesnė, o paklausa auga dėl teisėtų priežasčių. Kartu jos apibūdina ryšį, kurį skaitytojas gali nagrinėti.
Frazė sėkminga užduotis yra svarbi. Ji nereiškia, kad kiekvienas naudojimas turi vieną neabejotiną rezultatą. Ji reiškia, kad vardiklis turėtų atitikti numatytą paslaugą, o ne lengviausią skaitiklį. Klasifikavimo paslauga gali pateikti užbaigtus įrašus su nurodytais kokybės kriterijais. Rašymo asistentas gali turėti atskirti priimtus pasiūlymus, iš esmės pakeistus pasiūlymus ir atmestus pasiūlymus. Saugumui jautrus darbo srautas gali skaičiuoti peržiūrėtus sprendimus, o ne sugeneruotą tekstą. Kai vardiklis atitinka darbą, energijos skaičius mažiau tikėtina, kad atlygins už beprasmį darbą.
Neapibrėžtumas yra etiketės dalis
Environmental reporting sometimes treats uncertainty as a public-relations emergency. It is better understood as a property of the measurement. Instruments have tolerances. Telemetry is allocated. Workloads fluctuate. Electricity factors are modelled. Supply chains are incomplete. A value can be useful without being exact to the last watt-hour. Pretending otherwise is how a label becomes less trustworthy as it becomes more polished.
The practical answer is to separate observed, estimated and excluded values. Observed means a measure was taken at a stated point using a stated method. Estimated means a calculation converted observations or published factors into an answer under stated assumptions. Excluded means a relevant effect lies outside the chosen boundary. A report may also state a sensitivity: for example, that the result changes materially with utilisation, context length, equipment lifetime or grid factor. This does not make the claim weak. It tells the reader where the claim is strong and where it remains conditional.
Ranges are often more honest than a grand average. A service provider could report typical energy bands for short, medium and long workloads, alongside a defined test profile and the operating range observed in production. A public buyer could request a measurement for a representative sample of its work and a second, deliberately difficult sample. A product team could track changes over time after a model update or a new retrieval path. The aim is not to create a paperwork department that measures every comma. The aim is to catch the situations where an apparently small change alters the system’s resource use or environmental exposure.
Verification matters too. A supplier should be able to show the method, raw or aggregated evidence appropriate to the context, version history and the person or team responsible for the statement. A buyer does not need unrestricted access to every operational secret. It does need enough information to test whether a claim survives a change in model, hardware, workload or reporting boundary. Independent assurance can add confidence where the decision warrants it. It is not a substitute for a legible method.
Europe is familiar with this temperament. Standards, registers and reporting systems can feel fussy until a market needs to compare claims that were designed to avoid comparison. Then the fuss is revealed as a public service. The unfinished part is not a defect in the idea of an AI energy label. It is the work of deciding which evidence must travel with the number.
What Europe has begun to build
The European framework is already more substantial than a voluntary collection of sustainability adjectives. The recast Energy Efficiency Directive introduced mandatory public reporting requirements for data centres with a power demand above 500 kW. Delegated Regulation (EU) 2024/1364 sets harmonised reporting elements and the first phase of a common Union rating scheme. The Commission’s database publishes information relevant to energy performance and water footprint, and its forthcoming Data Centre Energy Efficiency Package is intended to assess reported data, introduce a rating scheme and begin work on minimum performance standards.
These are facility-level instruments. They should not be misrepresented as a completed label for every AI model or every product feature. Their value is that they establish a public habit: energy and water claims need a common evidence base, comparable indicators and a route from reporting to assessment. The Commission’s preparatory study describes this explicitly as an effort to improve transparency and comparability while building on the reporting and rating framework. That is exactly the direction AI services will need, though service-level reporting involves different boundaries and allocations.
The EEA’s recent work adds a necessary warning. AI may support more sustainable practices, but it can also reinforce resource-intensive consumption, market concentration and social inequalities where governance is inadequate. Environmental claims cannot be separated from how a system changes behaviour, procurement and access to infrastructure. A label can reveal resource intensity. It cannot decide whether the task is worth doing. That remains a public, organisational and democratic judgement. It is slightly inconvenient, which is one way to recognise that it matters.
The next sensible step is not a universal score that calls one model virtuous and another sinful. It is a layered reporting vocabulary. Facilities should report facility indicators. Model providers should report defined test profiles and methods. Service providers should report representative workload bands, allocation rules and changes over time. Buyers should request evidence relevant to the work they plan to do. Regulators and researchers should be able to study aggregates without pretending that an average tells the whole story of a local grid, a water catchment or a particular service.
Interoperability is important here. If every provider invents a private definition of an AI request, a request for evidence becomes a guessing game with a logo. Europe is well placed to convene common methods because it already has the data-centre reporting base, environmental policy machinery, research institutions and a market that crosses borders. The method must remain technically credible. A standard that is simple enough for a slide and too vague for a measurement is just a slide with regulatory lighting.
What a buyer should ask for now
Waiting for a perfect label is not a reason to accept empty claims. Buyers can ask for an energy statement that matches the decision in front of them. The request can be proportionate. A low-consequence drafting tool does not need a lifecycle study that would frighten a small town. A major procurement, a large data-centre commitment or an AI service with public-scale use should expect more evidence.
Start with the workload. What is the service expected to do, how often, with which typical and difficult inputs, and what counts as a completed result? Then ask for the hardware and operating environment. Is the claim measured or estimated? Which model version, software configuration and measurement point are involved? What is included in the boundary? How are shared services, idle capacity and resilience allocated? Are electricity and emissions reported separately? If emissions are reported, which grid, location, time period and accounting method are used? Are water and lifecycle effects included, estimated or excluded?
The next question is change. AI services change quickly. A number from an old model version may become a historical curiosity after a routing change, new hardware or a different safety layer. The buyer should ask when the figure was last refreshed, which changes trigger remeasurement and how the provider will report a material shift. This turns an energy claim from a one-off brochure line into an operating obligation. It also prevents the familiar arrangement in which the most carefully measured version is the version that stopped being used last spring.
Finally, ask who can challenge the answer. A provider that cannot explain the boundary, method and exclusions has not supplied a comparable claim. It has supplied an aspiration with units. A provider that can explain them may still have a high figure for a demanding task. That can be acceptable if the task is justified and the trade-off is understood. The point is not to reward the lowest number at any cost. The point is to make the cost visible enough that an institution can decide honestly.
The label is a governance tool
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.
Šis santūrumas turi tiesioginę praktinę naudą. Komanda, gebanti įvardyti savo ribas, gali jas sąmoningai tobulinti. Ji gali išlaikyti pradinį lygį, išbandyti pakeitimą su ta pačia darbo krūviu ir užfiksuoti, ar rezultatas pasikeitė dėl modelio, aparatinės įrangos ar apskaitos pokyčių. Taip aplinkosaugos ataskaitų teikimas tampa įprastos inžinerinės vertinimo dalimi, o ne kasmetiniu pratimu, kurio metu paaiškėja, kad naudingi duomenys niekada nebuvo renkami.
Šaltiniai
- Energy performance of data centres, Europos Komisija, žiūrėta 2026 m. rugpjūčio 5 d. Naudota ES ataskaitų teikimo duomenų bazės, energijos ir vandens informacijos, vertinimo, reitingavimo schemos ir minimalių veiklos reikalavimų kontekstui.
- Minimum performance standards for EU data centres, Europos Komisija, žiūrėta 2026 m. rugpjūčio 5 d. Naudota 500 kW ataskaitų teikimo ribai, suderintam ataskaitų teikimui ir politikos kūrimo kontekstui.
- Commission Delegated Regulation (EU) 2024/1364, EUR-Lex, žiūrėta 2026 m. rugpjūčio 5 d. Naudota pirmajam bendros Sąjungos reitingavimo schemos etapui ir duomenų centrų ataskaitų teikimo pagrindui.
- Energy demand from AI, Tarptautinė energetikos agentūra, 2025 m. Naudota duomenų centrų komponentams, komponentų elektros energijos dalims, neapibrėžtumui ir scenarijų apibrėžimui bei fizinės elektros energijos ir sutartinių susitarimų skirtumui.
- Artificial intelligence and sustainable consumption in Europe, Europos aplinkos agentūra, 2026 m. gegužės 5 d. Naudota įspėjimui apie aplinkosauginius kompromisus, valdymą, išteklius imlų vartojimą ir papildomų įrodymų poreikį.
- Dweve Core, Dweve, žiūrėta 2026 m. rugpjūčio 5 d. Naudota tik ribotai faktinei pastabai, kad viešoje produkto medžiagoje aprašomas CPU vietinis vykdymas ir vykdymo aplinka, laikoma sistemos sutarties dalimi.