AI enerģijas etiķete vēl nav pabeigta

AI enerģijas etiķete vēl nav pabeigta

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.

Darba slodze ir godīguma vienība

Cilvēki bieži jautā, cik daudz enerģijas patērē viens mākslīgā intelekta vaicājums. Jautājums ir saprotams, bet parasti nepietiekami precīzs. Vaicājums var saturēt dažus vārdus vai veselu grāmatu. Tas var izmantot kompaktu klasifikācijas modeli vai modeli, kas apstrādā attēlus, runu, garus dokumentus un vairākus rīkus. Tas var atgriezt vienu etiķeti, teksta lapu vai darbplūsmu, kas izsauc trīs citas sistēmas. To var apkalpot no siltas iekārtas ar augstu noslodzi vai no jaudas, kas tiek turēta gatavībā nākamajam pieprasījumam. Vārds vaicājums nes sevī vairāk nozīmes, nekā tas atzīst.

Tāpēc noderīgs mērījums apraksta darba slodzi. Valodas sistēmām tas var ietvert ievades un izvades žetonus, konteksta garumu, modeļa versiju, partijas lielumu, precizitāti, vienlaicīgumu, kešatmiņas uzvedību un dekodēšanas iestatījumus. Attēlu, audio vai video sistēmām tas var ietvert izšķirtspēju, ilgumu, paraugu ņemšanas soļus, kodekus un modeļa arhitektūru. Izguves sistēmai tas var ietvert indeksa lielumu un atsvaidzināšanas uzvedību, iegulšanas izsaukumus, ranžēšanu, dokumentu izguvi un glabāšanu. Lēmumu darbplūsmai tas var ietvert izsaukumu skaitu, cilvēka pārskatīšanas biežumu un izvēlēto ceļu, kad sistēma atturas.

Šī nav prasība, lai katra vietne blakus pogai drukātu laboratorijas piezīmju grāmatiņu. Tā ir prasība, lai publiski apgalvojumi pārstātu izlikties, ka viens jautrs vidējais rādītājs ir universāla darba slodze. Piegādātājs var publicēt tipisku diapazonu noteiktām lietojuma grupām. Pircējs var pieprasīt testa profilu, kas līdzinās tā paša darbam. Produkta komanda var atklāt nelielu skaitu jēgpilnu režīmu, nevis likt katram lietotājam kļūt par energosistēmu inženieri. Būtiskākais ir tas, ka apraksts ļauj recenzentam noteikt, vai ziņotais uzdevums līdzinās reālajam.

Darba slodzes izstrāde ir arī vieta, kur efektivitāte kļūst par produkta lēmumu, nevis aparatūras preses relīzi. Kontekstu nevajadzētu ielādēt tikai tāpēc, ka tas ir pieejams. Izguvei nevajadzētu pārvietot dokumentus tikai tāpēc, lai pierādītu, ka tā to spēj. Modelim vajadzētu ļaut pateikt, ka uzdevumam nepieciešams cilvēka spriedums, nevis radīt trīs arvien dārgākus minējumus. Saskarnēm nevajadzētu mudināt uz desmit gandrīz identiskiem atkārtotiem mēģinājumiem tikai tāpēc, ka pirmā atbilde nāca ar mitras kvīts pārliecību. Tie ir dizaina lēmumi. Tie var samazināt darbu, nedodot negodīgu solījumu par teikuma oglekļa saturu.

IEA atzīmē būtisku nenoteiktību pašreizējā un turpmākā datu centru elektroenerģijas patēriņā un izmanto scenārijus, lai izpētītu dažādus ceļus. Tas ir noderīgs ieradums arī produktu mērījumos. Norādiet diapazonu tur, kur diapazons ir pamatots. Nosakiet, kas to maina. Saglabājiet atšķirību starp novērotu testu, aplēsi, kas veidota no izmērītām sastāvdaļām, un prognozi turpmākajam pieprasījumam. Viena zīme aiz komata nenovērš nenoteiktību. Tā tikai piešķir nenoteiktībai kārtīgāku piegriezumu.

Aparatūra nav zemsvītras piezīme

Enerģijas rādītāji slikti ceļo, ja no tiem izņem aparatūru. Tas pats modelis var darboties atšķirīgi uz dažādiem procesoriem, atmiņas konfigurācijām, paātrinātājiem, starpsavienojumiem un programmatūras kopām. Precizitātei ir nozīme. Partijas lielumam ir nozīme. Noslodzei ir nozīme. IEA raksturo paātrināto serveru straujo izplatību kā galveno datu centru elektroenerģijas pieprasījuma noteicēju un norāda, ka komponentu pieprasījuma īpatsvars ievērojami atšķiras starp datu centru veidiem. Ar to pietiek, lai izteiktu vienkāršu domu: modelim, kas atrauts no iekārtas un darbības apstākļiem, kuros tas tiek palaists, nav universālas enerģijas vērtības.

Aparatūras ziņošanā tāpēc būtu jānosauc attiecīgā iekārtu klase, ierīču skaits, atmiņas izkārtojums, ja tas ir būtisks, enerģijas pārvaldības iestatījumi, programmatūras versija un mērīšanas metode. Jānorāda, vai rezultāts iegūts pie sienas kontaktligzdas, plaukta strāvas sadales bloka, servera telemetrijas vai modeļa aplēses. Neviena no šīm metodēm pati par sevi nav apšaubāma. Tām nav vienādas kļūdu pazīmes. Tiešam elektriskajam mērījumam var būt šaura robeža. Telemetriju var būt vieglāk vākt atkārtoti, taču tā var būt atkarīga no kalibrēšanas un sadales pieņēmumiem. Aplēse var būt piemērota plānošanai, taču tai nevajadzētu tērpties novērota rezultāta kostīmā.

Koplietota infrastruktūra sadali padara īpaši sarežģītu. Klasteris var apkalpot vairākus klientus, turēt rezerves jaudu, izpildīt fona darbus un dalīt krātuvi ar nesaistītu darbu. Visas objekta elektroenerģijas attiecināšana uz noslogotāko darba slodzi būtu absurda. Attiecinot tikai aktīvo paātrinātāja laiku, dīkstāves jauda var pazust. Zem grīdas dēļiem nav paslēpta neitrāla sadales metode. Ir metodes ar noteiktiem noteikumiem. Nopietnā ziņojumā tiek nosaukta sadales metode, norādīts noslodzes periods un paskaidrots, vai ir iekļautas dīkstāves pieskaitāmās izmaksas, noturības jauda un koplietotie pakalpojumi.

Tāda pati piesardzība attiecas uz salīdzinājumiem starp modeļu izmēriem. Mazākas sistēmas bieži ir noderīgas, jo tām var būt nepieciešams mazāk skaitļošanas resursu piemērotam uzdevumam, tās var darboties vairākās vietās un var būt vieglāk pārvaldāmas zināma budžeta ietvaros. Tās nav morāli pārākas tikai pēc parametru skaita. Būtiskais jautājums ir, vai sistēma izpilda noteikto uzdevumu pieņemamā kvalitātes līmenī, ar pieņemamu pārskatīšanas slogu uz izvēlētās aparatūras. Niecīgs modelis, kas darbu novirza citur, ne vienmēr ir efektīvs. Milzīgs modelis, ko izmanto divu rindiņu klasifikācijai, ne vienmēr ir gudrs. Tas vienkārši ir dārgs ļoti īpašā veidā.

Uzņēmumā Dweve mēs to uztveram kā parastu dizaina ierobežojumu, nevis kampaņas saukli. Publiskajā produkta materiālā ir aprakstīta CPU-native izpilde, un izpildes vide tiek uzskatīta par daļu no sistēmas līguma. Tas ir noderīgs virziens klientam, kuram jāpārbauda iekārta un darbības robeža. Tas nav izmērīts vides apgalvojums, un to nevajadzētu tā uztvert. Mērījums joprojām ir jāveic faktiskajai darba slodzei, aparatūrai un izvietojumam. Jebkas mazāks pārvērstu saprātīgu arhitektūras izvēli mārketinga laikapstākļos.

Ogleklis nav elektroenerģija ar labāku zīmolu

Elektroenerģijas patēriņš un siltumnīcefekta gāzu emisijas ir saistīti, taču tie nav viens un tas pats mērījums. Enerģijas pārskats ziņo par patēriņu. Oglekļa pārskats pievieno emisijas faktoru un līdz ar to vēl vienu lēmumu kopumu. Kurš elektroenerģijas maisījums tiek izmantots? Vai apgalvojums attiecas uz fizisko tīklu patēriņa vietā un laikā, uz līgumisku iepirkuma kārtību, uz gada tirgus vērtēšanas metodi vai uz vidējo rādītāju vairākās vietās? Vai ir iekļautas aparatūras iemiesotās emisijas? Bet dzesēšanas ūdens, būvniecība vai tīkla iekārtas? Oglekļa skaitlis var būt vērtīgs. To nerada, aizstājot kilovatstundas ar zaļāku burtveidolu.

IEA nošķir fiziski patērētās elektroenerģijas kurināmā maisījumu no līgumiskām vienošanās. Šī nošķirība ir jāievēro AI pārskatos, jo līgums var atspoguļot svarīgu iepirkuma izvēli, vienlaikus stāstot citu stāstu nekā vietējam tīklam pieejamā jauda tajā stundā, kad slodze tika izpildīta. Pārskatā var atspoguļot abus, ja tas ir atbilstoši. Tos nedrīkst sapludināt tiktāl, ka lasītājs vairs nevar noteikt, vai apgalvojums attiecas uz iepirkuma instrumentu vai fizisko sistēmu.

Nozīme ir arī laikam. Gada elektroenerģijas saskaņošana var aizēnot slodzi, kas konsekventi darbojas periodā ar augstāku robežražošanu. Stundas informācija dažos gadījumos var uzlabot ainu, taču tā rada savas datu, metodes un pārbaudes prasības. Vietai ir nozīme, jo elektroenerģijas sistēmas atšķiras. Kontinentālais vidējais rādītājs var būt noderīgs augsta līmeņa inventarizācijai, taču tas nevar atrisināt vietējo plānošanas lēmumu. Atbilstošais detalizācijas līmenis ir atkarīgs no lēmuma un pieejamajiem pierādījumiem. Prasība nav pilnība. Tā ir tāda, ka pārskatā ir norādīts, kāds detalizācijas līmenis izmantots un kāpēc.

Iemiesotās ietekmes ir pelnījušas tādu pašu atturību. Aparatūras ražošanai ir materiālu un emisiju sekas. Tāpat arī ēkām, akumulatoriem, rezerves daļām un utilizācijai. Dzīves cikla novērtējums var atklāt šīs sekas, īpaši tad, kad aparatūras nomaiņa ir strauja vai iekārtas tiek iegādātas īslaicīgam projektam. Tas var kļūt arī par miglas mašīnu, ja pakalpojumu sniedzējs sniedz vienu plašu dzīves cikla virsrakstu bez informācijas par sadalījumu, paredzamo kalpošanas laiku, atkārtotu izmantošanu vai slodzi, kuru tas paredzēts aprakstīt. Ja dzīves cikla ietekme ir iekļauta, metode un sadalījums ir jānorāda. Ja tā nav iekļauta, arī izlaidums ir jānorāda.

Ūdeni nedrīkst pazemināt līdz zemsvītras piezīmei tikai tāpēc, ka elektroenerģiju ir vieglāk attēlot grafikā. Komisijas datu centru pārskatu sniegšanas darbs skaidri ietver ūdens pēdas nospieduma informāciju. Dzesēšanas izvēles var dažādos veidos mainīt vietējo ūdens pieprasījumu, enerģijas pieprasījumu un uzticamības risku. Operators var uzlabot vienu rādītāju, vienlaikus apgrūtinot citu. Marķējums, kas objektu uztver kā vienu punktu, var noslēpt šo saistību. Labāka pieeja ir neliels rādītāju kopums ar to robežām, nevis sacensība, lai atrastu vienu skaitli, kas rada vismazāk neērtu jautājumu.

Izmantojums maina grafika vēstījumu

Infrastruktūra patērē enerģiju gan gaidot, gan strādājot. Daļa jaudas ir jātur gatavībā, jo pakalpojumam ir latentuma vai noturības prasības. Daļa jaudas tiek turēta, jo pieprasījums ir svārstīgs. Daļa stāv dīkstāvē, jo plānošana un iepirkums ir nepilnīgi, kas nav morāls sabrukums, bet reti ir iemesls apsveikt informācijas paneli. Šo pieskaitāmo izmaksu sadalījums maina jebkuru skaitli uz pieprasījumu.

Liela noslodze pati par sevi nav laba. Kritiskas sistēmas pastāvīga piesātināšana var kaitēt uzticamībai, palielināt rindu veidošanos un atņemt rezervi, kas nepieciešama atteices gadījumā. Arī zema noslodze pati par sevi nav slikta. Sabiedrības brīdinājumu dienestam var būt jābūt pieejamam notikumiem, kas nenotiek katru pēcpusdienu, un par to ir jāpateicas. Ziņošanas uzdevums ir padarīt darbības pieņēmumu redzamu. Skaitlis, kas izmērīts pilnībā noslogotā etalonpārbaudē, nedrīkst tikt pasniegts kā viegli noslogota pakalpojuma gada ietekme. Skaitlis, kas aprēķināts kā vidējais viegli noslogotā pakalpojumā, nedrīkst tikt izmantots, lai aprakstītu atsevišķa aktīva pieprasījuma efektivitāti, nenorādot sadales noteikumu.

Pastāv arī atsitiena jautājums. Ja pakalpojums kļūst lētāks vai vieglāk lietojams, pieprasījums var pieaugt. Efektīvāks modelis var samazināt enerģiju uz uzdevumu un ļaut veikt daudz vairāk uzdevumu. Abi apgalvojumi var būt patiesi. EEA 2026. gada informatīvais dokuments par mākslīgo intelektu un ilgtspējīgu patēriņu brīdina, ka vides kompromisus joprojām ir grūti novērtēt, un aicina iegūt vairāk datu un atziņu, lai atbalstītu efektīvu pārvaldību. Tas nav izmisuma aicinājums. Tas ir brīdinājums neuzskatīt vienības efektivitāti par pilnīgu kopējās ietekmes aprakstu.

Organizācijām tāpēc, kad iespējams, būtu jāsniedz divi skatījumi: intensitāte un kopējais apjoms. Intensitāte var būt enerģija uz definētu darba slodzi, uz veiksmīgu uzdevumu vai uz pakalpojuma līmeni. Kopējais apjoms var būt gada elektroenerģija, informācija par objekta ūdens patēriņu vai kopējais apkalpoto uzdevumu skaits. Šie divi skatījumi novērš pretēja veida ļaunprātību. Intensitāte vien var slavināt pieaugošu kopējo apjomu. Kopējais apjoms vien var sodīt noderīgu pakalpojumu, kas kļūst efektīvāks, kamēr pieprasījums pieaug leģitīmu iemeslu dēļ. Kopā tie apraksta attiecības, kuras lasītājs var izvērtēt.

Frāzei veiksmīgs uzdevums ir nozīme. Tas nenozīmē, ka katram lietojumam ir viens neapšaubāms rezultāts. Tas nozīmē, ka saucējam būtu jāatbilst paredzētajam pakalpojumam, nevis vieglākajam skaitītājam. Klasifikācijas pakalpojums var ziņot par pabeigtiem ierakstiem ar norādītiem kvalitātes kritērijiem. Rakstīšanas palīgs var būt jāsadala pieņemtie ieteikumi, būtiski mainītie ieteikumi un noraidītie ieteikumi. Drošībai jutīga darbplūsma var skaitīt pārskatītus lēmumus, nevis ģenerētu tekstu. Kad saucējs atbilst darbam, enerģijas rādītājs mazāk atalgo tukšu darbošanos.

Nenoteiktība ir daļa no marķējuma

Vides ziņošanā nenoteiktība dažkārt tiek uztverta kā sabiedrisko attiecību ārkārtas situācija. Taču to labāk saprast kā paša mērījuma īpašību. Mērinstrumentiem ir pielaides. Telemetrija tiek sadalīta. Darba slodzes svārstās. Elektroenerģijas koeficienti tiek modelēti. Piegādes ķēdes ir nepilnīgas. Vērtība var būt noderīga arī tad, ja tā nav precīza līdz pēdējai vatstundai. Izliekoties pretēji, etiķete kļūst mazāk uzticama tieši tad, kad tā kļūst gludāka.

Praktiskais risinājums ir nošķirt novērotās, aprēķinātās un izslēgtās vērtības. Novērots nozīmē, ka mērījums veikts noteiktā punktā ar noteiktu metodi. Aprēķināts nozīmē, ka aprēķins pārveidoja novērojumus vai publicētus koeficientus atbildē saskaņā ar norādītajiem pieņēmumiem. Izslēgts nozīmē, ka būtiska ietekme paliek ārpus izvēlētās robežas. Ziņojumā var norādīt arī jutīgumu: piemēram, ka rezultāts būtiski mainās atkarībā no izmantošanas intensitātes, konteksta garuma, iekārtu kalpošanas laika vai tīkla koeficienta. Tas nepadara apgalvojumu vāju. Tas lasītājam parāda, kur apgalvojums ir stingrs un kur tas paliek nosacīts.

Diapazoni bieži ir godīgāki nekā viens liels vidējais rādītājs. Pakalpojumu sniedzējs varētu norādīt tipiskus enerģijas diapazonus īsām, vidējām un garām darba slodzēm, kopā ar definētu testa profilu un ražošanā novēroto darbības diapazonu. Publisks pircējs varētu pieprasīt mērījumu reprezentatīvai sava darba izlasei un otru, apzināti sarežģītu izlasi. Produkta komanda varētu izsekot izmaiņām laika gaitā pēc modeļa atjauninājuma vai jauna izguves ceļa. Mērķis nav izveidot dokumentācijas nodaļu, kas mēra katru komatu. Mērķis ir pamanīt situācijas, kurās šķietami neliela izmaiņa maina sistēmas resursu patēriņu vai ietekmi uz vidi.

Svarīga ir arī pārbaude. Piegādātājam būtu jāspēj uzrādīt metode, kontekstam atbilstoši neapstrādāti vai apkopoti pierādījumi, versiju vēsture un persona vai komanda, kas atbild par apgalvojumu. Pircējam nav vajadzīga neierobežota piekļuve visiem operacionālajiem noslēpumiem. Tam ir vajadzīga pietiekama informācija, lai pārbaudītu, vai apgalvojums saglabājas, mainoties modelim, aparatūrai, darba slodzei vai ziņošanas robežai. Neatkarīga apliecināšana var palielināt uzticību tur, kur lēmums to attaisno. Tā neaizstāj saprotamu metodi.

Eiropai šāda pieeja ir pazīstama. Standarti, reģistri un ziņošanas sistēmas var šķist apgrūtinošas, līdz tirgum jāsalīdzina apgalvojumi, kas veidoti tā, lai izvairītos no salīdzināšanas. Tad šī apgrūtinātība atklājas kā sabiedrisks pakalpojums. Nepabeigtā daļa nav defekts pašā mākslīgā intelekta enerģijas etiķetes idejā. Tā ir darbs pie tā, lai izlemtu, kādiem pierādījumiem jāceļo kopā ar skaitli.

Ko Eiropa jau sāk veidot

Eiropas sistēma jau ir daudz būtiskāka nekā brīvprātīga ilgtspējas apzīmējumu kolekcija. Pārstrādātā Energoefektivitātes direktīva ieviesa obligātas publiskas ziņošanas prasības datu centriem, kuru jaudas patēriņš pārsniedz 500 kW. Deleģētā regula (ES) 2024/1364 nosaka saskaņotus ziņošanas elementus un pirmo kopējās Savienības novērtēšanas shēmas posmu. Komisijas datubāze publicē informāciju par energoefektivitāti un ūdens nospiedumu, un tās gaidāmā Datu centru energoefektivitātes pakete ir paredzēta, lai novērtētu ziņotos datus, ieviestu novērtēšanas shēmu un sāktu darbu pie minimālajiem veiktspējas standartiem.

Šie ir objektu līmeņa instrumenti. Tos nevajadzētu nepareizi atspoguļot kā pabeigtu etiķeti katram mākslīgā intelekta modelim vai katram produkta līdzeklim. To vērtība ir tāda, ka tie ievieš publisku praksi: enerģijas un ūdens apgalvojumiem ir nepieciešama kopīga pierādījumu bāze, salīdzināmi rādītāji un ceļš no ziņošanas līdz novērtēšanai. Komisijas sagatavošanas pētījums to skaidri raksturo kā centienus uzlabot pārredzamību un salīdzināmību, vienlaikus balstoties uz ziņošanas un novērtēšanas sistēmu. Tas ir tieši tas virziens, kāds būs vajadzīgs mākslīgā intelekta pakalpojumiem, lai gan pakalpojumu līmeņa ziņošana ietver citas robežas un sadalījumus.

EEA nesenais darbs pievieno nepieciešamu brīdinājumu. Mākslīgais intelekts var atbalstīt ilgtspējīgāku praksi, bet tas var arī pastiprināt resursietilpīgu patēriņu, tirgus koncentrāciju un sociālo nevienlīdzību, ja pārvaldība ir nepietiekama. Vides apgalvojumus nevar nošķirt no tā, kā sistēma maina uzvedību, iepirkumu un piekļuvi infrastruktūrai. Etiķete var atklāt resursu intensitāti. Tā nevar izlemt, vai uzdevums ir tā vērts. Tas paliek publisks, organizatorisks un demokrātisks spriedums. Tas ir nedaudz neērti, kas ir viens no veidiem, kā atpazīt, ka tam ir nozīme.

Nākamais saprātīgais solis nav universāls rādītājs, kas vienu modeli dēvē par tikumīgu un citu par grēcīgu. Tas ir daudzslāņains ziņošanas vārdu krājums. Iestādēm būtu jāziņo par iestādes rādītājiem. Modeļu sniedzējiem būtu jāziņo par noteiktiem testa profiliem un metodēm. Pakalpojumu sniedzējiem būtu jāziņo par reprezentatīvām darba slodzes grupām, sadales noteikumiem un izmaiņām laika gaitā. Pircējiem būtu jāpieprasa pierādījumi, kas attiecas uz darbu, ko viņi plāno veikt. Regulatoriem un pētniekiem būtu jāspēj pētīt apkopotos datus, neizliekoties, ka vidējais rādītājs stāsta visu stāstu par vietējo tīklu, ūdens sateces baseinu vai konkrētu pakalpojumu.

Sadarbspēja šeit ir svarīga. Ja katrs sniedzējs izgudro savu privāto mākslīgā intelekta pieprasījuma definīciju, pierādījumu pieprasījums kļūst par minēšanas spēli ar logotipu. Eiropa ir labā situācijā, lai sasauktu kopīgas metodes, jo tai jau ir datu centru ziņošanas bāze, vides politikas mehānismi, pētniecības iestādes un tirgus, kas šķērso robežas. Metodei jāpaliek tehniski ticamai. Standarts, kas ir pietiekami vienkāršs slaidam un pārāk neskaidrs mērījumam, ir tikai slaids ar regulatīvu apgaismojumu.

Ko pircējam būtu jāpieprasa tagad

Gaidīšana uz perfektu etiķeti nav iemesls pieņemt tukšus apgalvojumus. Pircēji var pieprasīt enerģijas paziņojumu, kas atbilst lēmumam, kas viņiem ir priekšā. Pieprasījums var būt samērīgs. Zemas ietekmes dokumentu sagatavošanas rīkam nav nepieciešams dzīves cikla pētījums, kas nobiedētu mazu pilsētiņu. Lielam iepirkumam, lielai datu centra saistībai vai mākslīgā intelekta pakalpojumam ar publiska mēroga izmantošanu būtu jāsagaida vairāk pierādījumu.

Sāciet ar darba slodzi. Ko pakalpojumam vajadzētu darīt, cik bieži, ar kādiem tipiskiem un sarežģītiem ievades datiem, un kas tiek uzskatīts par pabeigtu rezultātu? Pēc tam jautājiet par aparatūru un darbības vidi. Vai apgalvojums ir mērīts vai aprēķināts? Kura modeļa versija, programmatūras konfigurācija un mērījuma punkts ir iesaistīti? Kas ir iekļauts robežās? Kā tiek sadalīti koplietojamie pakalpojumi, dīkstāves jauda un noturība? Vai elektrība un emisijas tiek ziņotas atsevišķi? Ja emisijas tiek ziņotas, kurš tīkls, atrašanās vieta, laika periods un uzskaites metode tiek izmantota? Vai ūdens un dzīves cikla ietekme ir iekļauta, aprēķināta vai izslēgta?

Nākamais jautājums ir izmaiņas. Mākslīgā intelekta pakalpojumi mainās ātri. Skaitlis no vecas modeļa versijas var kļūt par vēsturisku kuriozu pēc maršrutēšanas izmaiņām, jaunas aparatūras vai cita drošības slāņa. Pircējam būtu jājautā, kad skaitlis pēdējo reizi tika atjaunināts, kuras izmaiņas izraisa atkārtotu mērīšanu un kā sniedzējs ziņos par būtisku novirzi. Tas pārvērš enerģijas apgalvojumu no vienreizējas brošūras rindas par darbības saistību. Tas arī novērš pazīstamo kārtību, kurā visrūpīgāk izmērītā versija ir versija, ko pārtrauca lietot pagājušajā pavasarī.

Visbeidzot, jautājiet, kurš var apstrīdēt atbildi. Sniedzējs, kurš nevar izskaidrot robežas, metodi un izslēgumus, nav sniedzis salīdzināmu apgalvojumu. Tas ir sniedzis vēlmi ar mērvienībām. Sniedzējs, kurš tos var izskaidrot, joprojām var uzrādīt augstu skaitli prasīgam uzdevumam. Tas var būt pieņemami, ja uzdevums ir pamatots un kompromiss ir saprasts. Mērķis nav apbalvot zemāko skaitli par katru cenu. Mērķis ir padarīt izmaksas pietiekami redzamas, lai iestāde varētu izlemt godīgi.

Etiķete ir pārvaldības rīks

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.

Šai atturībai ir tūlītējs praktisks ieguvums. Komanda, kas spēj noteikt savu robežu, var to apzināti uzlabot. Tā var saglabāt bāzes līmeni, pārbaudīt izmaiņas pret to pašu darba slodzi un reģistrēt, vai rezultāts mainījās tāpēc, ka mainījās modelis, aparatūra vai uzskaites kārtība. Tas padara vides atskaites par daļu no ierastā inženiertehniskā sprieduma, nevis par ikgadēju vingrinājumu, kurā atklājas, ka noderīgās detaļas nekad netika apkopotas.

Avoti

• Energy performance of data centres, Eiropas Komisija, skatīts 2026. gada 5. augustā. Izmantots ES ziņošanas datubāzes, enerģijas un ūdens informācijas, novērtējuma, vērtēšanas shēmas un minimālo veiktspējas standartu kontekstam.
• Minimum performance standards for EU data centres, Eiropas Komisija, skatīts 2026. gada 5. augustā. Izmantots 500 kW ziņošanas sliekšņa, saskaņotas ziņošanas un politikas izstrādes kontekstam.
• Commission Delegated Regulation (EU) 2024/1364, EUR-Lex, skatīts 2026. gada 5. augustā. Izmantots kopējās Savienības vērtēšanas shēmas pirmajai fāzei un datu centru ziņošanas pamatam.
• Energy demand from AI, Starptautiskā Enerģētikas aģentūra, 2025. Izmantots datu centru komponentiem, komponentu elektroenerģijas īpatsvaram, nenoteiktībai un scenāriju ietvaram, kā arī fiziskās elektroenerģijas un līgumisko vienošanos atšķirībai.
• Artificial intelligence and sustainable consumption in Europe, Eiropas Vides aģentūra, 2026. gada 5. maijs. Izmantots brīdinājumam par vides kompromisiem, pārvaldību, resursietilpīgu patēriņu un nepieciešamību pēc papildu pierādījumiem.
• Dweve Core, Dweve, skatīts 2026. gada 5. augustā. Izmantots tikai ierobežotai faktiskai piezīmei, ka publiskie produkta materiāli apraksta CPU-vietējo izpildi un izpildes vidi, kas tiek uzskatīta par daļu no sistēmas līguma.