論文の概要: Measuring the environmental impact of delivering AI at Google Scale

• arxiv url: http://arxiv.org/abs/2508.15734v1
• Date: Thu, 21 Aug 2025 17:22:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-22 16:26:46.422828
• Title: Measuring the environmental impact of delivering AI at Google Scale
• Title（参考訳）: Google ScaleにおけるAI提供による環境影響の測定
• Authors: Cooper Elsworth, Keguo Huang, David Patterson, Ian Schneider, Robert Sedivy, Savannah Goodman, Ben Townsend, Parthasarathy Ranganathan, Jeff Dean, Amin Vahdat, Ben Gomes, James Manyika,
• Abstract要約: 本稿では、AI推論ワークロードのエネルギー使用量、二酸化炭素排出量、水消費量を測定するための包括的な方法論を提案し、実施する。 Googleのソフトウェア効率向上とクリーンエネルギー調達は、エネルギー消費の33倍の削減と、中央値のGemini Appsテキストプロンプトの44倍の炭素フットプリントの削減を1年以上に及んだ。
• 参考スコア（独自算出の注目度）: 6.044580037086392
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The transformative power of AI is undeniable - but as user adoption accelerates, so does the need to understand and mitigate the environmental impact of AI serving. However, no studies have measured AI serving environmental metrics in a production environment. This paper addresses this gap by proposing and executing a comprehensive methodology for measuring the energy usage, carbon emissions, and water consumption of AI inference workloads in a large-scale, AI production environment. Our approach accounts for the full stack of AI serving infrastructure - including active AI accelerator power, host system energy, idle machine capacity, and data center energy overhead. Through detailed instrumentation of Google's AI infrastructure for serving the Gemini AI assistant, we find the median Gemini Apps text prompt consumes 0.24 Wh of energy - a figure substantially lower than many public estimates. We also show that Google's software efficiency efforts and clean energy procurement have driven a 33x reduction in energy consumption and a 44x reduction in carbon footprint for the median Gemini Apps text prompt over one year. We identify that the median Gemini Apps text prompt uses less energy than watching nine seconds of television (0.24 Wh) and consumes the equivalent of five drops of water (0.26 mL). While these impacts are low compared to other daily activities, reducing the environmental impact of AI serving continues to warrant important attention. Towards this objective, we propose that a comprehensive measurement of AI serving environmental metrics is critical for accurately comparing models, and to properly incentivize efficiency gains across the full AI serving stack.
• Abstract（参考訳）: AIの変革的なパワーは決定不可能だが、ユーザの採用が加速するにつれて、AIサービスによる環境への影響を理解し緩和する必要が生じる。 しかし、生産環境における環境指標を提供するAIを測定する研究は行われていない。 本稿では、大規模なAI生産環境でのAI推論ワークロードのエネルギー使用量、二酸化炭素排出量、水消費量を測定するための包括的な方法論を提案し、実行することによって、このギャップに対処する。 当社のアプローチでは、アクティブなAIアクセラレータパワー、ホストシステムエネルギ、アイドルマシン容量、データセンタエネルギオーバヘッドなど、AIサービスインフラストラクチャの全スタックについて説明しています。 GeminiのAIアシスタントを提供するためのGoogleのAIインフラストラクチャの詳細なインスツルメンテーションを通じて、中央のGemini Appsのテキストは0.24Whのエネルギーを消費する。 また、Googleのソフトウェア効率向上とクリーンエネルギー調達によって、エネルギー消費が33倍、カーボンフットプリントが44倍になったことも示しています。 中央のGemini Appsのテキストは、9秒のテレビ(0.24Wh)より少ないエネルギーを消費し、5滴の水を消費する(0.26mL)。 これらの影響は、他の日常活動と比べて低いが、AIサービスによる環境影響の低減は、引き続き重要な注目を集めている。 この目的に向けて,環境指標を提供するAIの包括的測定は,モデルの比較を正確に行う上で重要であり,全AIサービススタックの効率向上を適切に動機付けることが提案される。

関連論文リスト

• AI and the Net-Zero Journey: Energy Demand, Emissions, and the Potential for Transition [0.0]
  データセンターのエネルギー消費シナリオと温室効果ガス排出量への影響について述べる。 我々は、2035年までにAIがCO2排出量に正、中性、または負の影響を及ぼすかどうかという重大な問題に対処する。
  論文  参考訳（メタデータ） (2025-07-14T19:16:27Z)
• WattsOnAI: Measuring, Analyzing, and Visualizing Energy and Carbon Footprint of AI Workloads [8.545822371190125]
  WattsOnAIは、AIワークロード全体にわたるエネルギー使用、電力引き込み、ハードウェアパフォーマンス、二酸化炭素排出量の測定、分析、可視化のための包括的なソフトウェアツールキットである。 既存のAIフレームワークとシームレスに統合することで、WattsOnAIは標準化されたレポートを提供し、詳細な時系列データをエクスポートする。 WattsOnAIは、研究コミュニティに対して、AIワークロードの生のパフォーマンスとともに環境への影響を評価することを奨励し、より持続可能な"グリーンAI"プラクティスへの移行を進める。
  論文  参考訳（メタデータ） (2025-06-25T15:24:45Z)
• From Efficiency Gains to Rebound Effects: The Problem of Jevons' Paradox in AI's Polarized Environmental Debate [69.05573887799203]
  これらの2次の影響を理解するには、ライフサイクルアセスメントと社会経済分析を組み合わせた学際的アプローチが必要であると論じる。 AIの真の気候フットプリントを誤って表現し、意味のある介入の範囲を制限している、と我々は主張する。
  論文  参考訳（メタデータ） (2025-01-27T22:45:06Z)
• Exploring the sustainable scaling of AI dilemma: A projective study of corporations' AI environmental impacts [0.0]
  企業のAIポートフォリオの環境影響を推定する手法を提案する。 その結果、大規模な生成AIモデルは従来のモデルよりも最大4600倍のエネルギーを消費していることが確認された。 2030年までにジェネレーティブAIの環境影響を緩和するには、AIバリューチェーン全体にわたる協調的な努力が必要である。
  論文  参考訳（メタデータ） (2025-01-24T08:58:49Z)
• On the Opportunities of Green Computing: A Survey [80.21955522431168]
  人工知能(AI)は数十年にわたり、技術と研究において大きな進歩を遂げてきた。 高いコンピューティングパワーの必要性は、より高い二酸化炭素排出量をもたらし、研究の公正性を損なう。 コンピューティングリソースの課題とAIの環境への影響に取り組むため、グリーンコンピューティングはホットな研究トピックとなっている。
  論文  参考訳（メタデータ） (2023-11-01T11:16:41Z)
• Towards Sustainable Artificial Intelligence: An Overview of Environmental Protection Uses and Issues [0.0]
  本稿では,明日の生態学的課題に対応するエネルギー消費技術のパラドックスについて述べる。 これは、ユースケースや具体的な例を示すために、グリーンプレイヤー向けのAIから多くの例を引き合いに出している。 環境の次元は、AIの幅広い倫理的問題の一部であり、長期的にAIの持続可能性を保証するために不可欠である。
  論文  参考訳（メタデータ） (2022-12-22T14:31:48Z)
• Learning, Computing, and Trustworthiness in Intelligent IoT Environments: Performance-Energy Tradeoffs [62.91362897985057]
  Intelligent IoT Environment(iIoTe)は、半自律IoTアプリケーションを協調実行可能な異種デバイスで構成されている。 本稿では,これらの技術の現状を概観し,その機能と性能,特にリソース,レイテンシ,プライバシ,エネルギー消費のトレードオフに注目した。
  論文  参考訳（メタデータ） (2021-10-04T19:41:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。