Emise při trénování modelů
Trénování velkých jazykových modelů (LLM) vyžaduje tisíce GPU běžících nepřetržitě po dobu několika měsíců. Tento proces generuje stovky tun CO2e (ekvivalentu oxidu uhličitého). Klíčovým faktorem je energetický mix regionu, kde se výpočetní cluster nachází.
- ▪ Lokalita s uhelnou energetikou zvyšuje stopu až 10x.
- ▪ Optimalizace algoritmů může snížit náročnost o 30-50%.
- ▪ Využití specializovaných čipů (TPU) je efektivnější než obecná GPU.