Yksi tekoälykysely kuluttaa sähköä kuin kaksi puhelinlatausta

Päättelymalli kuluttaa sähköä kuin television katsominen

Kun käyttäjä esittää monimutkaisen kysymyksen tekoälyn päättelymallille, vastauksen tuottaminen kuluttaa noin 33 wattituntia sähköä. Se vastaa kahden älypuhelimen täyttä latausta tai 65-tuumaisen television katselua noin 20 minuutin ajan. Tavallinen tekoälykysely kuluttaa vain 0,42 wattituntia.

Ero käy ilmi University of Rhode Islandin ja Providence Collegen tutkijoiden tuoreesta tutkimuksesta, jossa vertailtiin 30 tekoälymallin energiankulutusta, vedenkulutusta ja hiilijalanjälkeä. Päättelymallit kuten DeepSeek-R1 ja OpenAI:n o3 kuluttavat jopa 79 kertaa enemmän sähköä kuin tavallinen tekoälykysely.

Luvut konkretisoituvat, kun niitä skaalataan. Jo GPT-4o:n lyhyiden kyselyiden energiankulutus kasvaa 700 miljoonan päivittäisen kyselyn vauhdilla vuositasolla määrään, joka vastaa 35 000 yhdysvaltalaisen kotitalouden sähkönkulutusta. Päättelymallien kohdalla kertaluokka on aivan toinen.

Miksi päättelymallit ovat energiasyöppöjä

Päättelymallit tuottavat niin kutsuttuja ajatusketjuja ennen varsinaista vastausta. Malli pilkkoo ongelman osiin ja käy läpi välivaiheita ennen ratkaisun muodostamista. Prosessi tuottaa keskimäärin 4,4-kertaisen määrän tekstiä tavalliseen malliin verrattuna, ja äärimmäisissä tapauksissa ero kasvaa jopa 46-kertaiseksi.

Jokainen tuotettu sana vaatii laskentaa ja laskenta vaatii sähköä. Harvardin yliopiston tutkijat osoittivat erillisessä tutkimuksessa, että pienen 1,5 miljardin parametrin mallin päättelytila kulutti matematiikkatehtävässä 135 wattituntia kyselyä kohden. Päättely paransi pienemmän mallin tarkkuutta 34 prosenttia, kun pelkkä mallin koon kasvattaminen toi vain 4,8 prosentin parannuksen. Tehokas päättely siis vaatii energiaa, mutta se tuottaa tuloksia, joihin pelkkä mallin suurentaminen ei yllä.

Sama malli, eri palvelin – valtava ero

Tutkimuksen yllättävin havainto liittyy infrastruktuuriin. DeepSeek-R1 kulutti omilla palvelimillaan 29 wattituntia per pitkä kysely, mutta Microsoftin Azure-palvelimilla vain 7,4 wattituntia. Ero on 70 prosenttia, ja se johtuu palvelinten energiatehokkuudesta, jäähdytysjärjestelmistä ja laskennan optimoinnista.

Tekoälyn ympäristövaikutuksia ei siis määritä pelkästään mallin koko tai arkkitehtuuri. Palvelinkeskusten tehokkuus ratkaisee merkittävän osan kokonaiskulutuksesta, ja jo eräajon koon optimointi voi tuoda 43–45 prosentin parannuksen energiatehokkuuteen. Käytännössä tekoälypalvelun tarjoaja voi pienentää ympäristöjalanjälkeään merkittävästi pelkästään vaihtamalla infrastruktuuritoimittajaa.

Pienet erikoismallit kuluttavat murto-osan

Ratkaisuja energiaongelmaan on jo olemassa. Tutkimuksen tehokkain malli, kahdeksan miljardin parametrin LLaMA, kulutti lyhyessä kyselyssä vain 0,052 wattituntia – yli 600 kertaa vähemmän kuin DeepSeek-R1:n pitkä päättelykysely. Ranskalaisen Université Côte d'Azurin tutkijat laskivat, että älykkäällä mallivalinnalla voitaisiin vähentää maailmanlaajuista tekoälyn energiankulutusta lähes 28 prosenttia eli viiden ydinvoimalan vuosituotannon verran.

Perusajatus on yksinkertainen: sen sijaan, että jokaiseen tehtävään käytetään massiivista yleismallia, valitaan kuhunkin tehtävään sopivan kokoinen erikoismalli. UNESCO:n raportin mukaan tämä lähestymistapa voi leikata energiankulutusta jopa 90 prosenttia suorituskyvystä tinkimättä.

Tufts-yliopiston tutkijat kehittivät neurosymbolisen mallin, joka yhdistää neuroverkot loogiseen päättelyyn. Malli kulutti käytössä vain viisi prosenttia tavallisen mallin energiasta ja suoriutui silti paremmin: se ratkaisi Hanoin tornit -ongelman 95 prosentin tarkkuudella, kun tavallinen malli ylsi 34 prosenttiin.

Sähkö ei ole ainoa ongelma

Energiankulutuksen lisäksi tekoäly kuluttaa huomattavia määriä vettä palvelinten jäähdytykseen. DeepSeek-R1 kulutti omilla palvelimillaan yli 200 millilitraa vettä per pitkä kysely eli yhden lasin verran. Vuositasolla pelkän GPT-4o:n kyselyt kuluttaisivat arviolta 1,5 miljardia litraa vettä, mikä vastaa 1,2 miljoonan ihmisen vuotuista juomaveden tarvetta.

Datakeskusten läheisyydessä sähkön hinta on jo noussut jopa 267 prosenttia viiden vuoden aikana. Microsoftin toimitusjohtaja Satya Nadella on todennut, että alan täytyy ansaita "sosiaalinen lupa kuluttaa energiaa". Tutkimuksen ekotehokkuusrankingissa parhaiten pärjäsivät pienet päättelymallit kuten o3-mini – eivät suurimmat ja kalleimmat mallit.

Oikean mallin valitseminen oikeaan tehtävään ei ole pelkästään ympäristöteko vaan myös taloudellisesti järkevää. Massiivisen päättelymallin käyttö yksinkertaiseen tehtävään on kuin ajaisi rekkaa lähikauppaan.