EY refere-se à organização global e pode se referir a uma ou mais das firmas-membro da Ernst & Young Global Limited, cada uma das quais é uma entidade legal separada. A Ernst & Young Global Limited, uma empresa britânica limitada por garantia, não presta serviços a clientes.
Como a EY pode ajudar
-
A EY combina profundas competências técnicas numa vasta gama de questões empresariais para proporcionar sustentabilidade baseada em valor. Explore nossos serviços de sustentabilidade e ESG.
Leia mais
Construção sustentável de infraestrutura de IA
Será essencial abordar as dimensões de energia, recursos e infraestrutura do aumento da IA. Espera-se que as novas cargas de trabalho da GenAI tripliquem a capacidade do data center em hiperescala nos próximos seis anos.8
As redes de data center e de transmissão de dados são responsáveis por 2% a 3% do consumo global de eletricidade e por cerca de 1% das emissões globais de GEE.9 Esses números cresceram apenas modestamente, apesar do crescimento exponencial das cargas de trabalho devido à ecologização das redes e à mudança para provedores de nuvem em hiperescala, que investiram em energias renováveis e alcançaram altos níveis de eficiência. No entanto, as emissões devem ser reduzidas pela metade, e não aumentar, até 2030 para manter o caminho para o zero líquido.10
Novas arquiteturas eficientes de semicondutores e métodos de resfriamento contribuirão de forma importante para atenuar a curva de energia e emissões da IA. As inovações no laboratório prometem reduzir enormemente a energia necessária para regular as temperaturas dos chips e manter o desempenho. Foi relatado que protótipos de arquiteturas de chips neuromórficos, que emulam os neurônios e sinapses do cérebro humano, produziram uma redução de mil vezes no consumo de energia.11 Os operadores de centros de dados estão implantando uma série de estratégias para reduzir a energia de arrefecimento, desde a localização em regiões mais frias ou a utilização de calor residual para aquecer bairros residenciais, até à utilização de líquidos alternativos à água. Algumas empresas estão até explorando a possibilidade de instalação de data centers no espaço.
A descarbonização da GenAI também dependerá da eficiência dos dados. Quanto maior for o modelo de linguagem grande (LLM), maior será a energia usada para treiná-lo. Um LLM com 110m de parâmetros emitiu 0,64 toneladas de C02 na fase de treinamento, o que representa cerca de 80% das emissões anuais relacionadas à energia de uma residência nos EUA. Em contrapartida, outro LLM, com parâmetros de 75b, teve uma pegada de treinamento de 550 toneladas, equivalente às emissões de 70 residências nos EUA em um ano.12
Ainda assim, 60% a 90% das emissões são geradas por inferência, executando o modelo a partir de dados em tempo real (por exemplo, um prompt da GenAI). Em resposta a isso, os pesquisadores estão criando modelos de menor porte e otimizando as compensações entre a velocidade de formação e o consumo de energia.
A água, a biodiversidade, o carbono incorporado e outros desafios ambientais se tornarão preocupações cada vez mais importantes. Os maiores data centers podem chegar a 90.000 m2 e consomem quase 2 ml de água por dia para resfriamento.