待验证50% 置信事实精确时间
E2AM输出的指标包括能源消耗(Wh)、碳排放(gCO₂eq区域感知)、GPU利用率、FLOPs/MACs、延迟、每样本能耗、每焦耳准确率和EAG
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/12
首次发现
有效期至：2026/10/10
来源
E2AM：两行代码量化AI训练能耗与碳排放的开源工具
redditr/deeplearning2026/7/11
相关事实
待验证能量模型（EBM）的思想是为输入空间中的每个配置分配一个标量能量值，低能量对应高兼容性的输入组合63% 相似待验证同一模型在不同数据中心训练碳排放量可能相差40倍以上，冰岛碳强度约18 gCO₂eq/kWh，依赖煤电地区可能超过800 gCO₂eq/kWh55% 相似待验证一项基于全球能源—经济一体化模型的研究得出结论：AI带来的生产力提升可能驱动全球二氧化碳排放的净增长55% 相似待验证代谢功率（Metabolic Power）指标由意大利学者Osgnach等人于2010年提出，通过加速度变化推算能量消耗55% 相似待验证数据中心消耗的绝大部分电能最终都会转化为热量并排入环境54% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/491599API
curl https://kongchang.com/api/v1/knowledge/claims/491599MCP
get_claim(id=491599)