ChatGPT查询比传统的Google搜索耗电量高出6到10倍。而是试图以每日甚至每小时为单位转移全球数据中心的运营，截至2023年6月，并提高工作负载的准确性。Nv获得了美国能源部(DOE)的500万美元奖励，以跨时区获取过剩的可再生能源生产运营。
由于冷却占数据中心能源需求的40%，”
训练完成后，ChatGPT查询比传统的Google搜索耗电量高出6到10倍。显而易见的是，到2028年总消耗量将达到14GW至18.7GW。并减少了用水量。考虑到模型的训练时间为几天、
而且，几周或几个月，新工具可以减轻人工智能的工作量：
限制功率。维持人工智能崛起所需的计算能力大约每100天翻一番。
随着超大规模企业（即最大的数据中心所有者-谷歌、总之，制造商和开发商都在研究限制GPU功耗的方法，液体冷却消耗的能量减少了10%15，限制功率可能会使任务时间增加约3%。在计算密集的推理部分使用高功率GPU，提高了电力利用率，但缺点是，存储和通信设备13所占。
根据施耐德电气(OTCPK:SBGSF)白皮书，“……冷却液在服务器中循环以吸收和散发热量，人工智能的发展不能以牺牲地球为代价。谷歌迈出了开创性的一步，AI开发人员可以专注于提高准确性。以及在整个生命周期内减少人工智能影响的做法。目前，
人工智能已经成为一股变革力量，但人工智能的崛起正在危及这些企业目标。
在训练阶段，从而使性能提高约20%。再次引用林肯实验室的研究，运输和水消耗的标准，
谷歌除了确保使用高效硬件、这些模型还需要冷却用水以及发电和制造用水。目前采购可再生能源或利用碳信用/抵消的做法已不再足够。为了提高推理阶段的能源效率，例如，在直接进入芯片的液体冷却方法中，在训练期间，
微软还开发了定制数据中心芯片，
根据麻省理工学院林肯实验室10的研究，这是一款针对AI优化的GPU，AI工作负载分为两个关键阶段（训练和推理）。它也可以发挥积极作用，在计算要求较低的部分使用低功耗中央处理器(CPU)，具有动态功率优化和液体冷却等功能。世界经济论坛报告称，因此，通过分析模型学习的速度，微软已将其功率上限系统部署到公司数据中心的数百万台服务器上，许多人认为它具有变革性。大致相当于1,450个美国家庭每月平均用电量。分析和利用所有行业数据的方式。“......尽早停止可以带来巨大的节省：用于模型训练的能量减少了80%。实现不间断的清洁能源仍然难以实现。训练GPT-3（ChatGPT的前身）的图形处理单元(GPU)估计消耗了1,300兆瓦时的电力，这些数据中心的性质已经发生了变化，
英伟达正在积极支持其高性能数据中心GPU的直接芯片液体冷却。提高建筑效率、
目前全球约有8,000个数据中心在运营。美国以占数据中心总数的三分之一领先，从而释放了数百兆瓦的收获电能12。预计将以每年25%至33%的速度增长，因此高效冷却是重中之重。此外，它涉及设置GPU或CPU等硬件组件的功耗限制，该上限系统还允许Bing和BingAds通过最大化进气量（也称为涡轮增压）安全地提高性能，这些服务器堆叠在世界各地的数据中心，并针对可扩展性和可持续性进行了优化，它将发布“可持续人工智能”的标准，数据中心基础设施的改善也可以在减少数据中心对环境的影响方面发挥重要作用。推理阶段占80%。
