Записи в этом разделе (9,396) — это в подавляющем большинстве реконструкции, а не официально раскрытые данные. Здесь описано, как получается каждый тип цифр и насколько им можно доверять.
Все они получены от Epoch AI — независимого исследовательского института, отслеживающего развитие ИИ. Институт публикует свои наборы данных по лицензии CC BY 4.0, которая разрешает повторное использование, распространение и воспроизведение при условии указания источника и авторов. Это указание есть на каждой странице раздела, рядом с теми данными, к которым оно относится.
Ничего здесь не собрано скрапингом с их сайта. Каждый набор данных берётся из файлов, которые они выкладывают для скачивания, нормализуется в базу данных и переиздаётся в виде отдельных страниц. Исследование — их, структура, перекрёстные ссылки и тексты — наши.
Вычисления на обучение почти никогда не публикуются лабораториями. Они реконструируются либо по использованному оборудованию (число чипов, умноженное на пропускную способность, длительность обучения и коэффициент загрузки), либо по архитектуре и размеру набора данных. В записи каждой модели указано, каким методом получена её цифра.
Мощность и энергопотребление дата-центров берутся из разрешений на строительство, спутниковых снимков, договоров на поставку электроэнергии, заказов на чипы и сообщений о расходах. В зависимости от показателя они несут примерно от 1,4 до 1,6 раза неопределённости: объект, заявленный как 900 МВт, вполне может оказаться на 600 или на 1400.
Поставки и запасы чипов моделируются по финансовой отчётности, данным об отгрузках и мощностям цепочки поставок. Они публикуются как медиана с интервалом между 5-м и 95-м процентилями, и все три значения сохраняются, а не сводятся к среднему.
Финансовые показатели компаний берутся из прессы, а не из отчётности: большинство этих компаний непубличные. Разные издания сообщают разные цифры за один и тот же квартал, поэтому каждое сообщение хранится как отдельная точка с датой, а не усредняется в один ряд. Главная цифра на странице компании — это просто самое свежее сообщение, и рядом указана его дата.
Epoch публикует почтовый адрес каждого дата-центра, но не координаты — их собственная карта определяет их в браузере. Поэтому карта вычислительных мощностей геокодирует эти адреса через OpenStreetMap и фиксирует, до какого уровня удалось определить каждый: до здания, улицы, района, города или только до округа. У некоторых объектов вместо почтового адреса указано описание стройки; такие размещаются по городу, названному в записи, и никогда не подаются как более точные.
Каждое возможное совпадение проверяется по стране, а в США — ещё и по штату, разобранному из адреса, и отбрасывается при расхождении: без этой проверки совпавшее название улицы в другом штате незаметно перенесёт гигаваттный объект. Координаты GPU-кластеров берутся из собственного экспорта Epoch и используются в опубликованном виде.
Атрибуции — кому принадлежит дата-центр, кто использует его мощности — снабжены явной меткой уверенности: confident, likely или speculative. Эти метки сохраняются в записи и отображаются, потому что «Microsoft, вероятно, владеет этим» и «Microsoft владеет этим» — разные утверждения.
То же относится к записям о моделях, где оценка уверенности стоит на всей записи, и к GPU-кластерам, у которых есть поле достоверности и часто примечание о том, что именно оспаривается. Если у цифры есть процентильный интервал, интервал сохраняется; если цифры нет, страница ничего не сообщает вместо того, чтобы гадать.
Epoch переиздаёт данные часто — некоторые наборы меняются еженедельно. Этот сайт заново синхронизируется с их опубликованными файлами, и каждая запись хранит дату получения, которую и показывает строка источника внизу каждой страницы. Если цифра здесь расходится с их цифрой, дату получения нужно проверить в первую очередь.
