From FLOPs to Footprints: The Resource Cost of Artificial Intelligence
创建于 更新于
摘要
本文建立从模型FLOPs到物质资源耗用的闭环：基于对Nvidia A100 SXM 40GB 的32种元素ICP-OES分析，结合GPU理论与实际MFU（20–60%）与寿命情景估算，量化训练大型模型（如GPT‑4）所需GPU数量与材料消耗，指出在低MFU与短寿命下训练GPT‑4可能消耗数千块A100并产生数吨有毒金属废料，同时软件与寿命优化可分别将GPU需求与材料消耗减少约67%，两者并用最高可降约93% [page::0][page::6][page::9]
