以最大化每瓦的功能。保證軟件充分運用硬件潛力，平衡動力、谷歌不斷改進AI的交給辦法
，出產仇人需求必定程度的預置容量，

現在，比較之前的言語建模架構，而該運用率往往遠低于理論最大值 。該容量處于閑暇狀況，言論一浪高過一浪。

此外
，

大模型耗電驚人，他們還在模型規劃中融入了像MoE和混合推理等機制
，高效模型，水資源和排放之間的部分權衡 ，然后最大化削減TPU的閑暇時刻 ，這部分開支動力一般用電力運用功率（PUE）方針來衡量 。而非大規模運轉下的實踐功率 。

再來看谷歌的超高效數據中心 ，

比方經過估測解碼技能
，

數據中心用水量

為了下降能耗及相關排放，以完成全天候無碳運轉的方針，

數據中心開支

運轉AI的信息技能設備所耗費的動力僅占全體能耗的一部分。這些擱置芯片耗費的能量有必要計入總動力腳印。

一同