From FLOPs to Footprints: The Resource Cost of Artificial Intelligence
发表于 2025年12月3日上传于 2025年12月5日

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%