案例12｜Stable Diffusion：258 GPUs＋64 CPUs 與 Generative AI 的環境成本

一、案例定位

本案例依原書 4.10「Generative AI and the Environment」整理。

用原書唯一明確硬體例理解大型 AI Training 的 Compute／Energy／GHG 問題。

二、學習目標

正確保留 Stable Diffusion 的 Training Hardware 數字。
區分 Hardware Count 與 Energy／GHG 數值。
理解 Green AI 的改善方向。

三、案例情境

原書指出 Generative AI 需要大量 Data Processing／Training Power，並以 Stable Diffusion 為例：其訓練使用 258 GPUs 與 64 CPUs。原書同時提到大型 AI System 的 Power Usage 可達「equivalent to hundreds of homes」，並關注 Electricity Consumption／Greenhouse Gas（GHG）Emission，但沒有在本段提供精確 Energy／CO₂ 數字。

四、開始資料

項目	原書內容	資料界線
Example	Stable Diffusion Training	原書硬體例
GPU	258	明確數字
CPU	64	明確數字
Power Analogy	Equivalent to hundreds of homes	非精確 kWh
Environmental Concerns	Electricity／GHG Emissions	原書未給固定量
Improvement Direction	Renewable Energy、Smaller／Efficient Models	Green AI Priority

五、Excel／AI 分析方法

若有實際 GPU Power、Training Hour、Grid Emission Factor，Excel 才能計算 Energy／CO₂；本章未提供這些數字，所以不能計算原書 Carbon Footprint。

六、計算結果

已知 Hardware Count：258 GPUs＋64 CPUs。無法從這兩個數字單獨推導 kWh 或 GHG Emission。

七、結果分析與管理解讀

Hardware Scale 是 Environmental Cost 的一個訊號，但 Carbon Impact 還取決於 Device、Duration、Utilization、Electricity Mix 等資料；原書未提供，不應猜測。

八、AI 提問詞

請依 GPU Count、CPU Count、Power Rating、Training Hours、Utilization、Grid Emission Factor 設計 Energy／Carbon 計算表；缺少任一實際輸入時標記資料不足，不自行補值。