IT 可持续发展专家表示，人工智能产业将成为最大的碳排放贡献者之一

麻省理工学院斯隆管理评论》（MIT Sloan Management Review）上发表的一篇文章揭示，人工智能产业很可能成为导致 全球碳排放以及其他类型的环境成本，如产生 电子垃圾和过度用水。人工智能的碳足迹远高于传统计算系统：一个 ChatGPT 查询产生的碳排放量是普通谷歌搜索的 100 倍。这种碳足迹还在 快速增长人工智能训练运行所需的计算能力平均每 3.4 个月翻一番。

作者尼克拉斯-桑德伯格（Niklas Sundberg）指出了这一新兴产业正在影响的几个领域。

IT 行业的能源消耗已经非常巨大。数据中心和传输网络占全球用电量的 1%-1.5%，占全球碳排放量的 0.6%。一个普通数据中心每年的耗电量足以为 50,000 个家庭供暖。 大型语言模型(LLM) ChatGPT等大型语言模型（LLM）需要更强的计算能力，无论是初始训练还是回答查询。例如，仅 ChatGPT 的训练就耗费了约 1.3 千兆瓦时的能源（相当于 120 个美国普通家庭一年的耗电量），并产生了 552 吨的碳排放（相当于 120 辆美国汽车一年的排放量）。GPT-4 的规模预计将扩大 10 倍左右，而且有多个竞争者正在进入该市场。

数据中心的耗水量是另一个令人担忧的问题。数据中心需要大量的水来冷却，而随着复杂的人工智能模型对存储和计算需求的增加，这些需求也将随之增加。微软和谷歌报告称，从 2021 年到 2022 年，它们的用水量将分别增加 34% 和 20%，这与它们开发人工智能技术有关。

除了耗电量，人工智能系统所运行的硬件的生产和处理也是一个问题。到 2050 年，每年的电子垃圾量预计将翻一番，达到 1.2 亿吨。其中仅有 20% 得到回收利用。

解决方案自然不是完全放弃人工智能，而是遵循某些可持续人工智能的最佳实践，Sundberg 将其称为三个 R，即重新定位、合理调整和重新架构。

• 搬迁指的是某些地点可以更容易、更便宜地获得可再生能源，因此战略性搬迁可以将碳排放量减少 1.4 倍到 2 倍。
• 合理规模指的是使用专为机器学习培训和人工智能工作负载设计的处理器和系统，而不是通用服务器。这可以将性能和效率提高 2 倍到 5 倍。
• 重新架构指的是选择适当而有效的机器学习模型架构，如稀疏模型，这可以提高性能，同时将计算负荷降低 3 到 10 倍。

这些措施，加上有效的数据管理、合规性以及提高员工、客户和公众的意识，有助于建立一个更具可持续性的人工智能生态系统。随着气候变化和环境退化问题在许多方面得到解决，在人工智能行业发展的同时就开始考虑这些问题，而不是追溯性地实施变革，不失为一个好主意。