为什么 AI 的能源需求需要透明度，而不仅仅是效率

快速阅读: 据《台北时报》称，AI的高能耗带来严重环境问题，仅靠节俭型AI不足以解决问题。科技公司应提高透明度，公开排放数据，让用户选择更节能模型，从而平衡AI的益处与环境成本，促进行业可持续发展。

为什么AI的能源需求需要透明度，而不仅仅追求效率？

作者：鲍里斯·鲁夫

随着人工智能（AI）的兴起，它可能会彻底改变众多行业并释放前所未有的经济机遇，但其高能耗引发了严重的环境问题。

对此，科技公司倡导节俭型AI实践，并支持研究以减少能源消耗，但这种方法未能解决该行业能源需求增长的根本原因。开发、训练和部署大型语言模型（LLMs）是一项耗能巨大的过程，需要大量的计算能力。随着AI的广泛采用导致数据中心用电量激增，国际能源署预计，与AI相关的能源需求将在明年翻一番。

目前，数据中心已经占全球能源消耗的1%到2%，相当于整个航空业。在爱尔兰，2023年数据中心占总用电量的21%。随着各行业和公民转向电气化以减少温室气体排放，不断增长的AI需求给电网和能源市场带来了巨大压力。

爱尔兰电网运营商EirGrid已对都柏林的新数据中心开发项目实施了禁令，直至2028年。德国、新加坡和中国等国也对新数据中心项目实施了限制。

为了减轻新兴技术对环境的影响，科技行业已经开始推广“节俭型AI”的概念，这包括提高人们对AI碳足迹的认识，并鼓励终端用户——学术界和企业——为任何特定任务选择最节能的模型。

然而，尽管推动更自觉的AI使用方式的努力很有价值，但仅仅关注用户行为却忽略了关键事实：供应商才是AI能源消耗的主要驱动者。

目前，模型架构、数据中心效率以及与电力相关的排放对AI的碳足迹影响最大。

此外，随着技术的发展，单个用户对可持续性的影响力将进一步减弱，尤其是当AI模型越来越多地嵌入更大的应用程序中时，终端用户将难以辨别哪些操作会触发资源密集型过程。

这些问题因自主型AI的兴起而加剧——这种独立系统协作解决问题。虽然专家认为这是AI发展的下一个重大突破，但这些交互所需的计算能力甚至超过当今最先进的LLMs，可能进一步加剧技术的环境影响。

此外，将减少AI碳足迹的责任转嫁给用户是适得其反的，因为行业内缺乏透明度。大多数云服务提供商尚未公开与生成式AI相关的具体排放数据，这使得评估其AI使用的环境影响变得困难。

更有效的做法是让AI提供商向用户提供详细的排放数据。提高透明度不仅能帮助用户做出明智决策，也能促使供应商开发更节能的技术。

此外，将减少AI碳足迹的责任转嫁给用户是适得其反的，因为行业内缺乏透明度。大多数云服务提供商尚未公开与生成式AI相关的具体排放数据，这使得评估其AI使用的环境影响变得困难。

有了排放数据，消费者可以比较不同的AI应用，并为特定任务选择最节能的模型。如果从一开始就能清楚了解整体影响，企业也可以更容易选择传统的信息技术解决方案而非能源密集型的生成式AI系统。通过共同努力，AI公司和消费者可以平衡AI的潜在益处与其环境成本。

当然，节俭型AI可能会带来一些效率提升，但它并未解决AI无止境能源需求的核心问题。通过提供更多关于能源消耗的信息、分享全面的排放数据并为AI模型制定标准化指标，公司可以帮助客户优化碳预算并采用更可持续的做法。

汽车行业为提升AI开发中的能源透明度提供了有益参考。通过标注车辆的能源效率，汽车制造商使买家能够做出更可持续的选择。生成式AI提供商可以采用类似方法并建立标准化指标来衡量其模型的环境影响。

其中一个指标可以是每个token的耗电量，量化AI模型处理单个文本单元所需的能量。

正如燃油效率标准让购车者可比较不同车型并督促制造商改进一样，企业和个人用户也需要可靠的工具来评估AI模型的环境影响，以便在部署前进行判断。

通过引入透明指标，科技公司不仅能够引导行业走向更可持续的创新，还能确保AI帮助对抗气候变化而不是加剧它。

鲍里斯·鲁夫是AXA的研究科学家主管。

版权：Project Syndicate

(以上内容均由Ai生成)