为什么仅靠节俭的人工智能无法解决人工智能的能源问题

发自巴黎——虽然人工智能的崛起可能给众多领域带来革命性变化并释放出前所未有的经济机遇，但其能源密集性却也引发了严重的环境关切。为此有些科技企业提倡节俭的人工智能实践并支持以降低能耗为重点的研究。但这种做法却并未解决该行业能源需求不断增大的根本问题。

开发、训练和部署大型语言模型是一个需要大量算力的能源密集型过程。随着人工智能的广泛应用，数据中心的耗电量激增，与之相关的能源需求预计到2026年将翻一番。

数据中心的能耗已经占据了全球总能耗的1-2%，与航空业大致相当。在爱尔兰，数据中心2023年的耗电量高达全国总耗电量的21%。随着工业和居民转向电气化以减少温室气体排放，不断增长的人工智能需求给电网和能源市场都带来了巨大压力。不出所料，爱尔兰电网运营商EirGrid已在2028年以前暂停在都柏林兴建新数据中心，而德国、新加坡和中国等国也对新数据中心项目下达了限制。

为了减轻各类新兴技术对环境的影响，科技行业已开始推广节俭人工智能的概念，包括提高对人工智能碳足迹的认识，鼓励最终用户——学术界和企业——为任何特定任务选择最为节能的模式。

但尽管促进更有意识地使用人工智能的努力很有价值，但只关注用户行为忽略了一个关键事实：供应商才是人工智能能耗的主要驱动力。目前模型架构、数据中心效率和电力相关排放等因素对人工智能的碳足迹影响最大。而随着技术的发展个人用户对其可持续性的影响将日益缩小，尤其是在人工智能模型越来越多地被嵌入大型应用的情况下终端用户就更难分辨哪些操作会触发资源密集型进程了。

代理式人工智能——也就是多个独立系统通过协作来解决各类复杂问题——的兴起进一步加剧了这些挑战。虽然专家们将其视为人工智能发展的下一个风口，但这种交互动作所需的算力甚至超过了当今最先进的大型语言模型，并可能会加剧该技术对环境的影响。

Introductory Offer: Save 30% on PS Digital

Introductory Offer: Save 30% on PS Digital

Access every new PS commentary, our entire On Point suite of subscriber-exclusive content – including Longer Reads, Insider Interviews, Big Picture/Big Question, and Say More – and the full PS archive.

Subscribe Now

此外，由于行业缺乏透明度，将减少人工智能碳足迹的责任转嫁给用户只会适得其反。大多数云提供商尚未完全披露与生成式人工智能具体相关的排放数据，因此很难评估其人工智能应用对环境的影响。

对此一个更有效的做法是让人工智能提供商向消费者提供详细的排放数据。提高透明度将在让用户有能力做出明智决定的同时鼓励供应商开发更节能的技术。有了排放数据，消费者就可以对人工智能应用进行比较，为特定任务选择最节能的模式。如果从一开始就可以明确总体影响，企业也能更容易地选择一个传统IT解决方案而非能源密集型的生成式人工智能系统。通过共同努力，人工智能企业和消费者可以在人工智能的潜在效益和环境成本之间取得平衡。

节俭的人工智能当然可能提高一些能效，然而却并不能解决人工智能对能源的无尽需求这一核心问题。通过提升能源消耗透明度、共享全面的排放数据以及为人工智能模型制定标准化指标，企业可以帮助客户优化自身碳预算并采用各类更可持续的操作。

在这方面汽车行业就为提高人工智能开发中的能源透明度提供了一个有用模式。通过标注汽车的能源效率，汽车制造商可以让买家做出更可持续的选择。生成式人工智能供应商可以采用类似方法去建立标准化指标以反映其模型对环境的影响。其中一个指标可以是针对每一个令牌的耗电量，因为它量化了一个人工智能模型处理一个文本单位所需的能量。

正如燃油效率标准能让汽车购买者对不同车型进行比较并问责制造商那样，企业和个人用户在部署人工智能模型前也需要可靠的工具来评估其对环境的影响。通过引入透明的衡量标准，科技企业不仅可以引导行业进行更可持续的创新，还能确保人工智能有助于应对而非助长气候变化。