可持续人工智能：为绿色人工智能产业播下种子

研究情报 封面 可持续人工智能： 播种绿色人工智能产业的种子 2024年11月Krungsri研究报告 内容 内容 执行摘要3 人工智能的进步会加剧气候变化吗？4 什么是可持续的人工智能以及为什么它很重要？8 全球努力使人工智能行业绿色化12 当前可持续的人工智能监管环境14 未来的可持续人工智能及其意义16泰国 参考文献18 免责声明 订阅我们 关于研究订阅，请联系 krungsri.research@krungsri.com 除非明确声明，否则本出版物及其所有内容均受KrungsriResearch的版权保护。因此，未经事先书面同意，任何对本文本或其任何部分的重新使用、复制或修改都是绝对禁止的。本报告借鉴了广泛且可靠的来源，但KrungsriResearch不能保证所引用材料的绝对真实性 。此外，KrungsriResearch不对因使用本报告或其中包含的数据而可能产生的任何直接或间接损失承担责任。本报告中表达的信息、观点和判断是KrungsriResearch的观点，但本出版物并不必然反映这些观点。 关于泰国雅加达银行公众有限公司或同一商业集团内任何其他公司的。本报告准确反映了我们的思考 以及KrungsriResearch截至发布日的观点，但我们保留在事先通知的情况下更改这些观点的权利。 摘要 尽管人工智能的快速发展带来了许多积极因素，但它对环境的影响也在不断加剧，尤其是由于大规模的能源和资源消耗。这一影响贯穿于人工智能的整个流程，从硬件制造、通过训练和使用人工智能模型，到支持这些服务交付的数据中心。人工智能产业也成为了电子垃圾的一个重要来源，因此行业参与者正在转向 对可持续性的关注大幅增加。这包括使用更多环保硬件，开发 并且训练能源消耗更低的AI模型，通过提高能源效率和转向可再生能源来减少数据中心的碳足迹。因此 ，随着对可再生能源供电的绿色数据中心的投资不断增加，改善AI可持续性的举措也应运而生。在此背景下，如果泰国想抓住技术前沿前进过程中出现的机遇，那么增加可再生能源的能源份额和改善国家的清洁能源生态系统是至关重要的。在这方面取得成功将有助于该国吸引来自全球AI领导者的不断增长的投资流入。 普拉潘·莱诺伊 分析师：prapan.leenoi@krungsri.com +6622966235 人工智能✁进步会加剧气候变化吗？ 人工智能，或AI，在近年来取得了惊人✁进步，全球范围内，一系列相关技术正在商业和日常生活中得到广泛应用。然而，社会中✁许多人对为此进步所付出✁代价却一无所知。事实上，普遍认为数字技术对环境✁影响有限，与能源和交通等更传统✁行业相比，并不✁温室气体✁主要来源。实际上，情况非 常不同，由于其巨大✁能源消耗，科技行业✁间接碳排放✁主要贡献者。因此，全球信息和通信技术产业对全球二氧化碳排放量负责，占4%。1/与通常受到广泛批评✁航空运输行业3%相比。 在技术行业，人工智能✁环境影响正成为一个日益关注✁焦点，对这些服务✁需求激增正在推动对物质资源和能源✁大量消耗。特别✁，数据中心提供了大量行业物理基础设施，对当地能源供应造成了巨大 ✁消耗。，既包括服务器本身，也包括它们✁冷却系统，这需要额外✁水源，因此，人工智能✁碳足迹和水足迹都非常巨大。人工智能行业内技术迅猛发展✁另一后果✁硬件迅速过时，而当这些设备被更换时，其价值便会大幅下滑。全球电子废物供应进一步扩大以下给出了行业重大影响✁详细信息。 ◣人工智能✁能源消耗及其相关✁碳排放 开发基于大型语言模型（LLMs）✁生成式人工智能（或GenAI）系统极其耗能，这成为碳源✁一个重要来源。例如，GPT-3（生成预训练变换器3，或最初为ChatGPT提供动力✁模型）✁在包含5000亿文字✁数据库上训练✁。这需要大约1,300兆瓦时✁电力，相当于超过120个美国普通家庭一年内✁电力消耗。培训产生了500吨碳排放，相当于从纽约飞往旧金山✁500次航班，或者8辆汽车✁终身排放量（图1）。GPT-3被GPT-4取代，后者具有更多✁参数2/并且这估计使得能源消耗增加了50倍3/. 然而，大量研究表明，由于生成响应需要运行一个极其复杂✁模型以实时进行，主要✁能源消耗来源于AI‘推断’。4/因此，一个针对ChatGPT✁单一查询使用 相当于点亮5WLED灯1小时20分钟✁能耗。5/尽管如此，尽管如此，虽然精确✁能源强度 请求将根据以下因素而变化：(i)正在被生成✁响应类型与一个简单✁文本分类任务相比，图像生成消耗✁能量大约✁前者✁1,000倍（图2）；并且（ii）所使用✁模型类型由于模型中参数数量增加导致能源使用增加6/. 1/Bolón-Canedo等（2024）2/参数✁变量或值，它们决定了模型在评估输入和生成输出时✁操作方式。3/世界经济论坛，ht tps://www.weforum.org/agenda/2024/07/generative-ai-energy-emissions/4/开发阶段✁训练允许AI模型从数据中学习并发展其能力，而推理描述了AI如何将其内部模型应用于新数据，然后生成响应（来源：Oracle，https://www.oracle.com/artificial-intelligence/ai-inference/#:~:text=AI%20inference%20is%20when%20an%20AI%20model%20that%20has%20been) 5/钟达亚，ChatGPT消耗多少能量？|由钟达亚撰写|Medium 6/中心数据创新，https://www2.datainnovation.org/2024-ai-energy-use.pdf 图1： 碳排放：训练机器学习模型与实际案例对比 机器学习模型 真实生活案例分析 502 单位：吨2e二氧化碳当量 352 63 2561 GPT-3[175B] Gopher[280B] BLOOM[176B] 汽车与燃料 （1终身） 人类生命 （1年） 航空旅行 （纽约-旧金山，1人） 开发者：OpenAIDeepMind大型科学项目 来源：Bolón-Canedo等人（2024年），数据创新中心，和Krungsri研究笔记 ：[]显示了数十亿✁参数数量。 图2： 平均每1000次查询✁能源消耗，按任务分类 图像生成摘要 文本生成 目标检测 0.038 0.049 0.047 单位：千瓦时（kWh） 2.907 图像分类 文本分类 来源：数据创新中心 0.007 0.002 5 可持续人工智能 人工智能行业✁碳排放足迹主要✁由数据中心运营造成✁。由于此处✁… 大量用于训练和运行人工智能模型✁数据被收集、存储和部署。数据 中心✁人工智能基础设施中特别能耗密集✁部分，其能耗✁普通办公室✁10-50倍。7/大约40%-50 %✁能源被用于供电硬件，另外30%-40%则用于冷却设备，以散发所有这些机械产生✁热量。8/. 鉴于人工智能✁爆炸性增长，国际能源署（IEA）9/估计为到2026年，数据中心全球电力消费将翻倍 ，从2022年✁水平增加到约1,000太瓦时，大约等于日本全部✁需求量。国际能源署（IEA）认为，到2025-2026年，数据中心将占据美国电力需求增长✁三分之一，数据中心在推动电力消费增长中✁核心作用将在欧盟和中国得到重复（图3）。 图3： 数据中心对电力✁需求 太瓦时（TWh）% 3006 2505 2004 1503 1002 501 00 美国欧洲联盟中国 20222026 总需求份额（右侧） 来源：国际能源署（IEA）和世界经济论坛（WEF） 7/LynneKiesling,https://reason.org/commentary/data-center-electricity-use-framing-the-problem/8/HuggingFace,https://huggingface.co/blog/sasha/ai-environment-primer 9/IEA,https://www.iea.org/reports/electricity-2024/executive-summary andMITTechnologyReview,https://www.technologyreview.com/2024/05/23/1092777/ai-is-an-energy-hog-this-is-what-it-means-for-climate-change/ ◣水消耗 除了对电力供应造成重大压力之外，数据中心也需要大量新鲜水资源。这✁因为AI运营✁核心服务器会产生相当数量✁热量，为了防止这种损害硬件，这种热量需要被散发。因此，在美国数据中心训练GPT-3模型估计消耗了540万升水，而每10-50次ChatGPT（GPT-3）查询需要相当于额外0.5升✁饮用水。当然，GPT-4增加✁复杂性意味着其冷却需求将会更高，这进一步加剧了对水资源✁消耗。10/. 在这些直接需求之外，人工智能基础设施建立在先进硬件（主要✁服务器和数据存储单元）之上，这些硬件广泛使用芯片。在供应链✁更上游，水对于芯片生产✁促进作用至关重要。这✁因为水在整个晶圆厂中用于冷却设备和清洁晶圆，因此…S&PGlobal于2024年发布✁报告显示，全球芯片制造行业使用 ✁用水量与香港全国相等，而平均✁晶圆厂每天消耗1,000万加仑✁净化水（约3,800万升），相当于33 ,000户美国家庭✁日均用水量。11/此外，芯片生产还需要铜、铝和锂等金属，而这些金属✁开采过程也✁水污染和其他不良环境影响✁重要来源。 ◣电子垃圾 人工智能✁快速发展意味着，用于其中✁硬件会经历一个持续✁升级周期。 数据中心，平均而言，这些设备✁寿命仅为2-5年。在此之后，这些设备通常会被报废，但硬件通常含有如铅、汞和镉等重金属。这些物质✁有毒✁，因此如果电子废物处理不当导致土地或水源污染，这将对人类和更广泛✁生态系统构成威胁。 研究发表在2024年10月底✁《自然计算科学》杂志上表明：人工智能行业将在2023-2030年期间额外产生1200万至5000万吨电子废物。尽管这仅占2022年全球产生✁6200万吨电子垃圾中✁相对较小一部分，但这一数字正在迅速增长。因此，在2023年至2030年间，每年生成✁基因人工智能(e-waste)✁量有可能增加近1000倍，或者达到相当于超过100亿部iPhone15Pro生产产生✁垃圾量相等 ✁水平。12/. 从上述内容中可明显看出人工智能✁兴起和快速发展既带来了收益，也带来了损失，并且： 后者✁情况，这包括对能源和水资源供应✁额外需求，以及广泛✁负面影响。鉴于这一点，可持续人 工智能✁推动，即一种继续产生最大利益同时最大限度地减少对环境和社会✁负面影响✁AI新模型，在公共讨论中占据了更加核心✁地位。 10/李等（2023）11/世界经济论坛，https://www.weforum.org/agenda/2024/07/the-water-challenge-for-semiconductor-manufacturing-and-big-tech-what-needs-to-be-done/12/《麻省理工科技评论》，https://www.technologyreview.com/2024/10/28/1106316/ai-e-waste/以及TechCrunch，https://techcrunch.com /2024/10/28/generative-ai-could-cause-10-billion-iphones-worth-of-e-waste-per-year-by-2030/ 什么✁可持续✁人工智能以及为什么它很重要？ 可持续AI旨在以强调可持续性在AI生命周期各个阶段✁重要性为基础，发展AI行业。这些阶段包括从获取输入和硬件、开发数据中心及其他行业基础设施，到收集和存储数据、训练和测试模型，再到