生成式AI的环境影响
生成式AI（Gen AI）在商业和消费领域迅速普及，但其环境成本不容忽视。Gen AI在其生命周期内对环境产生显著影响，包括能源消耗、碳排放、水资源使用和电子垃圾。
- 能源消耗：Gen AI模型需要大量计算能力，导致能源消耗巨大。训练大型语言模型（LLM）如GPT-3和GPT-4需要消耗大量电力，分别相当于130和5000个美国家庭的年用电量。推理阶段虽然是一次性事件，但随着Gen AI的普及，其能源需求将呈指数级增长。
- 硬件资源：Gen AI需要大量图形处理器（GPU）等硬件，这些硬件的生产需要稀有金属，其开采过程会产生温室气体排放。Gen AI的硬件更新频率高，加剧了对自然资源的压力，并进一步污染环境。
- 水资源使用：数据中心的冷却需要大量淡水，运行LLM每次需要约500毫升水。预计到2030年，Gen AI将产生120万到500万吨电子垃圾，相当于2023年的1000倍。
- 碳排放：Gen AI导致近一半的组织温室气体排放增加。调查显示，48%的执行官认为Gen AI的使用导致了温室气体排放的增加，42%的执行官认为不得不重新审视他们的气候目标。
组织对Gen AI环境影响的认知和行动
- 认知不足：只有12%的执行官认为他们组织测量了Gen AI的足迹，20%的执行官将“Gen AI的环境足迹”列为选择或构建Gen AI模型时考虑的前五个因素之一。
- 行动滞后：只有31%的执行官认为他们组织已经开始将可持续性措施纳入Gen AI生命周期。74%的执行官认为缺乏透明度是测量和报告Gen AI环境影响的主要障碍。
可持续Gen AI的五个步骤
- 选择合适的技术：Gen AI只是技术版图的一部分，应采用“混合智能”方法，结合传统AI、Gen AI和其他技术，以实现更高的效率和更小的环境足迹。
- 评估和减轻Gen AI的环境影响：
- 监控和报告Gen AI足迹。
- 构建可持续Gen AI的业务案例。
- 在Gen AI生命周期中实施可持续实践。
- 评估Gen AI合作伙伴和模型：将可持续性作为选择Gen AI供应商和模型的关键标准，考虑硬件、模型架构、算法和基础设施等因素。
- 利用Gen AI加速可持续业务价值：投资并扩展合适的用例，如ESG报告、可持续产品设计、生命周期评估等。
- 为可持续Gen AI制定治理模式：建立有效的治理结构，确保Gen AI的安全、透明、可持续和道德使用。
研究结论
Gen AI具有巨大的环境成本，但也可以加速可持续业务转型。组织应将可持续性纳入Gen AI业务案例，选择合适的技术，优化模型大小、数据和算法，使用节能硬件和绿色数据中心，并在Gen AI生命周期中实施可持续措施，以减少环境足迹和成本。可持续发展是Gen AI生态系统的共同责任，需要各方共同努力。
