人工智能 (AI) 在支持全球减少环境影响的努力中具有巨大潜力，但生成式 AI 的快速发展，尤其是大型语言模型 (LLM)，带来了新的资源挑战。训练和运行这些模型需要大量的计算能力，对全球能源系统、水资源和关键矿物造成了巨大压力，引发了关于环境可持续性、公平性和资源竞争的担忧。
核心观点：
- 生成式 AI 的能源消耗巨大，其环境影响不容忽视。
- 当前的 AI 发展趋势可能加剧数字鸿沟，将那些最需要 AI 帮助的群体排除在外。
- AI 推理阶段（即用户与模型交互）是 AI 系统生命周期中最大的累积能源消耗环节。
关键数据：
- 训练最先进的 LLM 和通用模型大约需要 50 GWh 的电力，相当于一些发展中国家一年的电力消耗。
- ChatGPT 每天接收大约 10 亿个查询，每个查询使用大约 0.34 Wh 的电力，每年消耗约 124 GWh 的电力，相当于埃塞俄比亚超过 130 万人的年电力消耗。
- 数据中心电力消耗自 2017 年以来每年增长约 12%，远高于总电力消耗的增长速度。
- 预计到 2027 年，谷歌、微软和 Meta 等主要 AI 企业的全球用水量将增加两倍。
研究结论：
- 需要采取切实措施来提高生成式 AI 的资源效率，包括：
- 推动公共和私人投资，以开发和采用“清洁设计”AI 系统。
- 创建激励措施和标准，例如可持续性标签和绿色采购标准。
- 提高 AI 素养，以建立对生成式 AI 环境足迹的认识。
- 通过量化、提示优化和使用小型语言模型 (SLM) 等技术，可以显著降低 AI 的能源消耗。
- 新兴的架构策略，如专家混合 (MoE)、多智能体系统和稀疏计算，可以进一步提高 AI 的效率。
建议：
- 政策制定者应建立国家研发资金计划，提供针对能源效率 AI 解决方案的拨款或税收减免，并采用低碳 AI 系统进行公共采购。
- AI 开发者和科技行业应进行概念验证和试点计划，支持开源可持续性框架，设计低能耗推理模式，并与初创企业合作。
- 普通用户应支持承诺能源效率的 AI 平台，了解 AI 的环境成本，并选择轻量级、针对特定任务的模型。
- 政策制定者应将 AI 信息素养纳入教育课程，并开展公共意识宣传活动。
- AI 开发者和科技行业应优先考虑透明度和可解释性，并提供用户友好的透明度报告。
- 普通用户应学习有关 AI 环境影响的知识，并参与有关 AI 素养和可持续性的教育资源。
