虽然人工智能（AI）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，但耗能问题也引发严重的环境关切。为此，有些科技企业提倡节俭的AI实践，并支持以降低能耗为重点的研究。但这种做法并未解决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AI的广泛应用，数据中心的耗电量激增。国际能源署预计，与之相关的能源需求到2026年将翻一番。
数据中心的能耗已占据全球总能耗的1%至2%，与航空业大致相当。在爱尔兰，数据中心2023年的耗电量占全国总耗电量的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AI需求给电网和能源市场都带来巨大压力。不出所料，爱尔兰电网运营商EirGrid已暂停在都柏林兴建新的数据中心，直至2028年。德国、新加坡和中国等国，也对新数据中心项目下达限制。
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AI的概念，包括提高对AI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。
尽管促进更有意识地使用AI的努力很有价值，但只关注用户行为，忽略一个关键事实：供应商才是AI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AI的碳足迹影响最大。随着技术的发展，个人用户对可持续性的影响将日益缩小，尤其是在AI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。
代理式AI（agentic AI）——多个独立系统通过协作来解决各类复杂问题——的兴起，进一步加剧这些挑战。虽然专家将它视为AI发展的下一个重点，但这种交互动作所需的算力，甚至超过当今最先进的大型语言模型，并可能会加剧AI对环境的影响。
此外，由于行业缺乏透明度，将减少AI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AI具体相关的排放数据，因此很难评估它们的AI应用对环境的影响。
对此，一个更有效的做法，是让AI提供商向消费者提供详细的排放数据。提高透明度将使用户能够做出明智的决定，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AI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AI系统。通过共同努力，AI企业和消费者可以在AI的潜在效益与环境成本之间取得平衡。
当然，节俭的AI可能提高一些能效，但却并不能解决AI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AI模型制定标准化指标，企业可以帮助客户优化他们的碳预算，并采用各类更可持续的做法。
在这方面，汽车行业就为提高AI开发中的能源透明度，提供有用模式。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AI供应商可以采用类似方法，建立标准化指标以反映模型对环境的影响。其中一个指标，可以是针对每一个令牌（token，编按：大型语言模型能够理解和处理的最小单元）的耗电量，因为它量化一个AI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AI模型前，也需要可靠的工具来评估对环境的影响。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AI有助于应对而非助长气候变化。
作者Boris Ruf是安盛集团首席研究科学家
英文原题：Why Frugal AI Alone Won’t Fix AI’s Energy Problem
版权所有：Project Syndicate, 2025.
