鲍里斯·鲁夫:为什么仅靠节俭的AI无法解决AI能源问题

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.

您查看的内容可能不完整,部分内容和推荐被拦截!请对本站关闭广告拦截和阅读模式,或使用自带浏览器后恢复正常。