# 綠色 AI：可持續的人工智慧革命

> 訓練 GPT-3 所消耗的能源足以供 120 個美國家庭使用一年，而 GPU 在兩年內從 400 瓦增加到 1,200 瓦。美國目前有 4.4% 的能源用於資料中心，預計到 2030 年將翻倍。但 Green AI 提供了一條出路：專用晶片、邊緣運算（到 2025 年，75% 的資料會在本地處理），以及 CodeCarbon 等監控架構。2025 年將決定 AI 是氣候問題的一部分，還是解決方案的一部分。

Source: https://www.electe.net/tc/post/green-ai-la-rivoluzione-sostenibile-dellintelligenza-artificiale

Site guide: https://www.electe.net/tc/llms.txt

## 簡介：人工智慧時代永續發展的迫切性

綠色人工智慧代表 2025 年最關鍵的範例之一，是因應人工智慧的爆炸性成長及其對環境的影響而出現的必要回應。綠色人工智慧比傳統人工智慧更環保、更具包容性，因為它不僅能在不增加計算成本的情況下產生精確的結果，還能確保技術創新與環境責任並駕齊驅。

最新的數據證明了這一方法的迫切性：根據麻省理工學院新聞（MIT News），北美的數據中心能源需求已從 2022 年底的 2,688 兆瓦增加到 2023 年底的 5,341 兆瓦，部分原因是由於生成式人工智能的需求所推動。更重要的是，根據《麻省理工科技評論》的報導，目前美國所有能源的 4.4% 用於數據中心，而數據中心用電的碳強度比美國平均水平高 48%（根據哈佛大學陳慶鴻公共衛生學院的研究）。

## 人工智能對環境的影響：不斷演變的危機

### 爆炸性能源消耗

人工智能的發展使全球能源格局發生了巨大的變化。根據《麻省理工科技評論》的報告，截至 2018 年，數據中心目前佔總需求量的 4.4%，高於 2018 年的 1.9%。未來的預測更加驚人：根據國際能源署的一份報告，到 2030 年，數據中心的用電量預計將增加一倍以上。

生成式 AI 模型正在推高這些數字。正如麻省理工學院新聞（MIT News）所強調的，訓練一個生成式 AI 集群所消耗的能源可能是一般計算工作量的七到八倍。為了說明這一點，訓練 GPT-3 消耗了 1,287 兆瓦小時的電力 (足夠約 120 個一般美國家庭使用一年)，產生約 552 噸的二氧化碳。

### 硬體能力的提升

越來越強大的模型競賽導致硬體功率不斷攀升。根據德勤會計師事務所 (Deloitte) 的資料，在 2022 年之前，用於人工智慧的繪圖處理器功率為 400 瓦，而在 2023 年，用於產生式人工智慧的最先進繪圖處理器功率為 700 瓦，而在 2024 年，下一代晶片的功率預計為 1,200 瓦。這代表著指數級的成長，對全球能源基礎建設造成壓力。

## 節能硬體解決方案

### 專用晶片：AI 硬體革命

硬體產業對於 AI 危機的回應，正透過日益專業化和高效率的晶片來實現：

**張量處理單元（TPU）**：根據 TechTarget 的說法，TPU 是專為大量低精度運算設計的 ASIC，每焦耳能提供更多的輸入/輸出運算。TPU v6e 是最新推出的 Trillium 晶片，於 2024 年 10 月發布，每晶片的峰值運算效能比 TPU v5e 高出 4.7 倍。

**現場可程式化邏輯閘陣列（FPGA）**：正如 IBM 所指出的，FPGA 也非常適合那些相較於處理速度更重視能源效率的任務，並提供了適應 AI 演算法快速演進所需的靈活性。

**特定應用積體電路（ASIC）**：根據 Geniatech 的說法，ASIC 提供低功耗、高速度及小體積等優勢，是特定且高量 AI 工作負載最有效率的解決方案。

### 邊緣人工智慧的興起

可持續發展的重要趨勢是朝向邊緣運算的發展。根據 Geniatech 的資料，Gartner 預測到 2025 年，邊緣運算將處理所有使用個案所產生的 75% 資料，大幅降低將資料傳輸至集中式資料中心的需求及相關能源。

## 能源效率的進展

### 每瓦效能大幅提升

業界在能源效率方面正取得重大進展。根據 NVIDIA 的資料顯示，從 2016 年到 2025 年，其在 AI 訓練與推論方面的效率已提升 10,000 倍，顯示出大幅改善的潛力。

然而，現實卻比較複雜。David Mytton 在其 DeVSustainability 部落格中指出，雙插槽伺服器目前的耗電量介於 600-750 瓦之間，而 2007-2023 年的耗電量則為 365 瓦，這顯示在每次運作效率提升的同時，系統的總耗電量仍持續成長。

### 軟體與架構最佳化

軟體策略逐漸成為硬體改善的重要補充：

**模型優化**：量子模型相較於傳統模型，在訓練時所需的參數往往顯著較少，這提示了降低運算複雜度的替代方法。

**智慧能源管理**：根據 MIT Sloan 的說法，將使用限制在 150 或 250 瓦（依所使用的處理器而定，約為總功率的 60% 至 80%），不僅能降低工作負載的整體能耗，還能降低運作溫度。

## 企業倡議與環保承諾

### 微軟：負碳領域的領導者

微軟做出了業界最雄心勃勃的承諾之一。正如微軟官方 2020 博客中所述：「到 2025 年，我們將邁向 100% 的可再生能源供應，這意味著我們將為所有數據中心、建築物和校園消耗的 100% 碳排放電力簽訂合約綠色電力購買協議」。

該公司還新設立了 10 億美元的氣候創新基金，以加速全球碳減量、捕集和清除技術的發展。

然而，現實帶來了挑戰。根據 GeekWire 的資料，微軟去年排放了超過 1540 萬公噸的二氧化碳當量，其中範圍 3 的排放量佔其碳足跡的 96% 以上。

### Google: 可再生能源的先驅

Google 在可持續發展方面取得了重大的里程碑。根據 Google 可持續發展的官方網站，"2017 年，Google 承諾以可再生能源平衡 100% 的能源消耗。這個目標在 2020 年成功實現"。

該公司持續投入大量資金：根據 Google 2025 可持續發展報告，「2024 年，我們在 16 個國家簽約了額外 19 GW 的新可再生能源，並簽署了第一份大規模核電購買協議，將業務擴展至核能領域」。

### Amazon Web Services：規模的挑戰

全球最大的雲端服務供應商 AWS 設定了雄心勃勃的目標，但卻面臨透明度的批評。根據 Climatiq 的報導，「亞馬遜宣布在美國、芬蘭、德國、義大利和英國的 AWS 區域內，新增 18 個風力和太陽能發電專案，總計 5.6 GW 的新增可再生能源容量」。

然而，根據同一消息來源，「對 AWS 碳足跡報告的批評可以概括為：不細緻、不透明，而且對尋求優化使用的技術團隊無用」。

## 綠色人工智慧的架構與工具

### 排放監測工具

產業界已開發出數種工具來監控和降低人工智能對環境的影響：

**CarbonTracker 與 CodeCarbon**：根據 Carbon Credits 的說法：「用於估算 AI 技術碳足跡的工具包括 CarbonTracker、CodeCarbon、Green algorithms 和 PowerTop。」

**eco2AI**：正如 Doklady Mathematics 所描述的：「eco2AI 是一個開源函式庫，能夠追蹤基於 Python 的 AI 模型在訓練或推理過程中的等效碳排放，並考量 CPU、GPU、RAM 裝置的能源消耗。」

### 綠色人工智慧實施架構

根據發表在《Industry Science》上的一項研究，「一個以 Python 為基礎的精密工具，專為追蹤與管理訓練機器學習模型及其他計算任務的碳足跡而量身打造，代表著人工智能永續性管理正朝著更精密的工具演進」。

## 法規與公共政策

### 歐盟 AI 法案：全球典範

歐盟已率先規範永續的人工智慧。根據歐洲議會的資料，"2024 年 6 月，歐盟通過了世界上第一份有關人工智能的規則。人工智能法》將在生效 24 個月後全面適用"。

值得注意的是，根據綠色軟體基金會 (Green Software Foundation) 的看法，「歐盟目前在環境與氣候政策上是全球領導者之一，若從這個角度來看，歐盟 AI 法案的意義更為重大」。

### 法規差距與建議

儘管取得了進展，但仍存在重大差距。正如發表在 arXiv 上的一篇論文所強調的，「目前歐盟及其他地區的人工智慧監管提案，旨在刺激可靠（如人工智慧法案）與負責（如人工智慧責任）的人工智慧。然而，目前所缺乏的是一個健全的法規論述與路線圖，以讓人工智慧以及更廣泛的科技在環境上永續發展"。

專家們提出了具體的解決方案：根據托尼-布萊爾全球變革研究所的一份報告，「建立並採用數據中心能源消耗和碳排放的最佳實踐指標，並將人工智能相關資訊隔離」。

## 未來展望與挑戰

### 能源成長預測

對未來的預測既令人擔憂又充滿機會。根據 IDC 的資料，「全球資料中心的耗電量在 2023 年至 2028 年間將成長一倍以上，五年的年複合成長率為 19.5%，並在 2028 年達到 857 太瓦時 (TWh)」。

更具體地針對 AI，根據同一份 IDC 報告，「AI 資料中心的能源消耗預計將以 44.7% 的年複合增長率成長，到 2027 年將達到 146.2 太瓦時 (TWh)」。

### 永續發展的創新方法

創新的方法正在出現，例如 Sustain AI，在 MDPI 的一篇論文中將其描述為「一個多模態深度學習框架，整合了用於缺陷偵測的卷繞神經網路 (CNN)、用於能源消耗預測建模的循環神經網路 (RNN)，以及用於動態能源最佳化的強化學習 (RL)」。

## Green-in AI vs Green-by AI：兩種互補的範例

### Green-in AI：本質優化

Green-in AI」範例著重於設計本質上更有效率的演算法與模型。根據 ScienceDirect 發表的一篇評論，這些都是 「透過專注於優化硬體和軟體，設計更節能的機器學習演算法和模型的策略」。

### Green-by AI：永續發展的 AI

Green-by-AI」範例利用人工智慧改善其他領域的永續性。根據相同的 ScienceDirect 評論，它代表了「改善其他領域生態友善做法的 AI 方法，利用人工智慧優化戶外應用的能源效率」。

## 結論：邁向人工智慧的永續未來

綠色 AI 代表著我們構想和實現人工智能方式的根本性轉變。2025 年的資料顯示，我們正處於轉捩點：人工智慧與資料中心用電需求的成長，是社會如何因應更廣泛電氣化需求與挑戰的測試案例。

從專業硬體到量子運算，從監控框架到監管政策，新興解決方案提供了一條通往可持續發展的道路。然而，成功與否取決於產業是否有能力平衡創新與環境責任，確保人工智慧成為全球實現碳中和的主要動力。

2025 年是關鍵的一年，今天所做的決定將決定人工智能是氣候問題的一部分，還是解決方案的一部分。綠色 AI 不再是一種選擇，而是技術先進、環境永續的未來所必須的。

# 常見問題

## **什麼是 Green AI？**

綠色人工智慧是一種技術範例，旨在使人工智慧更環保、更永續。它著重於在不增加計算成本的情況下產生精確的結果，確保技術創新與環境責任並行。

## **為什麼 Green AI 在 2025 年如此迫切？**

其迫切性來自於 AI 對環境的爆炸性影響。2025 年的數據顯示：

- 北美資料中心的能源需求從 2,688 百萬瓦（2022 年底）增加到 5,341 百萬瓦（2023 年底）
- 美國 4.4% 的所有能源流向資料中心
- 資料中心電力的碳強度比美國平均高出 48%

## **AI 實際上消耗多少能源？**

人工智能對能源的影響非常顯著：

- 自 2018 年以來，資料中心從佔總能源需求的 1.9% 上升到 4.4%
- 訓練一個生成式 AI 叢集可能消耗比典型運算工作負載多 7-8 倍的能源
- 訓練 GPT-3 消耗了 1,287 百萬瓦時（足以供 120 戶美國家庭使用一年）
- 預計到 2030 年，資料中心的能耗將翻倍

## **硬體如何演進以變得更有效率？**

業界正在開發專用晶片：

**張量處理單元（TPU）**：TPU v6e 的效能比 v5e 高出 4.7 倍

**現場可程式化邏輯閘陣列（FPGA）**：針對能源效率與靈活性進行優化

**特定應用積體電路（ASIC）**：提供低功耗、高速度及較小的體積

然而，總功率仍持續成長：GPU 從 400 瓦 (2022 年) 增加到 700 瓦 (2023 年)，預測 2024 年會達到 1,200 瓦。

## **什麼是 Edge AI，為什麼它對永續發展很重要？**

邊緣人工智能在本機處理資料，而不是將資料傳送到集中式資料中心。Gartner 預測到 2025 年，邊緣運算將處理 75% 所產生的資料，大幅降低資料傳輸所產生的能源消耗。

## **在能源效率方面已取得哪些進展？**

從 2016 年到 2025 年，NVIDIA 在 AI 訓練與推論方面的效率提升了 10,000 倍。然而，現代伺服器的耗電量為 600-750W，而 2007-2023 年的耗電量則為 365W，顯示雖然每次作業的效率有所提升，但總耗電量仍持續增加。

## **大型科技公司在永續發展方面正在做些什麼？**

**Microsoft**：承諾到 2025 年實現 100% 可再生能源，並設立 10 億美元的氣候創新基金。然而，其在 2024 年排放了 1,540 萬公噸的二氧化碳當量。

**Google**：已於 2020 年達成 100% 可再生能源，並於 2024 年在 16 個國家簽約採購 19 GW 的新可再生能源。

**Amazon AWS**：宣布了 18 個新的可再生能源專案，總計 5.6 GW，但因報告缺乏透明度而受到批評。

## **是否有工具可以監測 AI 對環境的影響？**

是的，有幾種工具可用：

- **CarbonTracker 與 CodeCarbon**：用於估算碳足跡
- **eco2AI**：開源函式庫，用於追蹤訓練與推理過程中的排放
- **Green algorithms 與 PowerTop**：其他專門的監測工具

## **Green AI 是如何受到監管的？**

歐盟率先推動**《歐盟人工智慧法案》(EU AI Act)**,該法案於2024年6月通過——這是全球首部人工智慧法規,將在24個月後全面適用。然而,專家指出,在使人工智慧對環境永續發展的監管論述上,仍存在缺口。

## **人工智慧能源消耗的未來預測為何?**

預測結果令人震驚：

- 全球資料中心的耗電量將在2023年至2028年間翻倍(年複合成長率19.5%)
- 到2028年將達到857太瓦時(TWh)
- 人工智慧專用能耗將以44.7%的年複合成長率增長,到2027年將達到146.2太瓦時(TWh)

## **Green-in AI 與 Green-by AI 有何不同?**

**Green-in AI**:專注於設計本質上更節能的演算法與模型,並優化硬體與軟體。

**Green-by AI**:利用人工智慧來提升其他領域的永續性,運用人工智慧來優化外部應用中的能源效率。

## **為何2025年被視為綠色人工智慧(Green AI)的關鍵年份?**

2025 年是一個轉捩點，今天所做的決定將決定人工智能是氣候問題的一部分，還是其解決方案的一部分。AI 電力需求的成長是對社會如何因應更廣泛電氣化挑戰的考驗。綠色 AI 不再是一種選擇，而是技術先進、環境永續的未來的必要條件。