# 绿色人工智能：可持续的人工智能革命 > 培训 GPT-3 消耗的能源足够 120 个美国家庭使用一年--GPU 在两年内从 400 瓦增至 1200 瓦。美国目前有 4.4% 的能源用于数据中心，预计到 2030 年将翻一番。但绿色人工智能提供了一条出路：专用芯片、边缘计算（到2025年，75%的数据在本地处理），以及像CodeCarbon这样的监控框架。2025 年将决定人工智能是气候问题的一部分，还是解决方案的一部分。 Source: https://www.electe.net/zh/%E9%82%AE%E5%AF%84/green-ai-la-rivoluzione-sostenibile-dellintelligenza-artificiale Site guide: https://www.electe.net/zh/llms.txt ## 导言：人工智能时代可持续性的紧迫性 绿色人工智能是 2025 年最重要的范式之一，是对人工智能爆炸式增长及其环境影响的必要回应。与传统人工智能相比，绿色人工智能更环保、更具包容性，因为它不仅能在不增加计算成本的情况下产生准确的结果，还能确保技术创新与环境责任并行不悖。 最新数据表明了这一方法的紧迫性：据麻省理工学院新闻报道，北美数据中心的能源需求已从 2022 年底的 2688 兆瓦增至 2023 年底的 5341 兆瓦，部分原因是生成式人工智能的需求。更重要的是，根据《麻省理工学院技术评论》的报道，目前美国所有能源的 4.4% 用于数据中心，数据中心用电的碳强度比美国平均水平高 48%（根据哈佛大学陈忠贤公共卫生学院的一项研究）。 ## 人工智能对环境的影响：不断演变的危机 ### 爆炸性能源消耗 人工智能的发展导致全球能源格局发生了巨大变化。据《麻省理工科技评论》报道，截至 2018 年，数据中心目前占总需求的 4.4%，高于 2018 年的 1.9%。未来的预测更加令人担忧：根据国际能源机构的一份报告，到 2030 年，数据中心的耗电量预计将增加一倍以上。 生成式人工智能模型正在将这些数字推高。正如麻省理工学院新闻（MIT News）所强调的那样，训练一个生成式人工智能集群所消耗的能源可能是一般计算工作量的七八倍。具体来说，训练 GPT-3 耗电 1,287 兆瓦时（足够约 120 个普通美国家庭使用一年），产生约 552 吨二氧化碳。 ### 硬件能力的提升 人们竞相开发功能更强大的模型，导致硬件功率不断攀升。根据德勤的数据，到 2022 年，用于人工智能的 GPU 的功率为 400 瓦，而到 2023 年，用于生成式人工智能的最先进 GPU 的功率为 700 瓦，到 2024 年，下一代芯片的功率预计将达到 1200 瓦。这代表着指数级的增长，给全球能源基础设施带来了压力。 ## 提高能效的硬件解决方案 ### 专用芯片：人工智能硬件革命 硬件行业对人工智能危机的回应正在通过日益专业化和高效的芯片来实现： **张量处理单元（TPU）**：根据TechTarget的说法，TPU是专为大批量低精度计算设计的ASIC，具有更高的每焦耳输入/输出操作数。TPU v6e是最新的Trillium芯片，于2024年10月发布，其每芯片峰值计算性能比TPU v5e高4.7倍。 **现场可编程门阵列（FPGA）**：正如IBM所指出的，FPGA也非常适合那些相比处理速度更看重能效的任务，并提供了适应AI算法快速演变所需的灵活性。 **专用集成电路（ASIC）**：根据Geniatech的说法，ASIC具有低功耗、高速度和小体积的优势，是特定高容量AI工作负载最高效的解决方案。 ### 边缘人工智能的兴起 可持续发展的一个重要趋势是向边缘计算发展。据 Geniatech 公司称，Gartner 预测，到 2025 年，边缘计算将处理所有用例产生的 75% 的数据，从而大大减少向集中式数据中心传输数据的需要，并减少相关能源。 ## 能源效率方面的进展 ### 每瓦特性能显著提高 业界正在能效方面取得重大进展。根据英伟达的数据，从2016年到2025年，英伟达在人工智能训练和推理方面实现了10000倍的效率提升，显示出大幅改进的潜力。 然而，现实情况更为复杂。David Mytton 在他的 DeVSustainability 博客中指出，双插槽服务器目前的功耗在 600-750 瓦之间，而 2007-2023 年的功耗为 365 瓦，这表明虽然每次操作的效率有所提高，但系统的总功耗仍在继续增长。 ### 软件和结构优化 软件战略正在成为硬件改进的重要补充： **模型优化**：量子模型相比其经典对应模型往往需要显著更少的参数进行训练，这为降低计算复杂度提供了替代方法。 **智能能源管理**：根据MIT斯隆管理学院的说法，根据所使用的处理器不同，将使用限制在150瓦或250瓦（约占其总功率的60%到80%），不仅能降低工作负载的整体能耗，还能降低运行温度。 ## 企业倡议和环保承诺 ### 微软：碳负效应的领导者 微软做出了业界最雄心勃勃的承诺之一。正如微软官方 2020 博客所言："到 2025 年，我们将实现 100% 的可再生能源供应，这意味着我们将签订购电协议，为我们所有数据中心、建筑和园区消耗的 100% 的碳排放电力提供签约绿色电力。" 该公司还新设立了一个 10 亿美元的气候创新基金，以加快全球碳减排、碳捕获和碳清除技术的发展。 然而，现实带来了挑战。据 GeekWire 报道，微软去年排放了超过 1540 万公吨二氧化碳当量，其中范围 3 排放占其碳足迹的 96% 以上。 ### 谷歌：可再生能源领域的先锋 谷歌在可持续发展方面取得了重要的里程碑式的成就。据谷歌可持续发展官方网站介绍，"2017 年，谷歌承诺将其能源消耗的 100%与可再生能源持平。这一目标已于 2020 年成功实现。" 该公司继续大力投资：根据《谷歌 2025 可持续发展报告》，"2024 年，我们在 16 个国家又签订了 19 千兆瓦的可再生能源合同，并签署了第一份大规模核电购买协议，将业务扩展到核电领域"。 ### 亚马逊网络服务：规模挑战 全球最大的云计算服务提供商 AWS 已制定了雄心勃勃的目标，但因透明度问题而受到批评。据 Climatiq 报道，"亚马逊宣布在美国、芬兰、德国、意大利和英国的 AWS 地区新建 18 个风能和太阳能发电项目，新增可再生能源发电能力共计 5.6 千兆瓦"。 然而，据同一消息来源称，"对 AWS 碳足迹报告的批评可以概括为不细化、不透明以及对寻求优化使用的技术团队没有用处"。 ## 绿色人工智能的框架和工具 ### 排放监测工具 工业界已开发出多种工具，用于监测和减少人工智能对环境的影响： **CarbonTracker与CodeCarbon**：根据Carbon Credits的说法，“用于估算AI技术碳足迹的一些工具包括CarbonTracker、CodeCarbon、Green algorithms和PowerTop。” **eco2AI**：正如Doklady Mathematics所描述的，“eco2AI是一个开源库，能够在基于Python的AI模型训练或推理过程中追踪等效碳排放，同时考虑CPU、GPU、RAM设备的能耗。” ### 绿色人工智能实施框架 根据发表在《工业科学》上的一项研究，"基于 Python 的复杂工具专门用于跟踪和管理训练机器学习模型和其他计算任务的碳足迹，它代表了人工智能可持续性管理向更复杂工具的演进"。 ## 监管和公共政策 ### 欧盟人工智能法案：全球典范 欧盟已率先对可持续人工智能进行监管。据欧洲议会称，"2024 年 6 月，欧盟通过了世界上首个人工智能规则。人工智能法》将在生效 24 个月后全面适用"。 值得注意的是，根据绿色软件基金会的说法，"如果从欧盟目前在环境和气候政策方面处于世界领先地位的角度来看，欧盟人工智能法案的意义就更加重大了"。 ### 监管空白和建议 尽管取得了进展，但重大差距依然存在。正如发表在 arXiv 上的一篇论文所强调的那样，"目前欧盟及其他地区的人工智能监管提案旨在激励可靠的（如人工智能法案）和负责任的（如人工智能责任）人工智能。然而，目前缺少的是一个强有力的监管论述和路线图，以使人工智能以及更广泛的技术在环境上可持续发展"。 专家们提出了具体的解决方案：根据托尼-布莱尔全球变化研究所的一份报告，"建立并采用数据中心能源消耗和碳排放的最佳实践指标，并分离出与人工智能相关的信息"。 ## 未来前景与挑战 ### 能源增长预测 对未来的预测既令人担忧，又充满机遇。根据 IDC 的数据，"2023 年至 2028 年期间，全球数据中心的耗电量将翻一番以上，五年复合年增长率为 19.5%，2028 年将达到 857 太瓦时（TWh）"。 更具体到人工智能，根据同一份 IDC 报告，"人工智能数据中心的能耗预计将以 44.7% 的年复合增长率增长，到 2027 年将达到 146.2 太瓦时（TWh）"。 ### 可持续性的创新方法 创新方法不断涌现，例如 Sustain AI，MDPI 的一篇论文将其描述为 "一种多模式深度学习框架，它集成了用于缺陷检测的卷积神经网络（CNN）、用于能耗预测建模的递归神经网络（RNN）以及用于动态能源优化的强化学习（RL）"。 ## 绿色人工智能与绿色人工智能：两种互补范式 ### 绿色人工智能：内在优化 绿色人工智能 "范式的重点是设计本质上更高效的算法和模型。根据发表在 ScienceDirect 上的一篇评论，这些都是 "通过专注于硬件和软件优化，设计更节能的机器学习算法和模型的策略"。 ### 绿色人工智能：人工智能促进可持续发展 通过人工智能实现绿色 "范例利用人工智能改善其他行业的可持续性。根据同一篇 ScienceDirect 评论，它代表了 "利用人工智能改善其他行业生态友好做法的人工智能方法，利用人工智能优化户外应用中的能源效率"。 ## 结论：实现人工智能的可持续未来 绿色人工智能代表着我们构想和实施人工智能的方式发生了根本性转变。2025 年的数据显示，我们正处于一个转折点：人工智能和数据中心对电力需求的增长，是社会如何应对更广泛电气化需求和挑战的一个试验案例。 从专用硬件到量子计算，从监控框架到监管政策，新兴解决方案为实现可持续发展提供了一条道路。然而，成功与否将取决于该行业能否在创新与环境责任之间取得平衡，确保人工智能成为全球努力实现碳中和的关键推动力。 2025 年是关键的一年，在这一年里，今天所做的决定将决定人工智能是气候问题的一部分还是其解决方案的一部分。绿色人工智能不再是一种选择，而是技术先进、环境可持续发展的未来的必然要求。 # 常见问题 ## **什么是绿色AI？** 绿色人工智能是一种技术范式，旨在使人工智能更加环保和可持续。它的重点是在不增加计算成本的情况下产生准确的结果，确保技术创新与环境责任齐头并进。 ## **为什么绿色AI在2025年如此迫切？** 这种紧迫性源于人工智能对环境的爆炸性影响。2025 年的数据显示 - 北美数据中心的能源需求从2688兆瓦（2022年底）增长到5341兆瓦（2023年底） - 美国4.4%的能源用于数据中心 - 数据中心电力的碳强度比美国平均水平高48% ## **AI实际上消耗多少能源？** 人工智能对能源的影响是巨大的： - 自2018年以来，数据中心占总能源需求的比例从1.9%上升到4.4% - 训练一个生成式AI集群可能消耗的能源是典型计算负载的7到8倍 - 训练GPT-3消耗了1287兆瓦时（足够120户美国家庭使用一年） - 预计数据中心的能耗到2030年将翻一番 ## **硬件如何演变以提高效率？** 该行业正在开发专用芯片： **张量处理单元（TPU）**：TPU v6e的性能比v5e高4.7倍 **现场可编程门阵列（FPGA）**：针对能效和灵活性进行了优化 **专用集成电路（ASIC）**：提供低功耗、高速度和小体积 不过，总功率仍在继续增长：GPU 从 400 瓦（2022 年）增至 700 瓦（2023 年），预计 2024 年将达到 1200 瓦。 ## **什么是边缘AI，为什么它对可持续性很重要？** 边缘人工智能在本地处理数据，而不是将数据发送到集中式数据中心。Gartner 预测，到 2025 年，边缘计算将处理 75% 的数据，从而大大减少与数据传输相关的能耗。 ## **在能效方面取得了哪些进展？** 从2016年到2025年，英伟达在人工智能训练和推理方面实现了10000倍的效率提升。然而，现代服务器的功耗为 600-750 瓦，而 2007-2023 年间仅为 365 瓦，这表明虽然每次操作的效率有所提高，但总功耗仍在继续增加。 ## **大型科技公司在可持续性方面正在做什么？** **Microsoft**：承诺到2025年实现100%可再生能源，并设立10亿美元气候创新基金。然而，其在2024年排放了1540万吨二氧化碳当量。 **Google**：已于2020年实现100%可再生能源，并在2024年在16个国家签约了19吉瓦的新可再生能源。 **Amazon AWS**：宣布了18个新的可再生能源项目，总计5.6吉瓦，但因报告透明度不足而受到批评。 ## **是否存在监测AI环境影响的工具？** 是的，有几种工具可用： - **CarbonTracker与CodeCarbon**：用于估算碳足迹 - **eco2AI**：用于追踪训练和推理期间排放的开源库 - **Green algorithms与PowerTop**：其他专业监测工具 ## **绿色AI是如何被监管的？** 欧盟凭借**《EU AI Act》**（欧盟人工智能法案）掌握了主导权，该法案于2024年6月通过——这是全球首个人工智能规则，将在24个月后全面适用。然而，专家指出，在使人工智能实现环境可持续发展方面，监管讨论仍存在空白。 ## **关于人工智能能耗，未来的预测是什么？** 预测令人震惊： - 2023年至2028年间，数据中心的全球能耗将翻倍（复合年增长率19.5%） - 到2028年将达到857太瓦时 - 专门用于人工智能的能耗将以44.7%的复合年增长率增长，到2027年将达到146.2太瓦时 ## **Green-in AI和Green-by AI有什么区别？** **Green-in AI**：专注于设计本质上更节能的算法和模型，优化硬件和软件。 **Green-by AI**：利用人工智能提升其他领域的可持续性，借助人工智能优化外部应用中的能源效率。 ## **为什么2025年被认为是绿色人工智能的关键之年？** 2025 年是一个转折点，今天做出的决定将决定人工智能是气候问题的一部分还是其解决方案的一部分。人工智能电力需求的增长是对社会如何应对更广泛电气化挑战的一次考验。绿色人工智能不再是一种选择，而是技术先进、环境可持续发展的未来的必然要求。