（來源：MIT News）

人們對(duì)生成式 AI 充滿期待，從提升工作效率到推動(dòng)科學(xué)研究的進(jìn)步。然而，盡管這項(xiàng)技術(shù)的迅猛發(fā)展推動(dòng)了強(qiáng)大模型在多個(gè)行業(yè)的快速應(yīng)用，隨之而來的環(huán)境影響卻仍難以量化，更不用說有效緩解。

訓(xùn)練擁有數(shù)十億參數(shù)的生成式 AI 模型，如 OpenAI 的 GPT-4，需要強(qiáng)大的計(jì)算能力，這不僅消耗大量電力，增加二氧化碳排放，還會(huì)給電網(wǎng)帶來額外壓力。

此外，將這些模型部署到實(shí)際應(yīng)用中，使數(shù)百萬人能夠在日常生活中使用生成式 AI 模型，并在開發(fā)完成后持續(xù)微調(diào)以優(yōu)化性能，這些都將長期消耗大量能源。

訓(xùn)練、部署和微調(diào)生成式 AI 模型所使用的硬件依賴大量水資源進(jìn)行冷卻，這可能對(duì)市政供水系統(tǒng)造成壓力，并影響當(dāng)?shù)厣鷳B(tài)系統(tǒng)。此外，生成式 AI 應(yīng)用的激增推動(dòng)了對(duì)高性能計(jì)算硬件的需求，從而在制造和運(yùn)輸過程中間接增加了環(huán)境負(fù)擔(dān)。

“當(dāng)我們討論生成式 AI 的環(huán)境影響時(shí)，不能只是關(guān)注設(shè)備插上電源時(shí)消耗的電力。這些影響涉及更廣泛的系統(tǒng)層面，并且會(huì)隨著我們采取的行動(dòng)而持續(xù)存在?！甭槭±砉W(xué)院材料科學(xué)與工程系教授 Elsa A. Olivetti 表示。她同時(shí)也是麻省理工學(xué)院新氣候項(xiàng)目脫碳任務(wù)的負(fù)責(zé)人。

Olivetti 是論文“The Climate and Sustainability Implications of Generative AI”的資深作者之一。該論文由 MIT 研究團(tuán)隊(duì)共同撰寫，作為該研究所范圍內(nèi)征集論文的一部分，旨在探討生成式 AI 對(duì)社會(huì)的變革潛力，包括其正面與負(fù)面影響。

高耗能的數(shù)據(jù)中心

數(shù)據(jù)中心的電力需求是生成式 AI 對(duì)環(huán)境影響的核心因素之一。這些中心承擔(dān)著訓(xùn)練和運(yùn)行深度學(xué)習(xí)模型的重任，為 ChatGPT、DALL-E 等廣受歡迎的 AI 工具提供支持。

數(shù)據(jù)中心是一種溫控建筑，內(nèi)部容納計(jì)算基礎(chǔ)設(shè)施，如服務(wù)器、數(shù)據(jù)存儲(chǔ)設(shè)備和網(wǎng)絡(luò)設(shè)備。例如，亞馬遜在全球運(yùn)營著 100 多個(gè)數(shù)據(jù)中心，每個(gè)數(shù)據(jù)中心約包含 50,000 臺(tái)服務(wù)器，用于支撐其龐大的云計(jì)算服務(wù)。

盡管數(shù)據(jù)中心的概念自 20 世紀(jì) 40 年代以來就已存在（1945 年，賓夕法尼亞大學(xué)建造了全球首個(gè)數(shù)據(jù)中心，以支持首臺(tái)通用數(shù)字計(jì)算機(jī) ENIAC）。如今，生成式 AI 的崛起大幅加快了數(shù)據(jù)中心的建設(shè)速度。

“生成式 AI 的獨(dú)特之處在于其極高的功率密度。本質(zhì)上，它仍然是計(jì)算，但一個(gè)用于訓(xùn)練生成式 AI 的計(jì)算集群所消耗的能源可能是典型計(jì)算工作負(fù)載的七到八倍。”麻省理工學(xué)院計(jì)算機(jī)科學(xué)與人工智能實(shí)驗(yàn)室博士后 Noman Bashir 解釋道。他同時(shí)是該研究論文的第一作者。

科學(xué)家估計(jì)，北美數(shù)據(jù)中心的電力需求已從 2022 年底的 2,688 兆瓦增長至 2023 年底的 5,341 兆瓦，其中部分增長歸因于生成式 AI 的需求。從全球來看，2022 年數(shù)據(jù)中心的總電力消耗達(dá) 460 太瓦時(shí)。根據(jù)經(jīng)濟(jì)合作與發(fā)展組織的數(shù)據(jù)，這一能耗足以使數(shù)據(jù)中心成為全球第 11 大用電實(shí)體，位列沙特阿拉伯（371 太瓦時(shí)）和法國（463 太瓦時(shí)）之間。

預(yù)計(jì)到 2026 年，數(shù)據(jù)中心的電力消耗將接近 1,050 太瓦時(shí)，屆時(shí)它們將成為全球第五大用電實(shí)體，僅次于日本和俄羅斯。

盡管數(shù)據(jù)中心的計(jì)算任務(wù)并非全部涉及生成式 AI，但這一技術(shù)已成為能源需求增長的主要驅(qū)動(dòng)力之一。

“新建數(shù)據(jù)中心的能源需求難以以可持續(xù)的方式滿足。各家公司建設(shè)數(shù)據(jù)中心的速度過快，這意味著其電力供應(yīng)仍然主要依賴化石燃料發(fā)電廠?！?Bashir 指出。

訓(xùn)練和部署大型 AI 模型，如 OpenAI 的 GPT-3 所需的電力難以精準(zhǔn)估算。然而，2021 年的一項(xiàng)研究表明，谷歌和加州大學(xué)伯克利分校的科學(xué)家估算僅 GPT-3 的訓(xùn)練過程就消耗了 1,287 兆瓦時(shí)的電力，這一用量足以支撐約 120 戶美國普通家庭一年的用電需求，并伴隨約 552 噸二氧化碳排放。

Bashir 解釋說，“盡管所有機(jī)器學(xué)習(xí)模型都需要經(jīng)過訓(xùn)練，但生成式 AI 面臨的獨(dú)特挑戰(zhàn)之一在于其訓(xùn)練過程的不同階段會(huì)導(dǎo)致能源消耗劇烈波動(dòng)?！?/span>

電網(wǎng)運(yùn)營商必須找到應(yīng)對(duì)這些波動(dòng)的方法以確保電網(wǎng)穩(wěn)定性。然而，通常用于平衡電力負(fù)載的方法是使用柴油發(fā)電機(jī)，這不僅增加了對(duì)化石燃料的依賴，還進(jìn)一步加劇了碳排放問題。

推理階段的能源影響持續(xù)增長

當(dāng)一個(gè)生成式 AI 模型完成訓(xùn)練后，其能源需求并不會(huì)隨之消失。

每次使用模型，例如用戶請(qǐng)求 ChatGPT 總結(jié)一封電子郵件，執(zhí)行這些操作的計(jì)算硬件都會(huì)消耗能源。研究人員估計(jì)，一次 ChatGPT 查詢所消耗的電力大約是一次普通網(wǎng)絡(luò)搜索的五倍。

“但普通用戶不會(huì)過多考慮這一點(diǎn)?！?Bashir 說道，“生成式 AI 界面的便捷性，以及用戶對(duì)其環(huán)境影響缺乏認(rèn)知，意味著我們不會(huì)去想如何減少對(duì)這項(xiàng)技術(shù)的使用?！?/span>

在傳統(tǒng) AI 中，能源消耗相對(duì)均勻地分布在數(shù)據(jù)處理、模型訓(xùn)練和推理三個(gè)階段。然而，Bashir 預(yù)計(jì)，生成式 AI 的推理階段未來將成為能源消耗的主導(dǎo)部分。隨著這些模型在越來越多的應(yīng)用中普及，且未來版本的模型變得更大、更復(fù)雜，推理所需的電力消耗也將持續(xù)增加。

盡管數(shù)據(jù)中心的電力需求在研究中受到廣泛關(guān)注，但這些設(shè)施的水資源消耗同樣帶來了顯著的環(huán)境影響。

冷卻數(shù)據(jù)中心通常需要大量冷卻水來吸收計(jì)算設(shè)備產(chǎn)生的熱量。據(jù) Bashir 估算，數(shù)據(jù)中心每消耗 1 千瓦時(shí)的能源，通常需要約 2 升水進(jìn)行冷卻。這種高強(qiáng)度的水資源消耗可能加劇當(dāng)?shù)氐乃Y源短缺，并對(duì)生態(tài)系統(tǒng)造成破壞。

“云計(jì)算這個(gè)名稱并不意味著這些硬件真的存在于云端。數(shù)據(jù)中心是現(xiàn)實(shí)世界中的實(shí)體設(shè)施，而它們的用水需求對(duì)生物多樣性有著直接和間接的影響。” Bashir 說道。

數(shù)據(jù)中心內(nèi)部的計(jì)算硬件本身也帶來了間接但顯著的環(huán)境影響。

盡管難以精確估算制造 GPU 所需的電力，但其能耗無疑高于更簡單的 CPU，因?yàn)?GPU 的制造工藝更加復(fù)雜。此外，GPU 的碳足跡還受到原材料運(yùn)輸和供應(yīng)鏈排放的疊加影響。

GPU 所使用的原材料開采過程同樣帶來了嚴(yán)重的環(huán)境影響。許多稀有金屬的開采涉及高污染的采礦作業(yè)，并且在提煉過程中可能使用有毒化學(xué)品，對(duì)生態(tài)環(huán)境造成長期破壞。

市場研究公司 TechInsights 估計(jì)，2023 年，三大主要 GPU 生產(chǎn)商英偉達(dá)、AMD 和英特爾向數(shù)據(jù)中心出貨了 385 萬塊 GPU，較 2022 年的 267 萬塊大幅增長。預(yù)計(jì) 2024 年的增長幅度將更為顯著。

Bashir 指出，當(dāng)前行業(yè)的發(fā)展路徑難以長期持續(xù)，但仍然可以通過推動(dòng)負(fù)責(zé)任的生成式 AI 發(fā)展來支持環(huán)境目標(biāo)。

他與 Olivetti 及其麻省理工學(xué)院的同事們認(rèn)為，要實(shí)現(xiàn)這一目標(biāo)，需要全面考量生成式 AI 的環(huán)境與社會(huì)成本，同時(shí)深入評(píng)估其潛在收益的真正價(jià)值。

“我們需要一種更有針對(duì)性的方法，以系統(tǒng)且全面地理解該領(lǐng)域新技術(shù)發(fā)展的影響。由于技術(shù)進(jìn)步的速度如此之快，我們尚未有足夠的時(shí)間來完善衡量和理解這些權(quán)衡取舍的能力?！?Olivetti 總結(jié)道。

原文鏈接：

https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117