近日，浙江大学的张萌研究员团队在Frontiers of Environmental Science & Engineering期刊第18卷第12期上发表了题为“Revisit the environmental impact of artificial intelligence: the overlooked carbon emission source?”的观点类论文。

本文重新审视了人工智能（AI）对环境的影响，特别是其作为可能被忽视的碳排放来源的问题。通过对79个AI系统的碳排放进行量化分析，研究揭示了AI系统在研发和使用过程中的能源消耗和碳足迹，强调了AI相关碳排放环境效应的重要性，并呼吁建立适当的标准来衡量和降低与AI系统相关的碳排放，从而为AI的发展建立更可持续的未来。

研究假设GPU是训练过程中的主要计算硬件，并根据Epoch AI提供的数据计算了总训练时间。然后，根据GPU的峰值计算能力、利用率以及热设计功率来计算单次训练运行的电力消耗。最后，基于电力生产的碳强度（以煤炭为能源来源）计算二氧化碳排放量。

以单次训练运行所需的能源为例，调查了2021年至2024年期间发布的碳排放量最高的20个AI系统。结果发现，这些系统单次训练运行的总能源消耗达108,022,418 kWh，产生的碳排放可达102,621吨CO₂eq。特别是Google在2023年发布的Gemini Ultra模型，单次训练运行的碳排放量高达37,620吨CO₂eq，占所研究AI系统自2021年以来总碳排放量的36.7%。此外，GPT-4的碳排放量也激增到21,660吨CO₂eq，比其前代模型GPT-3.5增加了12倍。随着AI技术的快速发展，碳排放量将继续大幅增长。随着碳税等政策的实施，这将产生超过100亿美元/年的碳排放成本，对环境市场产生不可忽视的影响。

图2 单次训练碳排放量排名前20位的人工智能系统

AI作为当今最具颠覆性的技术之一，在学术界和工业界都带来了革命性的变化。然而，这也将触发AI模型的持续迭代升级，导致计算力、能源消耗和碳排放的指数级增长。因此，必须重新审视AI背后的碳排放问题。为实现“零排放”世界，AI的碳排放需要制定量化的标准方法体系，建立与AI模型相关的总碳排放量和碳排放强度等指标，并据此设置排放限额等。这些也应引起政策制定者关注的重点，并通过实施必要的措施，激励行业采用更环保的实践、技术和可持续能源。为实现这些目标，AI与环境领域应加强研究合作，以应对未来可能出现的矛盾和挑战，推动AI的可持续发展。