雖然人工智能(AI)的崛起可能給眾多領域帶來革命性變化，並釋放出前所未有的經濟機遇，但其能源密集性卻也引發了嚴重的環境關切。為此有些科技企業提倡節儉的AI實踐並支援以降低能耗為重點的研究。但這種做法卻並未解決該行業能源需求不斷增大的根本問題。
開發、訓練和部署大型語言模型是一個需要大量算力的能源密集型過程。隨着AI廣泛應用，數據中心的耗電量激增，與之相關的能源需求預計到2026年將翻一番。
數據中心的能耗已經佔據了全球總能耗的1%至2%，與航空業大致相當。在愛爾蘭，數據中心2023年的耗電量高達全國總耗電量的21%。隨着工業和居民轉向電氣化以減少溫室氣體排放，不斷增長的AI需求給電網和能源市場都帶來了巨大壓力。不出所料，愛爾蘭電網運營商EirGrid已在2028年以前暫停在都柏林興建新數據中心，而德國、新加坡和中國等也對新數據中心項目下達了限制。
為了減輕各類新興技術對環境的影響，科技行業已開始推廣節儉AI的概念，包括提高對AI碳足跡的認識，鼓勵最終使用者、學術界和企業，為任何特定任務選擇最為節能的模式。
但儘管促進更有意識地使用AI的努力很有價值，但只關注用戶行為忽略了一個關鍵事實：供應商才是AI能耗的主要驅動力。目前模型架構、數據中心效率和電力相關排放等因素對AI的碳足跡影響最大。而隨着技術的發展個人用戶對其可持續性的影響將日益縮小，尤其是在AI模型愈來愈多地被嵌入大型應用的情況下，終端使用者就更難分辨哪些操作會觸發資源密集型進程了。
代理式人工智慧也就是多個獨立系統通過協作來解決各類複雜問題，其興起進一步加劇了這些挑戰。雖然專家們將其視為AI發展的下一個風口，但這種交互動作所需的算力甚至超過了當今最先進的大型語言模型，並可能會加劇該技術對環境的影響。
此外，由於行業缺乏透明度，將減少AI碳足跡的責任轉嫁給用戶只會適得其反。大多數雲提供商尚未完全披露與生成式AI具體相關的排放資料，因此很難評估其AI應用對環境的影響。
對此一個更有效的做法，是讓AI提供商向消費者提供詳細的排放資料。提高透明度將在讓用戶有能力做出明智決定的同時，鼓勵供應商開發更節能的技術。有了排放資料，消費者就可以對AI應用進行比較，為特定任務選擇最節能的模式。如果從一開始就可以明確總體影響，企業也能更容易地選擇一個傳統IT解決方案，而非能源密集型的生成式AI系統。通過共同努力，AI企業和消費者可以在AI的潛在效益和環境成本之間取得平衡。
節儉的AI當然可能提高一些能效，然而卻並不能解決AI對能源的無盡需求這一核心問題。通過提升能源消耗透明度、共用全面的排放資料，以及為AI模型制定標準化指標，企業可以説明客戶優化自身碳預算並採用各類更可持續的操作。
在這方面汽車行業就為提高AI開發中的能源透明度提供一個有用模式。通過標注汽車的能源效率，汽車製造商可以讓買家做出更可持續的選擇。生成式AI供應商可以採用類似方法去建立標準化指標以反映其模型對環境的影響。其中一個指標可以是針對每一個權杖的耗電量，因為它量化了一個AI模型處理一個文本單位所需的能量。
正如燃油效率標準能讓汽車購買者對不同車型進行比較並問責製造商那樣，企業和個人使用者在部署AI模型前也需要可靠的工具來評估其對環境的影響。通過引入透明的衡量標準，科技企業不僅可以引導行業進行更可持續的創新，還能確保AI有助於應對而非助長氣候變化。
Copyright: Project Syndicate, 2025.
www.project-syndicate.org
