《重新审视对人工智能能耗的担忧》
2024年1月29日，美国信息技术与创新基金会（ITIF）发布报告《重新审视对人工智能能耗的担忧》，概述当前一些批评者对AI技术能耗过大污染环境的推测，这些推测对政策的影响，重新审视了AI的能耗和未来几年的发展，并对政策制定者提出建议，以降低大众对AI能耗的担忧。元战略编译该报告重要内容，为探讨AI的能耗问题提供借鉴。
1
AI的能耗和碳排放问题
准确估算AI系统在其生命周期内的能源使用量和碳排放量具有挑战性，取决于诸多复杂因素，包括芯片、冷却系统、数据中心设计、软件、工作量和发电能源等。当前，已有一些研究试图量化AI系统当前和未来的能源需求和碳排放。不过一些初步估算陷入了与早期估算数字技术能源使用相同的陷阱，产生了误导性估算。这些研究通常将AI系统在其生命周期内所需的能源分为两个阶段：训练AI模型和使用AI模型。
（一）训练AI模型
马萨诸塞大学阿默斯特分校的研究人员在2019年估算了几个AI模型的碳排放量，研究发现，当时谷歌最先进的大语言模型BERT在使用64个高级图形处理器进行79小时训练的过程中排放了约1438磅二氧化碳。研究人员还估算了训练神经网络架构搜索（NAS）AI模型的碳排放量，研究人员估计，训练该模型产生了626155磅的二氧化碳的排放量。
针对2019年的研究，参与NAS模型的研究人员详细总结了他们工作中的能源使用和碳排放情况，并指出了外部研究人员的估算错误的原因。研究发现，实际排放量比先前研究的估计值小88倍。随后几年，研究人员发表了多项研究，估算了许多著名AI模型的训练能耗及其碳排放量。研究人员估计，训练GPT-3产生了552吨二氧化碳排放量。此外，AI模型的训练效率也在不断提高。最后，用于为开发人员训练AI模型的数据中心供电的能源组合也会影响其碳排放量。尽管有了这项新研究，但批评AI的团体在要求决策者减少对大规模计算资源的投资时，还是一再引用了最初的错误研究。
（二）使用AI模型
尽管政策制定者和媒体都在关注AI模型训练的能源成本，但多项研究认为，与AI系统相关的大部分能源成本都来自于使用AI模型。使用过程中的能耗受多种因素影响，包括任务类型和AI模型。不同的AI模型也有不同的能耗成本，在特定模型中，参数数量越多，使用AI模型所需的能耗通常越高。鉴于训练一个特定的AI模型会产生一次性成本，而使用一个AI模型则会持续消耗能量，因此AI所用的大部分能量最终都将来自使用AI模型。这也意味着，运行AI模型的能源需求将对AI系统的总体能耗产生重大影响。事实上随着时间的推移，性能和效率都有提高的趋势。最新的AI模型在设计上可能不会特别高效，因为研究人员正专注于性能的提升，但随着时间的推移，研究人员会解决效率问题。
2
AI能耗预测的误区
AI对未来能源需求的预测如此之高，原因之一是，它们使用了不准确或误导性的测量方法。另一个原因是，这些预测忽略了AI广泛商业化所带来的实际经济和技术现实。
（一）AI能耗受到经济因素限制
由于涉及成本，许多对AI能耗的估计都不切实际。购买更多芯片、建设更多数据中心以及为这些数据中心提供电力都很昂贵。企业是追求利润的企业，而计算是需要成本的。因此，它们不会长期提供运营成本高于收入的服务。要么使用AI的能源成本会降低，要么企业部署AI的方式会受到成本因素的限制。
（二）AI性能改进速度将随时间下降
在过去几年里，AI模型已经有了很大改进。虽然AI仍无法像人类一样完成许多任务，如抽象推理，但既然一些AI模型在许多基准测试中表现如此出色，那么在某些领域改进的机会就大大减少了。因此，许多开发人员可能会更专注于优化他们的AI模型，而不是在准确性上进行越来越小的改进，因为他们不会因为构建和运行更大的模型而获得投资回报
（三）未来创新将提高AI的能效
计算的历史就是一部不断创新的历史，而这些创新也延伸到了能效领域。例如，在过去十年中，全球数据中心的需求大幅增加，而数据中心的能源强度却每年下降约20%。2010年至2018年间，全球数据中心的计算实例增加了550%，存储容量增加了2400%，但全球数据中心的能源使用量仅增加了6%。这些能源效率的提高来自硬件、虚拟化和数据中心设计的改进，它们是云计算能够扩展的部分原因。类似的趋势已经出现在AI领域。
（四）AI的能源足迹忽略了替代效应
如果不考虑技术的替代效应，讨论AI系统的能源使用趋势可能会产生误导。许多数字技术通过用移动的比特取代移动的原子来帮助经济去碳化。例如，发送电子邮件取代了邮寄信件，流媒体电影取代了租借DVD，参加视频会议取代了亲临现场参加会议。随着时间的推移，AI也将产生类似的影响，既能使许多活动进一步数字化（如提高视频通话的质量），又能利用AI比使用人力更高效地完成任务。研究结果表明，在其他条件相同的情况下，使用AI替代人力在某些情况下可以减少碳排放。
3
AI的能耗与气候变化
AI将在应对气候变化方面
发挥重要作用
利用AI减少碳排放、支持清洁能源技术和应对气候变化的方式有很多，这些方式横跨多个行业，包括交通、农业和能源部门。例如，通过使用数据点预测供需情况，AI对于将风能和太阳能等可再生能源整合到电网中至关重要。AI还能帮助理解来自传感器和卫星的复杂气候数据，从而做出更好的预测并应对气候变化的风险。同样，农民可以利用AI进行精准农业，减少化肥和水的使用，降低相关的环境成本。目前，企业、政府和消费者都在利用AI提高运营效率。
AI的能源使用
不存在独特的市场失灵问题
任何使用能源的活动都会对环境造成影响，AI对能源的使用也不例外。然而，AI对能源的使用并不存在市场失灵问题，不会比其他使用方式对环境造成更大的影响。AI使用的每千瓦时能源与看电视、用微波炉加热爆米花、为电灯或任何其他活动使用的每千瓦时能源并无不同。事实上，在许多情况下，AI应用将被用来替代能效较低的活动和应对气候变化。
4
决策者应如何解决AI能源使用问题
在环境问题上，决策者可以采取一些合理的措施来确保AI成为解决方案的一部分，而不是问题的一部分。为此，决策者应采取以下措施：
为AI模型制定能源透明度标准
决策者应支持为AI模型（包括训练和推理）制定能源透明度标准。例如，在美国，国家标准与技术研究院应与能源部合作，为评估训练和推理的能源成本制定推荐的最佳实践。例如，该标准可包括一套基准测试和硬件，以提供不同模型的可比能源性能指标。
寻求对基础模型能源透明度的自愿承诺
虽然制定AI模型的透明度标准会有所帮助，但领先的AI公司采用这些标准并公开披露这些信息也很重要。政府应继续与大型科技公司对话，寻求它们自愿承诺公开披露训练和运行这些基础模型所需的能源以及相关的碳排放，尤其是基于云的AI服务提供商。公开这些信息可以让基础模型的用户在决定使用哪种AI服务时考虑到AI的环境足迹。
考虑AI法规对能源使用的意外后果
许多政策制定者呼吁开发者确保其AI模型最大限度地减少偏见、避免仇恨言论、限制私人信息的披露，并与其他通常有价值的目标保持一致。在许多情况下，开发者都在积极创建模型并建立保障措施来解决这些问题，因为他们有强烈的市场动机这样做。然而，决策者很少考虑到他们的要求会提高训练和使用AI模型的能耗要求。同样，实施保障措施以检查大语言模型不返回有害输出（如攻击性言论），也会导致推理过程中的额外计算成本。反之亦然：对高能效AI模型的强制要求可能会造成权衡取舍，导致AI模型的公平性降低，偏向性增加。问题的关键并不是决策者永远都不应该监管任何AI系统，而是他们应该避免在充分了解其决策的影响之前贸然监管。
利用AI实现政府运作的低碳化
AI为提高政府服务的质量和效率提供了重要机会，在各级政府机构中广泛采用AI应成为政策制定者的主要优先事项。此外，AI还可以通过更高效的数字服务、智能城市和建筑、智能交通系统以及其他AI支持的效率，帮助公共部门减少碳排放。
免责声明：本文转自XXX，原作者Allen Wang。文章内容系原作者个人观点，本公众号编译/转载仅为分享、传达不同观点，如有任何异议，欢迎联系我们！
转自丨元战略
作者丨Allen Wang
研究所简介
国际技术经济研究所（IITE）成立于1985年11月，是隶属于国务院发展研究中心的非营利性研究机构，主要职能是研究我国经济、科技社会发展中的重大政策性、战略性、前瞻性问题，跟踪和分析世界科技、经济发展态势，为中央和有关部委提供决策咨询服务。“全球技术地图”为国际技术经济研究所官方微信账号，致力于向公众传递前沿技术资讯和科技创新洞见。
地址：北京市海淀区小南庄20号楼A座
电话：010-82635522
微信：iite_er