随着人工智能 (AI) 持续为行业和社会带来变革，如何平衡其快速增长与环境责任的紧迫性已成为关键考量。诚然 AI 会致使巨大的能源需求，但它也可以成为应对更广泛的可持续发展挑战的工具。因此，为了善用 AI 的潜力，并减轻其潜在缺点的影响，行业必须在开发、部署和使用中采用可持续的实践方式，同时探索有效利用 AI 的方法，以减轻对整个社会的环境影响。
AI 的能源需求和环境成本
AI 的发展助长了能源需求的激增，尤其是在处理 AI 训练和推理的数据中心中。根据德勤的报告指出，到 2030 年，全球数据中心的电力消耗量预计将再增加两倍，其中 AI 是该增长的主要原因。
训练大型模型涉及大量的算力。同时，据估计，推理（将这些模型应用于新数据）的能源密集度是传统计算查询的十倍。
能源需求的增加不仅会提高成本，而且还加大了温室气体 (GHG) 排放，这可能会加剧气候变化的影响。如果不采取有效措施，AI 带来的能源消耗可能会使世界进一步偏离气候目标，预测显示全球气温将上升 2°C 以上。
然而，这不仅适用于碳排放。新的模型显示，如果没有有效的减少废物策略，到 2030 年，生成式 AI 可能会导致电子垃圾增加 1,000 倍。事实上，这项研究表明，如果不采取减少措施，到 2030 年，电子垃圾每年可能会增加多达 250 万吨。
更环保的 AI 技术栈
为了显著减少 AI 对环境的影响，行业必须将可持续性嵌入 AI 系统的每一层（从硬件到软件），同时支持更广泛的能源转型。
效率可以整合到技术堆栈的所有级别（包括从基础硬件到软件），涵盖以下领域：
● 可针对 AI 和能效进行优化的 CPU 和 GPU 设计；
● 创新的芯片设计，利用 3D 芯片架构和内存层次结构，以大幅减少数据传输和能耗；
● 探索创新材料以取代对环境影响较大的材料；
● 边缘计算的创新实现了高性能、高能效的 AI 解决方案；
● 专注于高效的软件设计，包括利用软件碳强度等概念来确保从设计伊始就考虑到可持续性。
除了堆栈之外，还有许多举措可以支持更可持续发展的 AI 技术。
首先，将 AI 推理工作负载的处理转移到边缘侧设备，能够显著降低与向云端传输数据相关的能源成本。在更靠近数据源的地方（例如在本地设备或服务器上）处理 AI 工作负载，还可以减少延迟和能量传输损失。这对于网络连接受限的区域尤其相关，因为边缘 AI 处理能够实现对环境影响较小的本地 AI 应用。为了简化边缘 AI 处理，可以应用模型压缩和修剪等技术，在不牺牲性能的情况下减少计算负载。
其次，有一些方法可以优化 AI 训练工作负载以限制其对环境的影响。例如，可以将 AI 训练安排在电网需求较低的时段进行，以稳定能源使用，或者可以将 AI 工作负载转移到可再生能源丰富的地区和时段。
最后，可以实施各种绿色编码实践，编写经过优化、资源高效的代码可以减少计算需求。
AI 助力可持续发展
AI 本身是可持续实践的强大赋能者，为能源优化、气候适应和减排提供解决方案，这在更广泛的净零转型中尤为重要。
AI 改进了对太阳能和风能等可再生能源的预测，从而优化了电网运营，并提高了储能性能。它还通过预测峰值需求和减少能源损失，达成电网效率的实现。
对于气候变化，AI 可以改进气候建模。AI 驱动的工具已经为自然灾害提供早期预警系统，例如联合国儿童基金会在马拉维的基于 Arm 技术的 AI 洪水建模软件。这印证了 AI 用于减轻气候风险的能力，有助于挽救生命和缩短灾后恢复时间。
最后，AI 驱动的创新可以通过优化供应链和加强运输系统来减少关键部门的浪费和排放。
针对可持续发展 AI 的领导力、政策和合作伙伴关系
可持续发展的 AI 未来需要政府、行业和学术界的协调努力，例如：Arm 等企业与联合国机构和其他相关方合作，正在推动以气候为重点的 AI 解决方案举措。在标准化方面，包括 AWS、Microsoft 和 Google 在内的全球大型技术公司都在倡导环境产品声明，以评估和减少数据中心基础设施中的隐含排放。
行业现在需如何行动
AI 行业拥有独特的机会和责任，需要以身作则。通过优先考虑可持续性，来印证技术创新和环境管理并不是相互排斥的，例如：
● 投资可再生能源为 AI 运营提供动力；
● 在高能效硬件和软件方面进行创新；
● 倡导符合全球气候目标的绿色 AI 实践。
这种方法将确保负责任地利用 AI 的变革潜力，从而推动造福人类和地球的进步。通过大胆的承诺和协作行动，行业可以定义一个未来，让 AI 加速解决当今挑战。
