人工智能與碳排放

李偉

ChatGPT這種大型人工智能（AI）語言模型在全球引起轟動，而直到現在才有更多的人注意到，訓練和運行AI模型，會產生驚人的碳排放量。那么，AI作為當下最火熱的新科技之一，與熱度同樣高的碳減排戰略存在矛盾嗎？

OpenAI公司開發的人工智能機械手

大型AI模型的碳排放

雖然OpenAI公司沒有公開其產品的能耗，但據第三方研究人員披露，ChatGPT的部分訓練過程（占投入應用前的全部訓練量的比例不明）消耗了1287兆瓦時的能量，并產生了超過550噸的碳排放量——這相當于一個人在美國紐約和舊金山兩地之間往返550次所產生的碳排放量。事實上，這只是ChatGPT模型在訓練時所產生的部分碳排放量。當大型AI模型投入應用時，將排放更多的碳。

加拿大數據中心QScale的聯合創始人馬丁·博切德指出，微軟和谷歌等大型科技公司為了滿足搜索引擎用戶日益增長的需求，紛紛在搜索服務中加入ChatGPT這類生成式AI系統，這會導致每次搜索任務增加4—5倍的計算量。另外，為了滿足客戶的需求，科技公司必須頻繁訓練AI模型，并添加更多的參數，計算量的規模就更大了。

根據國際能源署公布的數據，全球各國數據中心的溫室氣體排放量，已經占到全球溫室氣體總排放量的1%左右。隨著AI的發展和人們對云計算需求的增長，這一數字預計將繼續上升——大型AI模型，正在成為碳排放的一個重要來源。一邊是火熱的新科技，另一邊是關乎人類生存、發展的碳減排戰略，如何化解兩者之間的矛盾？

如何減少AI本身的碳排放

AI模型的訓練和運行過程要消耗大量能源。一個關鍵問題是，如何測算機器學習過程中會產生多少溫室氣體排放。在此基礎上，科研人員才能嘗試減少AI模型的碳排放。

作為大型科技廠商之一，谷歌公司認為，在信息技術領域，制造各種類型和規模的計算設備的成本，比機器學習的成本要高得多。因此，只要采用先進的技術和合理的模式削減AI系統的能耗，AI的發展與碳減排戰略之間的矛盾就可以化解。

谷歌公司新近公布了一項研究成果，詳細介紹了先進的AI語言模型的能源成本，以及如何有效減少其能源消耗量。谷歌的技術團隊開發了3種基本方法，這些方法目前已經在谷歌公司內部使用，任何使用谷歌云服務的機構也可以購買并使用。

首先是“模型法”。研究人員表示，選擇高效的模型架構至關重要，因為它可以提高模型的質量，同時將計算時間縮短一半。其次是“機器法”。與傳統處理器相比，使用專門用于AI訓練的處理器和系統，可以將效能提高2—5倍。最后是“云端法”。在大多數情況下，企業或機構的本地數據中心老舊、規模小。因此，新的節能冷卻和配電系統難以在本地數據中心推廣。谷歌提供的基于“云端”的數據中心，相當于全新的、定制的“倉庫”，具有與5萬臺本地服務器相當的能效，配備異常高效的能源系統。因此，由谷歌提供的“云端”而不是在本地進行計算，可以節省約50%的能源，從而減少碳排放。谷歌云還允許客戶選擇最清潔的能源，從而進一步削減碳排放。

綜上，基于改進的模型、特定用于機器學習的硬件和高效的云數據中心，可大幅削減AI系統的碳排放量。

谷歌公布的數據表明，AI機器學習訓練和運行所消耗的能量，在過去3年中僅占谷歌整體能源使用量的10%～15%。谷歌公司之所以能夠取得這樣的成果，除了運用上述3種先進的方法，軟件和硬件方面的支持也非常重要。

為了改進機器學習模型，谷歌采用了“神經架構搜索”（NAS）系統。每個“問題域+搜索空間”組合通常只須執行一次NAS，然后就可將生成的模型重復用于數百個應用程序。NAS的一次性能源成本，通常可以被持續使用的碳減排方法抵消。在硬件方面，谷歌傳統的數據中心使用諸如Nvidia P100等型號的GPU，其能耗較高。專門為AI系統開發的TPUv4等新一代硬件，性能比Nvidia P100提升了14倍。谷歌高效的云數據中心的能耗，只相當于普通數據中心的一半。

科技公司須關注碳減排

總體來看，由低碳能源驅動的新型數據中心，可將能耗減少到傳統數據中心的七百五十分之一。

作為服務提供商，谷歌可以指導用戶采取簡單的措施來提高其碳減排績效。工程師可以在最環保的數據中心中速度最快的處理器上訓練AI模型——這些數據中心往往部署在“云端”。

谷歌公司建議，科技公司中機器學習方面的研究人員，應專注于設計更高效的模型，并關注其能源消耗和碳排放。AI行業應鼓勵質量因素之外的“綠色競爭”，即確保新技術、新產品達到減排要求。

AI助力減少碳排放

據英國《經濟學人》雜志報道，盡管大型AI模型是碳排放大戶，但以AI為代表的前沿科技也在為碳減排做出貢獻。

以交通行業為例，在推動碳減排的過程中，使用以智能信控為主的緩堵型智能交通技術，可以有效提升城市主要路口的通行效率。一個千萬級人口的城市，每年可因此減排4.16萬噸——這相當于1.4萬輛私家車一年的碳排放量。

從目前的實踐來看，理解和實現碳減排的關鍵，是對碳減排的效果進行預測和監控。AI在節能減排中具有預測排放、監測排放、減少排放三個關鍵應用。據《經濟學人》報道，在預測方面，AI能夠根據當前碳減排的工作和需求情況，預測未來的碳排放量，同時進行指引。在監測方面，AI能實時跟蹤碳足跡，從采購、生產、銷售、運維、物流等全環節收集數據，提升監測的準確性。在減少碳排放方面，AI收集各環節數據后，能夠以全局視角對工作流程做出優化調整。

AI助力碳減排，目前在全球多個領域已有應用。在新能源領域，突出問題在于其具有波動性、隨機性、間歇性等特點。通過AI技術結合仿真計算，可對風、光、電的不穩定情況做場景預測。例如，結合風速、風向、光照強度等自然特征，對未來的發電量進行合理的預測，給電網設定更精準的發電計劃，將新能源的不確定性屏蔽在技術層面之下。又例如，水務公司的業務范圍包括取水、制水、供水、排水、污水處理、節水等。對于居民供水來說，水壓過大，所需的能耗較大，管網漏損率較高，可能會引發爆管事故；水壓過小，可能造成居民用水不便。為了解決這一問題，水務企業在地下部署硬件傳感器監測水壓，形成“水務大腦”，在保證安全、穩定供水的前提下，通過AI技術實現智能化調壓控制、能耗優化。

AI降碳技術也應用在電廠、工業園區等能源消耗量較大的業務場景中，對其用電需求進行精確預測和控制，進行耗電設備、碳足跡的優化。

AI技術的進步給人類帶來了諸多便利，但必須在發展中關注環境問題。未來AI如何實現可持續發展，以及如何更好地支撐“雙碳”領域的變革，是亟待相關行業共同解決的問題。

谷歌公司數據中心