作者：Arm 可持續發展主管 Maureen McDonagh

隨著人工智能 (AI) 持續為行業和社會帶來變革，如何平衡其快速增長與環境責任的緊迫性已成為關鍵考量。誠然 AI 會致使巨大的能源需求，但它也可以成為應對更廣泛的可持續發展挑戰的工具。因此，為了善用 AI 的潛力，并減輕其潛在缺點的影響，行業必須在開發、部署和使用中采用可持續的實踐方式，同時探索有效利用 AI 的方法，以減輕對整個社會的環境影響。

AI 的能源需求和環境成本

AI 的發展助長了能源需求的激增，尤其是在處理 AI 訓練和推理的數據中心中。根據德勤的報告指出，到 2030 年，全球數據中心的電力消耗量預計將再增加兩倍，其中 AI 是該增長的主要原因。

訓練大型模型涉及大量的算力。同時，據估計，推理（將這些模型應用于新數據）的能源密集度是傳統計算查詢的十倍。

能源需求的增加不僅會提高成本，而且還加大了溫室氣體 (GHG) 排放，這可能會加劇氣候變化的影響。如果不采取有效措施，AI 帶來的能源消耗可能會使世界進一步偏離氣候目標，預測顯示全球氣溫將上升 2°C 以上。

然而，這不僅適用于碳排放。新的模型顯示，如果沒有有效的減少廢物策略，到 2030 年，生成式 AI 可能會導致電子垃圾增加 1,000 倍。事實上，這項研究表明，如果不采取減少措施，到 2030 年，電子垃圾每年可能會增加多達 250 萬噸。

更環保的 AI 技術棧

為了顯著減少 AI 對環境的影響，行業必須將可持續性嵌入 AI 系統的每一層（從硬件到軟件），同時支持更廣泛的能源轉型。

效率可以整合到技術堆棧的所有級別（包括從基礎硬件到軟件），涵蓋以下領域：

可針對 AI 和能效進行優化的 CPU 和 GPU 設計；

創新的芯片設計，利用 3D 芯片架構和內存層次結構，以大幅減少數據傳輸和能耗；

探索創新材料以取代對環境影響較大的材料；

邊緣計算的創新實現了高性能、高能效的 AI 解決方案；

專注于高效的軟件設計，包括利用軟件碳強度等概念來確保從設計伊始就考慮到可持續性。

除了堆棧之外，還有許多舉措可以支持更可持續發展的 AI 技術。

首先，將 AI 推理工作負載的處理轉移到邊緣側設備，能夠顯著降低與向云端傳輸數據相關的能源成本。在更靠近數據源的地方（例如在本地設備或服務器上）處理 AI 工作負載，還可以減少延遲和能量傳輸損失。這對于網絡連接受限的區域尤其相關，因為邊緣 AI 處理能夠實現對環境影響較小的本地 AI 應用。為了簡化邊緣 AI 處理，可以應用模型壓縮和修剪等技術，在不犧牲性能的情況下減少計算負載。

其次，有一些方法可以優化 AI 訓練工作負載以限制其對環境的影響。例如，可以將 AI 訓練安排在電網需求較低的時段進行，以穩定能源使用，或者可以將 AI 工作負載轉移到可再生能源豐富的地區和時段。

最后，可以實施各種綠色編碼實踐，編寫經過優化、資源高效的代碼可以減少計算需求。

AI 助力可持續發展

AI 本身是可持續實踐的強大賦能者，為能源優化、氣候適應和減排提供解決方案，這在更廣泛的凈零轉型中尤為重要。

AI 改進了對太陽能和風能等可再生能源的預測，從而優化了電網運營，并提高了儲能性能。它還通過預測峰值需求和減少能源損失，達成電網效率的實現。

對于氣候變化，AI 可以改進氣候建模。AI 驅動的工具已經為自然災害提供早期預警系統，例如聯合國兒童基金會在馬拉維的基于 Arm 技術的 AI 洪水建模軟件。這印證了 AI 用于減輕氣候風險的能力，有助于挽救生命和縮短災后恢復時間。

最后，AI 驅動的創新可以通過優化供應鏈和加強運輸系統來減少關鍵部門的浪費和排放。

針對可持續發展 AI 的領導力、政策和合作伙伴關系

可持續發展的 AI 未來需要政府、行業和學術界的協調努力，例如：Arm 等企業與聯合國機構和其他相關方合作，正在推動以氣候為重點的 AI 解決方案舉措。在標準化方面，包括 AWS、Microsoft 和 Google 在內的全球大型技術公司都在倡導環境產品聲明，以評估和減少數據中心基礎設施中的隱含排放。

行業現在需如何行動

AI 行業擁有獨特的機會和責任，需要以身作則。通過優先考慮可持續性，來印證技術創新和環境管理并不是相互排斥的，例如：

投資可再生能源為 AI 運營提供動力；

在高能效硬件和軟件方面進行創新；

倡導符合全球氣候目標的綠色 AI 實踐。

這種方法將確保負責任地利用 AI 的變革潛力，從而推動造福人類和地球的進步。通過大膽的承諾和協作行動，行業可以定義一個未來，讓 AI 加速解決當今挑戰。