ChatGPT这种大型人工智能（AI）语言模型在全球引起轰动，而直到现在才有更多的人注意到，训练和运行AI模型，会产生惊人的碳排放量。那么，AI作为当下最火热的新科技之一，与热度同样高的碳减排战略存在矛盾吗？

虽然OpenAI公司没有公开其产品的能耗，但据第三方研究人员披露，ChatGPT的部分训练过程（占投入应用前的全部训练量的比例不明）消耗了1287兆瓦时的能量，并产生了超过550吨的碳排放量——这相当于一个人在美国纽约和旧金山两地之间往返550次所产生的碳排放量。事实上，这只是ChatGPT模型在训练时所产生的部分碳排放量。当大型AI模型投入应用时，将排放更多的碳。

加拿大数据中心QScale的联合创始人马丁·博切德指出，微软和谷歌等大型科技公司为了满足搜索引擎用户日益增长的需求，纷纷在搜索服务中加入ChatGPT这类生成式AI系统，这会导致每次搜索任务增加4—5倍的计算量。另外，为了满足客户的需求，科技公司必须频繁训练AI模型，并添加更多的参数，计算量的规模就更大了。

根据国际能源署公布的数据，全球各国数据中心的温室气体排放量，已经占到全球温室气体总排放量的1%左右。随着AI的发展和人们对云计算需求的增长，这一数字预计将继续上升——大型AI模型，正在成为碳排放的一个重要来源。一边是火热的新科技，另一边是关乎人类生存、发展的碳减排战略，如何化解两者之间的矛盾？

AI模型的训练和运行过程要消耗大量能源。一个关键问题是，如何测算机器学习过程中会产生多少温室气体排放。在此基础上，科研人员才能尝试减少AI模型的碳排放。

作为大型科技厂商之一，谷歌公司认为，在信息技术领域，制造各种类型和规模的计算设备的成本，比机器学习的成本要高得多。因此，只要采用先进的技术和合理的模式削减AI系统的能耗，AI的发展与碳减排战略之间的矛盾就可以化解。

谷歌公司新近公布了一项研究成果，详细介绍了先进的AI语言模型的能源成本，以及如何有效减少其能源消耗量。谷歌的技术团队开发了3种基本方法，这些方法目前已经在谷歌公司内部使用，任何使用谷歌云服务的机构也可以购买并使用。

首先是“模型法”。研究人员表示，选择高效的模型架构至关重要，因为它可以提高模型的质量，同时将计算时间缩短一半。其次是“机器法”。与传统处理器相比，使用专门用于AI训练的处理器和系统，可以将效能提高2—5倍。最后是“云端法”。在大多数情况下，企业或机构的本地数据中心老旧、规模小。因此，新的节能冷却和配电系统难以在本地数据中心推广。谷歌提供的基于“云端”的数据中心，相当于全新的、定制的“仓库”，具有与5万台本地服务器相当的能效，配备异常高效的能源系统。因此，由谷歌提供的“云端”而不是在本地进行计算，可以节省约50%的能源，从而减少碳排放。谷歌云还允许客户选择最清洁的能源，从而进一步削减碳排放。

综上，基于改进的模型、特定用于机器学习的硬件和高效的云数据中心，可大幅削减AI系统的碳排放量。

谷歌公布的数据表明，AI机器学习训练和运行所消耗的能量，在过去3年中仅占谷歌整体能源使用量的10%~15%。谷歌公司之所以能够取得这样的成果，除了运用上述3种先进的方法，软件和硬件方面的支持也非常重要。

为了改进机器学习模型，谷歌采用了“神经架构搜索”（NAS）系统。每个“问题域 搜索空间”组合通常只须执行一次NAS，然后就可将生成的模型重复用于数百个应用程序。NAS的一次性能源成本，通常可以被持续使用的碳减排方法抵消。在硬件方面，谷歌传统的数据中心使用诸如Nvidia P100等型号的GPU，其能耗较高。专门为AI系统开发的TPUv4等新一代硬件，性能比Nvidia P100提升了14倍。谷歌高效的云数据中心的能耗，只相当于普通数据中心的一半。

总体来看，由低碳能源驱动的新型数据中心，可将能耗减少到传统数据中心的七百五十分之一。

作为服务提供商，谷歌可以指导用户采取简单的措施来提高其碳减排绩效。工程师可以在最环保的数据中心中速度最快的处理器上训练AI模型——这些数据中心往往部署在“云端”。

谷歌公司建议，科技公司中机器学习方面的研究人员，应专注于设计更高效的模型，并关注其能源消耗和碳排放。AI行业应鼓励质量因素之外的“绿色竞争”，即确保新技术、新产品达到减排要求。

据英国《经济学人》杂志报道，尽管大型AI模型是碳排放大户，但以AI为代表的前沿科技也在为碳减排做出贡献。

以交通行业为例，在推动碳减排的过程中，使用以智能信控为主的缓堵型智能交通技术，可以有效提升城市主要路口的通行效率。一个千万级人口的城市，每年可因此减排4.16万吨——这相当于1.4万辆私家车一年的碳排放量。

从目前的实践来看，理解和实现碳减排的关键，是对碳减排的效果进行预测和监控。AI在节能减排中具有预测排放、监测排放、减少排放三个关键应用。据《经济学人》报道，在预测方面，AI能够根据当前碳减排的工作和需求情况，预测未来的碳排放量，同时进行指引。在监测方面，AI能实时跟踪碳足迹，从采购、生产、销售、运维、物流等全环节收集数据，提升监测的准确性。在减少碳排放方面，AI收集各环节数据后，能够以全局视角对工作流程做出优化调整。

AI助力碳减排，目前在全球多个领域已有应用。在新能源领域，突出问题在于其具有波动性、随机性、间歇性等特点。通过AI技术结合仿真计算，可对风、光、电的不稳定情况做场景预测。例如，结合风速、风向、光照强度等自然特征，对未来的发电量进行合理的预测，给电网设定更精准的发电计划，将新能源的不确定性屏蔽在技术层面之下。又例如，水务公司的业务范围包括取水、制水、供水、排水、污水处理、节水等。对于居民供水来说，水压过大，所需的能耗较大，管网漏损率较高，可能会引发爆管事故；水压过小，可能造成居民用水不便。为了解决这一问题，水务企业在地下部署硬件传感器监测水压，形成“水务大脑”，在保证安全、稳定供水的前提下，通过AI技术实现智能化调压控制、能耗优化。

AI降碳技术也应用在电厂、工业园区等能源消耗量较大的业务场景中，对其用电需求进行精确预测和控制，进行耗电设备、碳足迹的优化。

AI技术的进步给人类带来了诸多便利，但必须在发展中关注环境问题。未来AI如何实现可持续发展，以及如何更好地支撑“双碳”领域的变革，是亟待相关行业共同解决的问题。