與2020年基線相比，微軟2023年的直接排放和能源相關排放減少了6.3%。然而，其供應鏈排放——占總排放的絕大部分——增加了30.9%。

能源和碳排成為AI發展的約束邊界

AI要依靠大量算力，這是人所共知的事實。但最近，當AI業界大佬們拋出“AI的盡頭是能源/電力”這個觀點時，仍然讓市場大吃一驚。

AI究竟有多耗能呢？研究顯示，AI大語言模型ChatGPT每天要響應用戶約2億個請求，消耗超過50萬千瓦時的電力。相比之下，一個家庭平均每天用電約29千瓦時，也就是說，chatGPT每天的用電量是家庭用電量的1.7萬多倍。

圖：AI大模型使搜索引擎的耗電量激增

隨著生成式人工智能模型變得更加復雜和要求更高，它們消耗的電量也越來越多，隨之而來的就是高排放。

AI大模型，正在成為碳排放的一個重要來源。

要減排，砸錢還是砸技術

盡管AI大模型是碳排放大戶，但以AI為代表的前沿科技也正在為降碳減排做出貢獻。

盡管AI大模型是碳排放大戶，但以AI為代表的前沿科技也正在為降碳減排做出貢獻。

首先是購買可再生能源電力和購買碳信用。從2010到2022年，谷歌簽署了80多份協議，涉及總計約10千兆瓦的清潔能源發電量。

微軟早在2012年就在購買環境權益，并提出了要在2025年企業范圍內實現近零排放。微軟本月更是表示，將支持由Brookfield Asset Management開發的估計價值100億美元的可再生電力項目，作為其將清潔能源目標與AI雄心結合的努力的一部分。

除了外在的抵消，人工智能自身的減排更重要，目前有幾種方法。

一種是負載轉移策略，人工智能發展水平高的公司數據中心也遍布各地，谷歌通過復雜的算法識別出電網上太陽能和風能過剩的區域，然后戰略性地加強這些區域的數據中心運營。甚至將某些數據中心與零碳源按小時進行匹配，力求實現全天候使用清潔能源供電。

另一種方法是綠色加速分析技術，比如英偉達新設計的一款加速數據分析軟件Apache Spark可以將成本和排放量減少80%。原理是提高軟件本身的計算速度，原本需要一個月處理的數據5個小時就處理完了，能耗自然就大大降低了，用這種綠色計算訓練人工智能可將成本降低90%。

總之，AI技術的進步給人類帶來了諸多便利，其爆發式發展必定帶來用電量的劇增，但也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AI如何更好地支撐雙碳領域的變革，仍是亟需各行業共同解決的問題。