微软、谷歌云、IBM 和戴尔如何致力于减少人工智能对气候的危害

许多公司的目标是利用人工智能来衡量与可持续发展相关的影响，例如天气和能源使用，但很少有人首先谈论减轻人工智能耗水和耗电的性质。 可持续地运行生成式人工智能可以减少气候变化的一些影响，并且对于那些希望为地球做出积极贡献的投资者来说是件好事。

本文将研究生成式人工智能工作负载和流程对环境的影响，以及一些科技巨头如何解决这些问题。 我们与戴尔、谷歌云、IBM 和微软进行了交谈。

生成式人工智能消耗多少能源，这种使用可能产生什么影响？

生成人工智能消耗多少能量取决于物理位置、模型大小、训练强度等因素。 过度能源使用会导致干旱、动物栖息地丧失和气候变化。

来自微软、Hugging Face、艾伦人工智能研究所和多所大学的研究人员团队 提出了一个标准 2022 年。使用它，他们发现在 8 个 NVIDIA V100 GPU 上训练一个小型语言转换器模型 36 小时使用了 37.3 kWh。 这意味着多少碳排放在很大程度上取决于进行训练的地区，但平均而言，训练语言模型排放的二氧化碳大约与使用一加仑汽油的二氧化碳一样多。 仅训练理论大型模型（一个 60 亿参数的语言模型）的一小部分，所排放的二氧化碳量相当于为家庭供电一年所排放的二氧化碳量。

另一项研究发现 AI 技术每年消耗的电量可能达到 29.3 太瓦时 — 与爱尔兰全国使用的电量相同。

加州大学河滨分校电气与计算机工程副教授 Shaolei Ren 在接受采访时表示，使用 GPT-3 进行约 10 到 50 条回复的对话会消耗半升淡水。 耶鲁环境 360。

《巴伦周刊》报道称，SpaceX 和特斯拉大亨埃隆·马斯克 (Elon Musk) 在 2024 年 2 月的博世 ConnectedWorld 会议上建议： 生成式人工智能芯片可能导致电力短缺。

生成式人工智能的能源使用取决于数据中心

消耗的能源或产生的排放量在很大程度上取决于数据中心的位置、一年中的时间和一天中的时间。

客户创新负责人 Alyson Freeman 表示：“训练人工智能模型可能会消耗大量能源，但能源和资源消耗取决于人工智能工作负载的类型、运行这些工作负载的技术、数据中心的年龄以及其他因素。”戴尔的可持续发展和 ESG。

Gartner高级总监分析师Nate Suda在发给TechRepublic的电子邮件中指出，区分数据中心的能源、数据中心的电力使用效率以及大型语言模型硬件中的嵌入式排放非常重要。

与在自己的数据中心从头开始创建法学硕士的组织相比，托管法学硕士的数据中心可能相对节能，因为超大规模企业“在低碳电力和高效数据中心方面进行了实质性投资”，​​苏达说。

另一方面，越来越高效的大型数据中心可以启动 杰文斯效应，其中减少一项技术所需的资源量会增加需求，从而增加总体资源使用量。

科技巨头如何解决人工智能在电力使用方面的可持续性问题？

许多科技巨头都有可持续发展目标，但专门针对生成型人工智能和电力使用的科技巨头却很少。 对于 Microsoft 来说，目标之一是为所有数据中心和设施提供 100% 额外的新可再生能源发电。 此外，微软还强调与可再生能源项目的购电协议。 在购电协议中，客户协商未来五到二十年的预设能源价格，为公用事业公司提供稳定的收入来源，并为客户提供固定价格。

微软数据中心研究总监 Sean James 在给 TechRepublic 的电子邮件中表示：“我们还在研究解决方案，使数据中心能够向电网提供能源容量，以便在高需求时期为当地能源供应做出贡献。”

“不要用大锤敲开坚果”

IBM 正在通过“回收”人工智能模型来解决围绕生成型人工智能的可持续电力使用问题； 这是麻省理工学院开发的一项技术，其中较小的模型“生长”，而不是必须从头开始训练较大的模型。

IBM 可持续发展软件全球负责人克里斯蒂娜·希姆 (Christina Shim) 在给 TechRepublic 的电子邮件中表示：“组织肯定有办法获得人工智能的好处，同时最大限度地减少能源消耗。” “模型的选择非常重要。 使用基础模型与从头开始训练新模型有助于在较长的使用周期中“摊销”能源密集型训练。 使用在正确数据上训练的小型模型更加节能，并且可以获得相同或更好的结果。 不要用大锤来敲开坚果。”

减少数据中心生成式人工智能能源消耗的方法

减少生成式人工智能能源使用的一种方法是确保运行它的数据中心使用更少的能源； 这可能涉及新颖的加热和冷却方法或其他方法，其中包括：

• 可再生能源，例如来自风能、太阳能或地热能等可持续能源的电力。
• 从柴油备用发电机切换到电池供电发电机。
• 高效的加热、冷却和软件架构可最大限度地减少数据中心的排放或电力使用。 高效的冷却技术包括水冷、绝热（气压）系统或新型制冷剂。
• 对净零碳排放或碳中和的承诺，有时包括碳抵消。

宾夕法尼亚大学电气与系统工程以及计算机与信息科学教授本杰明·李（Benjamin Lee）在接受 TechRepublic 电子邮件采访时指出，在数据中心运行人工智能工作负载会通过两种方式产生温室气体排放。

• 李说，数据中心的隐含碳成本或与人工智能芯片的制造和制造相关的排放量相对较小。
• 运营碳成本，或者说在运行过程中为芯片供电所产生的排放量更大，并且还在不断增加。

能源效率还是可持续性？

“能源效率不一定会带来可持续性，”李说。 “该行业正在快速建设数据中心容量并部署人工智能芯片。 这些芯片无论效率如何，都会增加人工智能的用电量和碳足迹。”

李发现，能源补偿等可持续发展努力和可再生能源装置的增长速度都不太可能跟上数据中心的容量。

“如果您考虑使用我们自己的内部 TPU 运行高效形式的加速计算，我们会利用这些 TPU 的液体冷却，使它们运行得更快，而且能效更高，因此成本更高谷歌云副总裁兼计算和 AI/ML 基础设施总经理 Mark Lohmeyer 在 3 月份的 NVIDIA GTC 上接受 TechRepublic 采访时表示。

Google Cloud 从使用软件管理正常运行时间的角度来实现电力可持续性。

他说：“你不希望拥有一堆 GPU 或任何类型的计算设备，它们使用电力部署，但不积极产生我们正在寻找的结果。” “因此，推动基础设施的高水平利用率也是可持续发展和能源效率的关键。”

Lee 同意这一策略：“由于谷歌在其芯片上运行大量计算，因此每个人工智能任务的平均隐含碳成本很小，”他在一封电子邮件中告诉 TechRepublic。

调整 AI 工作负载规模

弗里曼指出，戴尔还看到了调整人工智能工作负载规模以及在数据中心使用节能基础设施的重要性。

“随着人工智能的迅速普及及其对更高处理速度的依赖，运行数据中心所需的能源负载将面临更大的压力，”弗里曼在给 TechRepublic 的信中写道。 “IT 资产利用率低下是数据中心能源浪费的最大单一原因，能源成本通常占数据中心运营成本的 40-60%，因此降低总功耗可能是客户的首要任务。头脑。”

她鼓励组织使用节能的硬件配置、优化的散热和冷却、绿色能源以及负责任地淘汰旧的或过时的系统。

Shim 表示，在围绕能源使用进行规划时，IBM 会考虑数据传输时间、空间利用率、节能 IT 和数据中心基础设施以及开源可持续性创新。

科技巨头如何解决人工智能在用水方面的可持续性问题？

几十年来，用水一直是大公司关注的问题。 这种担忧并不是生成式人工智能所特有的，因为无论数据中心用于什么目的，总体问题——栖息地丧失、水源流失和全球变暖加剧——都是相同的。 然而，生成式人工智能可能会加速这些威胁。

对更高效用水的需求与在数据中心运营和冷却中增加生成式人工智能的使用相交叉。 微软并没有在其环境报告中单独列出生成式人工智能流程，但该公司确实表明其总耗水量从 2020 年的 4,196,461 立方米跃升至 2022 年的 6,399,415 立方米。

“对于所有计算，而不仅仅是人工智能，我们都必须注意用水，”Shim 说。 “与能源使用一样，企业可以通过多种方式提高效率。 例如，数据中心可以有一个蓝色屋顶来收集和存储雨水。 它可以再循环和再利用水。 它可以使用更高效的冷却系统。”

Shim 表示，IBM 正在通过一些即将开展的项目致力于水的可持续性。 位于英国赫斯利的著名 IBM 研究数据中心正在进行现代化改造，其中将包括一个有助于冷却的地下水库，并且可能会在一段时间内脱离电网。

微软已经承包了补水项目：循环水、使用再生水以及投资空气-水发电和绝热冷却等技术。

詹姆斯表示：“我们在整个业务范围内采取全面的节水方法，从设计到效率，通过运营使用寻找直接机会，并从长远来看，通过设计创新来减少、回收和重新利用水。”

詹姆斯说，微软通过五种方式解决用水问题：

• 降低用水强度。
• 补充的水多于组织消耗的水。
• 增加全球人民获得水和卫生服务的机会。
• 推动创新以扩展水解决方案。
• 倡导有效的水政策。

组织可以回收数据中心使用的水，或投资其他地方的清洁水计划，例如谷歌湾景办公室的努力 保护湿地。

科技巨头如何披露其环境影响？

对大型科技公司的环境影响感兴趣的组织可以找到许多公开的可持续发展报告：

这些报告中一些特定于人工智能的标注是：

• IBM 使用 AI 来捕获和分析 IBM 的能源数据，从而更全面地了解 能源消耗
• NVIDIA 在报告中重点关注人工智能的社会影响，而不是环境影响，并承诺“模型符合隐私法，提供模型设​​计和限制的透明度，安全且按预期执行，并在一定程度上减少不必要的偏差”可能的。”

环境影响报告中的潜在差距

许多大型组织将碳补偿作为其实现碳中和努力的一部分。 碳补偿可能会引起争议。 有些人认为，为防止世界其他地方的环境破坏而获得荣誉会导致 不准确之处 对保护当地自然环境或已经受到伤害的地方几乎没有采取任何措施。

科技巨头意识到资源短缺的潜在影响，但也可能陷入“洗绿”的陷阱，即专注于积极努力，而掩盖更大的负面影响。 洗绿可以 意外发生 如果公司没有足够的数据来了解其当前的环境影响与其气候目标的比较。

何时不使用生成式人工智能

决定不使用生成式人工智能会从技术上减少组织的能源消耗，就像拒绝开设新设施一样，但这样做在商业世界中并不总是可行。

“对于组织来说，衡量、跟踪、了解和减少其产生的碳排放至关重要，”苏达说。 “对于大多数在 genAI 上进行大量投资的组织来说，这种‘碳核算’对于一个人和一张电子表格来说太大了。 他们需要在碳核算软件和数据基础设施方面进行团队和技术投资，以确保组织的碳数据最大限度地用于主动决策。”

Apple、NVIDIA 和 OpenAI 拒绝对本文发表评论。