AI与碳中和
Published:
AI的减碳潜力
人工智能（AI）正越来越多地应用于整个社会，这将对气候适应型和低排放发展做出有意义的贡献。到2060，人工智能相关技术对碳减排的贡献将达到至少70%，总减排量将超过350亿吨。越来越多的证据表明，人工智能在推动气候行动方面大有可为，而从先进的人工智能模型中获得的可行见解可以以新的方式帮助应对气候变化及其潜在影响。例如，人工智能可以促进气候模式和极端天气事件预测、可再生能源管理和优化、低碳技术开发和创新以及碳排放监测和核算。同时，人工智能的进步将增强建筑、交通和能源等相关行业的碳减排潜力，为全球碳中和做出贡献。例如，在能源领域，人工智能可用于优化燃煤和联合循环燃气发电站，以最大限度地减少燃料消耗，提高能源效率。此外，人工智能模拟有助于为风电场或太阳能光伏（PV）电站开发最佳设计，从而可以降低成本并提高可再生能源的可行性。
AI的排碳风险
然而，人工智能并非灵丹妙药。通过人工智能应对气候变化极具挑战性，因为人工智能本身就是一个重要的能源消耗者和碳排放者。虽然准确衡量人工智能的能源消耗和碳排放量仍有争议，但越来越明显的是，人工智能的大规模采用和部署带来了一个重大挑战——它的模型训练和运行、芯片制造都是能源密集型的，因为它们复杂的数据处理基础设施和硬件和数据中心等系统需要大量的能源，这会导致碳排放。更糟糕的是，数据中心正在转向老式的碳排放能源来满足短期能源需求，这与全球对可再生能源转型计划的雄心背道而驰。例如，美国数据中心通常位于碳密集型能源丰富的地理区域，而化石燃料发电厂满足了美国数据中心 56% 的能源需求。
对人工智能的需求正在迅速增长。特别是对功能越来越强大的生成式人工智能工具和大型语言模型 (LLM)的需求不断增长，将导致“电力需求和碳排放发生重大变化”，加剧电力资源的供应压力，并对电网构成巨大挑战。根据国际能源署的数据，ChatGPT 查询消耗约 2.9 瓦时电力，几乎是传统谷歌搜索的 10 倍。这可能会阻碍全球减少碳排放的努力，并增加地球的碳负担。一项估计表明，到 2027 年，全球与人工智能相关的电力消耗每年可能超过 134 TWh，很可能是 2023 年的 10 倍。这大致相当于阿根廷、荷兰和瑞典等国家的年能源消耗。此外，到 2030 年，人工智能将导致数据中心使用全球 4.5% 的能源。如果不采取缓解策略，这个数字将继续增长，到 2040 年，数字数据的存储将占全球排放量的 14%，与美国目前的排放量大致相同。尽管只剩下预测和广泛的不确定性——取决于人工智能部署速度和计算过程效率等因素，但能源消耗和碳排放的增长表明，确保人工智能不偏离气候目标是一个迫在眉睫、不容忽视的挑战。
谷歌和微软等全球最大的一些科技巨头正展开竞争，以快速开发最熟练的生成式 AI 工具，而这会带来巨大的能源消耗。自 2019 年以来，谷歌的温室气体总排放量增长了 48%，仅在 2023 年，就产生了 1430 万公吨二氧化碳污染物，同比增长 13%，大致相当于38 座燃气发电厂每年可能排放的二氧化碳量。从 2020 年到 2023 年，微软的电力消耗增加了一倍多，从 11 TWh 增加到 24 TWh，用电量激增的同时，碳排放总量也增加了 42%。大部分增长归因于用于训练和运行人工智能模型的数据中心的建设和运行，以及计算机服务器和芯片的制造和运输产生的能源消耗和碳排放。例如，仅微软数据中心的建设就占 2020 年至 2023 年排放量增加的 30%。
解决方案
- 空间布局优化 推进算力设施向西部资源富集区迁移（如中国“东数西算”工程），时延敏感业务（如金融AI）保留东部，数据处理类业务西迁，缓解资源错配压力。
研究方向: AI资源错位问题现状，有哪些方面可以优化，可以减少多少算力浪费与碳排放
- 垂直领域模型优先 替代通用大模型，开发医疗、农业等专用AI，减少算力冗余。
研究方向: 专业模型与通用模型的效率比对，环境评价
- 绿色认证与政策激励 建立全生命周期碳审计标准，通过税收抵免推动清洁能源采购。
研究方向: LCA的推出与政策对企业的减碳激励
- 技术协同降耗 优化大模型结构，研发新的3D芯片/芯片冷却技术，推广共享算力平台，结合智能电网优化能源调度。
研究方向：重复的大模型训练造成的资源浪费核算
国际合作和跨学科研究的重要性
人工智能的低碳发展必须作为一个全球性问题来应对，我们需要建立一个切实可行的统一全球倡议，以促进人工智能的可持续发展。此外，应对人工智能能源消耗和碳排放的挑战需要广泛的全球合作和集体努力，包括政府支持、行业投资、学术研究和公众参与，以开发和分享人工智能碳减排的技术和专业知识。应鼓励在人工智能研发方面领先的国家与能力较弱的国家分享其技术和专业知识。共同努力，他们可以确保人工智能与全球气候目标保持一致。
人工智能低碳发展是当代社会高度相关的科学领域，通过跨学科合作整合各种知识和技能对于解决人工智能能耗和碳排放至关重要。跨学科名册不仅应包括人工智能科学家和工程师，还应包括具有气候变化和能源转型视角的研究人员。首先，研究人员应致力于消除学科专业化的障碍，建立跨学科研究团队，在涉及计算工作的相关学术领域推动绿色人工智能实践。其次，研究人员应结合人工智能、碳中和、可持续发展和相关学科（包括社会科学、能源科学、材料科学、信息技术和计算机科学）的创新研究成果，以改善数据中心的 PUE，实现人工智能向低碳未来的有效过渡。总体而言，基于科学的跨学科战略对于推动人工智能对碳中和的积极贡献至关重要。
附录
人工智能减碳研究：
Ding, C., Ke, J., Levine, M. et al., (2024). Potential of artificial intelligence in reducing energy and carbon emissions of commercial buildings at scale. Nat Commun 15, 5916. https://doi.org/10.1038/s41467-024-50088-4 评估了人工智能在建筑领域的潜力，重点关注美国的中型办公楼，开发了一种方法来评估和量化潜在的减排量。
Wang Y., Han Y., Shen J., et al., (2024). Data center integrated energy system for sustainability: Generalization, approaches, methods, techniques, and future perspectives. Innov. Energy 1 :100014. DOI:10.59717/j.xinn-energy.2024.100014
Singh Banipal I. and Mazumder S. (2024). How to make AI sustainable. Nat. India DOI: 10.1038/d44151-024-00024-8 (评论型文章)
Wang, H. (2023). Analog chip paves the way for sustainable AI. Nature. 620:731−732. DOI:10.1038/d41586-023-02569-7（新闻与观点）
人工智能排碳研究：
de Vries A. (2023). The growing energy footprint of artificial intelligence. Joule 7:2191−2194. DOI:10.1016/j.joule.2023.09.004 (评论型文章)