在数字化浪潮的推动下，人工智能（AI）技术正以前所未有的速度渗透到我们生活的方方面面。然而，伴随着AI技术的蓬勃发展，其对环境所产生的影响也日益受到关注。法国AI模型制造商Mistral近日发布了一份名为“环境审计”的报告，旨在量化其大型语言模型（LLM）对环境的具体影响，为我们敲响了警钟。
Mistral的这份报告并非空穴来风。在AI模型训练和推理过程中，需要消耗大量的电力和水资源，同时也会产生大量的二氧化碳排放。尽管单个AI查询所产生的环境影响看似微不足道，但当数十亿次的查询汇聚在一起时，其对环境的累积影响将变得十分巨大。
那么，AI真的在加速地球的毁灭吗？
为了更全面地评估其“Large 2”模型在过去18个月中的生命周期环境影响，Mistral与可持续发展咨询公司Carbone 4以及法国生态转型署（ADEME）展开合作。该研究遵循法国政府的“节约型AI指南”，从温室气体排放、水资源消耗以及材料消耗三个维度，对AI模型对环境的影响进行了评估。研究结果显示，绝大部分的二氧化碳排放和水资源消耗（分别占比85.5%和91%）发生在模型训练和推理阶段，而非数据中心建设和终端用户设备所产生的能耗。
根据Mistral的审计结果，一个平均提示（生成400个文本token，约等于一页纸的内容）所产生的边际“推理时间”环境影响相对较小：仅排放1.14克二氧化碳，消耗45毫升水。然而，在过去18个月的运营中，模型训练和数百万甚至数十亿次的提示请求所产生的累积效应却不容小觑：总计排放20.4千吨二氧化碳（相当于4500辆普通内燃机汽车一年的排放量），蒸发28.1万立方米水（足以填满约112个奥运会标准游泳池）。
为了更直观地了解Mistral LLM查询的环境影响，我们可以将其与其他常见的互联网活动进行对比。例如，一次平均LLM查询所产生的二氧化碳排放量，相当于在美国观看10秒流媒体视频（或在法国观看55秒，法国的能源结构更为清洁），或是在Zoom会议上进行4到27秒的通话（根据Mozilla基金会的数据）。此外，撰写一封被100位收件人完整阅读的电子邮件10分钟所产生的二氧化碳排放量，相当于22.8次Mistral提示（根据Carbon Literacy的数据）。
当然，直接比较这些活动对社会和环境的“价值”并非易事，这很大程度上取决于你对AI工具所产生结果的重视程度。然而，人们对这些不同任务的社会禁忌、个人负罪感以及网络抱怨程度，可能与其对环境产生的实际影响并不一致。因此，下次当你听到有人警告说AI能源消耗正在摧毁地球时，不妨对此保持清醒的认识。
Mistral的报告无疑为我们敲响了警钟，但同时也引发了更深层次的思考。我们是否应该为了追求AI技术的快速发展而牺牲环境？我们又该如何平衡AI技术创新与环境保护之间的关系？
事实上，Mistral并非首个关注AI环境影响的机构。此前，加州大学河滨分校的研究人员曾发表研究报告，估算美国AI数据中心在OpenAI的GPT-3模型中，平均每次LLM提示消耗近17毫升水。此外，2024年发表在《自然》杂志上的一项研究也指出，ChatGPT平均每次查询（包括训练和推理时间）产生2.2克二氧化碳排放。
与以往的第三方评估相比，Mistral直接提供数据无疑为这项研究的报告数据增加了可信度。然而，Mistral也坦言，其数据仅代表对模型总体环境影响的“初步估算”，其中GPU生命周期影响等重要参数仍使用了估算值。Hugging Face AI与气候负责人Sasha Luccioni也指出，Mistral发布的信息缺乏重要的方法论细节以及关于模型总能耗的信息（而非基于能耗的排放估算）。
尽管如此，Luccioni仍称该报告为“在AI模型环境影响评估方面迈出的重要一步”，并希望其他AI公司能够效仿。Mistral也呼吁其他模型制造商提高环境影响的透明度，认为此类比较结果“有助于建立评分系统，帮助买家和用户识别碳、水和材料密集度最低的模型”。
为了应对AI技术所带来的环境挑战，我们亟需采取以下措施：
- 加强环境影响评估： 建立健全AI环境影响评估体系，对AI模型的整个生命周期进行全面评估，包括数据采集、模型训练、推理部署以及最终报废等环节。评估内容应涵盖温室气体排放、水资源消耗、能源消耗、材料消耗以及电子垃圾产生等方面。
- 推动绿色AI技术研发： 加大对绿色AI技术的研发投入，探索低功耗、高效率的AI算法和模型架构。例如，采用模型压缩、知识蒸馏、量化等技术，降低模型的大小和计算复杂度，从而减少能源消耗。此外，还可以探索基于可再生能源的AI数据中心建设方案，降低AI运行的碳排放。
- 优化数据中心能源管理： 采用先进的冷却技术、智能电网以及需量响应等手段，提高数据中心的能源利用效率。例如，利用自然冷却、液冷等技术，降低数据中心的制冷能耗。同时，可以采用智能化的能源管理系统，根据实际负载情况动态调整服务器的运行状态，避免能源浪费。
- 倡导负责任的AI使用： 提高公众对AI环境影响的认识，倡导负责任的AI使用行为。例如，在使用AI工具时，尽量选择能效更高的模型和服务。同时，避免过度依赖AI，减少不必要的AI查询和计算任务。此外，还可以通过优化提示词、减少数据传输等方式，降低AI使用的环境影响。
- 加强国际合作： 共同应对AI环境挑战。各国政府、企业、研究机构以及社会组织应加强合作，共同制定AI环境标准和规范，分享最佳实践经验，推动绿色AI技术在全球范围内的应用和普及。
总之，AI技术在推动社会进步的同时，也带来了严峻的环境挑战。只有通过加强环境影响评估、推动绿色AI技术研发、优化数据中心能源管理、倡导负责任的AI使用以及加强国际合作等多方面的努力，我们才能确保AI技术的可持续发展，让人工智能真正成为推动人类社会进步的强大力量。
