人工智能的碳排放是多少？

人工智能的碳排放主要由兩部分組成：制造IT設(shè)備和建設(shè)數(shù)據(jù)中心產(chǎn)生的“隱含”排放，以及計(jì)算機(jī)芯片在執(zhí)行人工智能相關(guān)計(jì)算時(shí)消耗的電力產(chǎn)生的“運(yùn)營(yíng)”排放。隨著越來越多的數(shù)據(jù)中心建成，以及現(xiàn)有數(shù)據(jù)中心在高耗電人工智能應(yīng)用（例如生成式法學(xué)碩士搜索和人工智能圖像生成）中的占比不斷增加，這兩方面的排放都在增長(zhǎng)。

了解數(shù)據(jù)中心的電力需求 

目前，人工智能特定應(yīng)用的電力需求估計(jì)不到全球用電量的 1%，甚至可能更低。要理解這個(gè)數(shù)字，首先要了解全球1.1 萬個(gè)數(shù)據(jù)中心的用電量，這些數(shù)據(jù)中心的用電量約占2022 年全球用電量的 1.0% 至 1.3%。（這還不包括加密貨幣挖礦帶來的 0.4% 的用電量。）

然而，這些數(shù)據(jù)中心的大部分計(jì)算并非人工智能，而是更傳統(tǒng)的應(yīng)用，例如電子商務(wù)、視頻流媒體、社交媒體和在線游戲。

由于缺乏完善的全球數(shù)據(jù)集，數(shù)據(jù)中心的人工智能計(jì)算量難以確定。根據(jù)已售出的人工智能專用計(jì)算機(jī)芯片數(shù)量（主要是圖形處理器，簡(jiǎn)稱 GPU），人工智能應(yīng)用很可能僅消耗全球約 0.04% 的電力。這些電力消耗產(chǎn)生的溫室氣體排放量約占全球排放量的0.01% 。

盡管如此，人工智能應(yīng)用的需求仍在快速增長(zhǎng)，這可能會(huì)推高數(shù)據(jù)中心的用電量和相關(guān)的溫室氣體排放。這一趨勢(shì)對(duì)美國(guó)的影響最為顯著，因?yàn)槊绹?guó)擁有全球約一半的數(shù)據(jù)中心。

目前，數(shù)據(jù)中心的用電量約占美國(guó)電力的4%，但預(yù)計(jì)到2030年，這一比例將從4.6%的低點(diǎn)到9.1%的高點(diǎn)不等。 

電源如何影響數(shù)據(jù)中心的排放

用電量大幅增加并不一定會(huì)導(dǎo)致溫室氣體排放大幅增加。目前，數(shù)據(jù)中心所需的電力很大一部分來自風(fēng)能和太陽能等零碳能源。這是因?yàn)轭I(lǐng)先的數(shù)據(jù)中心運(yùn)營(yíng)商，尤其是亞馬遜、Meta 和谷歌，簽署了大型企業(yè)購(gòu)電協(xié)議 (PPA)。

雖然人們的注意力主要集中在清潔能源交易上，例如微軟與 Brookfield Renewables達(dá)成協(xié)議，從 2026 年開始購(gòu)買 10 吉瓦的可再生能源，以及與 Constellation Energy 達(dá)成單獨(dú)協(xié)議，從 2028 年開始購(gòu)買 0.8 吉瓦的核電，但美國(guó)科技公司多年來一直在購(gòu)買可再生能源，并且已經(jīng)簽約到 2022 年底購(gòu)買超過 35 吉瓦的清潔電力 。

使用低碳電力意味著這些數(shù)據(jù)中心的凈排放量低于電力消耗數(shù)字所顯示的水平。當(dāng)然，一個(gè)關(guān)鍵的考慮因素是，這些低碳電力是否真正“額外”？

這意味著它是新增到電網(wǎng)中，而不是簡(jiǎn)單地從其他用途中抽取。數(shù)據(jù)中心運(yùn)營(yíng)商正在擴(kuò)展其傳統(tǒng)的風(fēng)能和太陽能購(gòu)電協(xié)議，并探索新的方法來達(dá)到這一標(biāo)準(zhǔn)，包括美國(guó)和肯尼亞的地?zé)犴?xiàng)目。

然而，至少在短期內(nèi)，數(shù)據(jù)中心人工智能應(yīng)用的預(yù)計(jì)電力需求難以完全依靠低碳電力滿足。盡管2023年風(fēng)能、太陽能和電池項(xiàng)目的裝機(jī)容量將超過30吉瓦，但在美國(guó)許多地區(qū)，這些發(fā)電廠面臨著越來越長(zhǎng)的并網(wǎng)審批等待時(shí)間。

地?zé)崮芎退Πl(fā)電雖然能夠提供穩(wěn)定的（“基載”）低碳電力，但在短期內(nèi)仍將受到限制。此外，從重啟全尺寸反應(yīng)堆到新型小型模塊化反應(yīng)堆（SMR），擴(kuò)大核電規(guī)模的意愿面臨著巨大的監(jiān)管、成本和供應(yīng)鏈障礙。 

一種尚未得到足夠重視的重要低碳電力來源是配備碳捕獲和儲(chǔ)存（CCS）的天然氣發(fā)電。這項(xiàng)技術(shù)有可能顯著減少現(xiàn)有發(fā)電廠的排放，并使新項(xiàng)目實(shí)現(xiàn)接近零排放。 

隱含排放在數(shù)據(jù)中心建設(shè)中的作用

隱含排放包括與建筑材料的提取、生產(chǎn)、運(yùn)輸、建造和處置相關(guān)的所有排放。 

建造數(shù)據(jù)中心會(huì)產(chǎn)生大量的隱含排放，包括混凝土、鋼材和IT 硬件。數(shù)據(jù)中心的范圍 3 溫室氣體排放（包括隱含排放）約占其整個(gè)生命周期排放量的三分之一到三分之二。2020 年至 2023 年間，微軟的碳排放增長(zhǎng)了 30%，這主要是由于與鋼材、混凝土和芯片制造相關(guān)的排放。

為此，微軟已開始在一些數(shù)據(jù)中心建設(shè)中使用木材來減少這種影響。雖然使用木材可以部分解決問題，但它無法完全抵消哪怕一個(gè)設(shè)施的排放，而且木材供應(yīng)鏈仍然有限。 

主要的數(shù)據(jù)中心運(yùn)營(yíng)商正在努力應(yīng)對(duì)這一挑戰(zhàn)，包括強(qiáng)調(diào)對(duì)關(guān)鍵建筑材料進(jìn)行標(biāo)準(zhǔn)化排放測(cè)量和披露的必要性。最終，實(shí)現(xiàn)更深層次的脫碳需要采取進(jìn)一步行動(dòng)，以解決運(yùn)營(yíng)排放和隱含排放問題。

減少人工智能碳排放的八種策略

適應(yīng)技術(shù)架構(gòu)

效率是任何清潔能源方案的基礎(chǔ)戰(zhàn)略。因此，芯片制造商正在開發(fā)從一開始就降低能耗的方法，例如將更多內(nèi)存直接集成到計(jì)算機(jī)芯片中，或?qū)⒒居?jì)算功能硬連線化。這些創(chuàng)新已經(jīng)大幅降低了新型計(jì)算機(jī)芯片的能耗，在某些情況下甚至降低了 96%。同樣，服務(wù)器的設(shè)計(jì)也采用了新的架構(gòu)，以最大限度地減少內(nèi)部數(shù)據(jù)傳輸，從而提高效率。

優(yōu)化訓(xùn)練地理位置 

直接管理人工智能的能源使用也存在重大機(jī)遇。例如，法學(xué)碩士 (LLM) 的大部分能源消耗發(fā)生在模型發(fā)布之前的訓(xùn)練階段。由于這些訓(xùn)練任務(wù)不受地點(diǎn)限制，因此可以在電力充足、低成本、低碳的地區(qū)進(jìn)行，這體現(xiàn)了動(dòng)態(tài)遷移計(jì)算任務(wù)以減少排放的更廣泛努力（“碳感知計(jì)算”）。

此外，生成性人工智能任務(wù)（例如 ChatGPT 搜索）的服務(wù)器請(qǐng)求可以通過由低碳電力驅(qū)動(dòng)的系統(tǒng)進(jìn)行路由。雖然這可能只會(huì)增加幾毫秒的延遲，但卻可以顯著減少潛在的排放。

選擇合適尺寸的模型

并非所有生成式人工智能任務(wù)（例如 ChatGPT 查詢）的能耗都相同。領(lǐng)先的人工智能公司越來越注重使用更小、更高效的人工智能模型來執(zhí)行這些任務(wù)，以更低的能耗實(shí)現(xiàn)幾乎同等的質(zhì)量。

同樣，許多人工智能應(yīng)用，例如數(shù)字孿生和基于衛(wèi)星的模式識(shí)別，其耗電量遠(yuǎn)低于大型語言模型等生成式人工智能系統(tǒng)。例如，一些最先進(jìn)的人工智能驅(qū)動(dòng)的天氣預(yù)報(bào)模型所需的能耗遠(yuǎn)低于傳統(tǒng)的天氣模擬，而且這些模型是在筆記本電腦而非超級(jí)計(jì)算機(jī)上運(yùn)行的。

解決甲烷逸散排放問題

隨著數(shù)據(jù)中心運(yùn)營(yíng)商考慮使用天然氣作為新的電力供應(yīng)，減少天然氣生產(chǎn)和輸送過程中的上游排放將至關(guān)重要。在美國(guó)，美國(guó)環(huán)保署的甲烷規(guī)則可以將這些非二氧化碳溫室氣體排放量減少約 80%（盡管該規(guī)則的未來前景尚不確定）。

此外，Kayrros 等公司和Carbon Mapper等組織開發(fā)的人工智能工具有助于檢測(cè)甲烷泄漏并將其歸因于特定的運(yùn)營(yíng)商。業(yè)內(nèi)最優(yōu)秀的企業(yè)甲烷排放量極低——不到產(chǎn)量的 0.5%。幾乎所有天然氣生產(chǎn)商都能達(dá)到這一標(biāo)準(zhǔn)。

在發(fā)電廠使用碳捕獲技術(shù)

對(duì)于新建和現(xiàn)有的天然氣發(fā)電廠而言，碳捕獲和封存技術(shù)有望實(shí)現(xiàn)高可用性的低碳發(fā)電。盡管目前許多在運(yùn)電廠的排放仍未得到控制，但情況并非如此。它們的排放可以被捕獲和封存。超大規(guī)模企業(yè)和項(xiàng)目開發(fā)商應(yīng)尋求新的投資和商業(yè)模式，以減少95%或更多的現(xiàn)有排放量。

對(duì)于新一代項(xiàng)目，NetPower、Arbor和CES等方案將很快實(shí)現(xiàn)100%的減排目標(biāo)，如果與生物能源相結(jié)合，還能去除二氧化碳，甚至更高。要實(shí)現(xiàn)這一目標(biāo)，需要開發(fā)二氧化碳管道、駁船和封存設(shè)施，而這些設(shè)施本身也面臨著諸多挑戰(zhàn)，例如許可和社區(qū)審批，必須立即予以解決。

為電網(wǎng)添加更多零碳能源

美國(guó)有超過12,000個(gè)太陽能、風(fēng)能和電池項(xiàng)目面臨并網(wǎng)延遲。這些問題亟待解決。諸如《曼欽-巴拉索法案》之類的許可改革措施或許有助于加快這一進(jìn)程。一項(xiàng)潛在的創(chuàng)新是利用人工智能加速電力潮流模型的開發(fā)，并簡(jiǎn)化完成監(jiān)管流程所需的文書工作。

投資低碳建筑材料

雖然木材是一種很有前景的低碳建筑材料，但我們也需要隱含碳排放量極低的玻璃、混凝土、鋼材、鋁和計(jì)算機(jī)芯片。超大規(guī)模數(shù)據(jù)中心運(yùn)營(yíng)商目前在獲取這些材料的低碳版本方面面臨重大挑戰(zhàn)，這些材料的最終生產(chǎn)將利用低碳?xì)淠?、碳捕獲與儲(chǔ)存以及低碳電力。

然而，這些系統(tǒng)的建設(shè)需要大量的投資、勞動(dòng)力開發(fā)和許可。如果沒有這些進(jìn)步，美國(guó)、歐洲乃至全球數(shù)據(jù)中心的隱含碳排放量將迅速大幅增加。

增加二氧化碳去除量

顯而易見的是，數(shù)據(jù)中心的人工智能應(yīng)用將產(chǎn)生電力使用和隱含碳排放，這些排放在短期內(nèi)是無法避免的。目前，溫室氣體排放量估計(jì)每年超過3億噸，并且在未來十年內(nèi)可能還會(huì)增長(zhǎng)。這些排放應(yīng)該通過全生命周期分析進(jìn)行測(cè)量，然后通過高質(zhì)量的碳去除項(xiàng)目（最好是具有高持久性的項(xiàng)目）進(jìn)行抵消。

為了有效減少人工智能對(duì)環(huán)境的影響，所有討論的八種策略都必須優(yōu)先考慮受影響最嚴(yán)重的社區(qū)：靠近新基礎(chǔ)設(shè)施的一線社區(qū)、面臨價(jià)格上漲的消費(fèi)者以及法律保護(hù)有限的部落當(dāng)局。規(guī)劃應(yīng)從了解這些社區(qū)的需求開始，確保工作重點(diǎn)是最大限度地減少損害，同時(shí)最大限度地提高效益。所有策略的規(guī)劃、生產(chǎn)和許可的每個(gè)階段都必須體現(xiàn) 公平和正義。

結(jié)論

人工智能只是電力需求快速增長(zhǎng)這一更廣泛趨勢(shì)的一部分，其他趨勢(shì)還包括電動(dòng)汽車、熱泵、工業(yè)電氣化、綠色氫能以及各種電子燃料。人工智能給超大規(guī)模企業(yè)、社區(qū)、監(jiān)管機(jī)構(gòu)和投資者帶來的挑戰(zhàn)，預(yù)示著其他行業(yè)正在出現(xiàn)的復(fù)雜而深遠(yuǎn)的影響。

實(shí)現(xiàn)凈零排放并非要放慢速度或強(qiáng)迫企業(yè)遵守規(guī)定；而是要促進(jìn)創(chuàng)新，構(gòu)建新的解決方案，并嘗試不同的方法。人工智能的碳排放凸顯了清潔電力、電網(wǎng)管理、脫碳和碳去除方面專業(yè)知識(shí)的迫切需求——隨著越來越多的公司意識(shí)到未來道路的復(fù)雜性和成本，這些專業(yè)知識(shí)將變得越來越重要。

幸運(yùn)的是，人工智能本身可以成為解決方案的一部分。憑借在電網(wǎng)管理、材料科學(xué)和先進(jìn)制造領(lǐng)域的應(yīng)用，人工智能有潛力在氣候應(yīng)對(duì)中發(fā)揮強(qiáng)大作用。