生成式AI是否适合负责任地采用？需要考虑的要点

随着生成式AI的发展，人们对其巨大的碳足迹和潜在环境影响的担忧日益增加。组织必须主动解决这一可持续性问题，以免其成为主流问题。最近的报告强调了训练和部署生成式AI模型所涉及的高能耗和排放，突显了负责任采用的紧迫性。有时，我们只看到技术的美，却忘记了可能会有意想不到的灾难性后果。

生成式AI的碳足迹

生成式AI依赖计算能力，因此能耗巨大，导致大量碳排放。例如，训练GPT-3等模型产生的碳排放相当于普通汽车整个生命周期排放量的十倍。将生成式AI集成到搜索引擎中，每次搜索所需的计算能力是独立产品的四倍。对生成式AI模型日益增长的需求进一步加剧了可持续性问题，计算能力需求每六个月翻一番。

AI可持续性的差异性

虽然大型语言模型具有高碳强度，但其他AI方法能耗较低。并非所有AI技术都承担相同的可持续负担，一些分析工具和应用显示出较低的碳强度。例如，使用AI监控医院患者结果所需的计算能力较少，并能带来显著益处，在可持续性和实用性之间取得了有利的平衡。

了解碳足迹

要评估生成式AI的碳足迹，必须考虑三个因素： 

1. 模型训练

2. 运行部署模型的推理

3. 硬件和数据中心能力

模型训练是最耗能的环节，主要是因为与旧AI模型相比，训练所需的数据集更大。组织可以选择微调现有模型，从而降低能耗。在模型准确性和降低排放之间取得平衡对于可持续性至关重要。

与云提供商共同解决可持续性问题

由于训练生成式AI模型的成本可能高昂，许多组织依赖超大规模云提供商，如Google、Amazon和Microsoft。组织必须要求这些供应商对其可持续实践负责。关键问题包括其数据中心能源的来源（是否可再生）、数据存储和管理实践以及未来的可持续优化计划。

实施缓解策略

缓解计划对于解决生成式AI的碳足迹至关重要。企业必须将其目标与可持续目标保持一致，将能耗纳入其技术基础设施规划中。尽管人们意识到生成式AI对环境的影响，但很少有组织拥有全面的缓解策略。然而，随着采用的普及，负责任AI框架和指标（包括可持续性问题）可能会整合到监管框架中。

走向可持续生成式AI的旅程

走向可持续生成式AI的旅程仍处于早期阶段。探索和实验生成式AI的公司面临着实施可持续实践的挑战。持续改进是克服这些挑战的关键，公司不应等待完美再采取行动。专注于可持续性的负责任采用将成为未来几年AI行业的关键方面。

AI可能在解决其可持续性问题中发挥重要作用，特别是在电网管理和优化数据中心运营方面。随着可持续技术运动的兴起，AI技术可能会提供减少碳足迹和提高能源效率的解决方案。

随着生成式AI的普及，与其碳足迹相关的可持续性问题需要立即关注。组织必须主动采用负责任AI框架，并在规划技术基础设施时解决能耗问题。通过与云提供商合作并不断改进可持续实践，该行业可以为生成式AI铺平一条更绿色、更负责任的未来之路。