便利的隐性成本：为什么需要看到人工智能对环境的影响

我们经常依赖人工智能来提供帮助，无论是总结、生成还是解决问题。它快速、便捷，并且日益融入我们的工作方式。然而，在急于让事情变得更容易的过程中，我们忽略了一个关键部分：数字便利背后的环境成本。

每一次人工智能交互都依赖于一些我们从未见过、也很少考虑的东西——数据中心、芯片、电网、冷却系统和全球物流网络。这些“隐形基础设施”让人工智能感觉轻而易举。但其对环境的影响却并非如此。

是时候让这些成本变得显而易见了。随着人工智能在企业运营中变得越来越重要，它对能源、水资源和排放的影响也日益加深。问题不仅在于下一个模型将多么强大，还在于我们是否准备好承担运行它所需的责任。

人工智能存在光学问题。与工厂的烟雾或高速公路上的交通排放不同，训练或查询模型的排放是在气候可控的服务器机房内闭门进行的。但这并不意味着它们不真实。

运行高级模型需要大量电力。例如，训练 GPT-3 所消耗的能源相当于 130 个美国家庭的用电量。 每年。这还不止于此。推理，即生成响应、摘要或图像的过程，需要耗费相当大的算力。单个 ChatGPT 查询大约需要 电力增加五倍 比典型的网络搜索消耗的 能源 就像给智能手机充满电一样。

水资源消耗也是其中的一个重要组成部分。ChatGPT 每次使用 GPT-100 模型生成一封 4 字的简短电子邮件，都会消耗 περίπου 相当于一个标准水瓶的容量。这些水用于冷却数据中心的服务器，这些服务器在运行时会产生大量热量。如果按照10%的美国劳动人口每周仅使用一次计算，那么一年的用水量就相当于罗德岛州每个家庭一天半的用水量。

随着人工智能工作负载的增加，数据中心的电力需求也随之增长。世界银行 估计 包括人工智能在内的更广泛的信息和通信技术 (ICT) 目前占全球温室气体排放量的至少 1.7%。虽然这个数字看似不大，但它仅反映了当前的应用水平。随着人工智能的持续发展——以及全球互联网接入的不断增加、云存储的扩展、物联网设备，甚至区块链技术的出现——即使效率有所提高，其总体影响也可能显著增长。

人工智能的易用性和运行所需的资源密集程度之间的脱节使得这个问题很容易被忽视。

但它也指出了解决方案。我们不需要放慢创新的步伐。我们需要更加慎重地设计和部署它。这意味着要提出更好的问题，让供应商承担责任，并将可持续性纳入每一个人工智能决策之中。

这些系统只会变得越来越强大。如果我们希望它们帮助解决气候挑战，就必须确保它们不会默默地加剧气候挑战。

从基础设施到问责

人工智能对环境的影响不仅限于用户按下“Enter”键的那一刻。它背后有一条完整的供应链：采矿、芯片制造、设备运输和数据中心建设。这一现实给企业带来了新的责任挑战。与传统的排放源不同，传统排放源的影响可能与燃料消耗或行驶里程挂钩，而人工智能的成本则分摊到各个系统和供应商身上。人们很容易认为责任应该由“云”或“供应商”承担。

但如果您通过 SaaS 平台、云提供商或内部工具使用 AI，那么排放和能源消耗就属于您的运营足迹的一部分。在考察范围 3 排放（包括整个价值链产生的排放）时尤其如此。

好消息是，问责并非为了责备，而是为了提高认识、提高透明度和做出更好的决策。

让不可见的可见

那么，我们如何揭示人工智能隐藏的环境成本呢？首先要重新思考我们如何评估所使用的工具。

采购团队应该询问功能、能源来源、数据中心效率和排放报告。如果供应商无法告知其AI工具的耗电量或是否依赖可再生能源，那就值得警惕。

产品和工程团队可以做出在不牺牲结果的情况下减少影响的设计决策。这包括尽可能使用更小、经过微调的模型，并避免不必要的复杂性。更高效的模型不仅速度更快，而且更环保。

员工也能做出贡献。培训团队编写清晰、有针对性的提示，可以减少所需的查询数量，并最大限度地缩短计算时间。一个结构合理的请求可能会立即产生正确的结果，而几个模糊的请求可能会在每次迭代中浪费能源。

高管领导可以将创新与可持续性联系起来。人工智能的采用应该与气候目标保持一致，而不是将其视为一项单独的战略。当组织将环境影响纳入各级讨论的范畴时，细微的改变就会积少成多。

ISO 42001 为何提供实用路线图

ISO 42001 是人工智能管理系统的新国际标准，它引入了一个关键重点：鼓励组织不仅要考虑人工智能系统的性能，还要考虑它们对人类和地球的影响。它不会将气候问题视为事后诸葛亮，而是将其视为一项值得从一开始就加以管理的风险。

对于已致力于 ISO 14001（环境管理）或净零目标的公司而言，ISO 42001 提供了一座桥梁。它有助于将人工智能治理与更广泛的可持续发展战略（从排放追踪到负责任的供应商合作伙伴关系）相结合。

人工智能可以带来什么回报

人们很容易关注消极的一面，但人工智能也具有帮助我们解决环境问题的真正潜力。

人工智能已经帮助公用事业公司预测能源需求并实时调整能源使用，从而更好地整合风能和太阳能等可再生能源。在农业领域，人工智能被用于监测土壤湿度和天气状况，以指导灌溉计划并最大限度地减少化肥径流。物流公司正在利用人工智能规划更高效的配送路线，从而减少燃料消耗和停机时间。或许最重要的是，人工智能正在通过分析采购和供应商数据来加速排放追踪，帮助企业计算难以衡量的范围三排放，并确定哪些领域可以减排。

如果谨慎部署，人工智能不仅可以作为资源消耗者，还可以作为更智能的气候解决方案的驱动者。

是时候仔细看看了

人工智能不会放慢脚步，也不应该放慢脚步。然而，我们必须开始让其对环境的影响更加清晰可见、易于管理。

这意味着：

• 选择报告并减少排放的合作伙伴。
• 培训团队高效、有目的地使用人工智能。
• 将环境影响视为价值方程的一部分，而不是权衡。

我们习惯于认为人工智能是隐形的。但这是一个感知问题，而非物理问题。服务器是真实存在的，排放是可测量的，水资源也是有限的。

现在是建立问责习惯的时候了，这样我们所依赖的系统就不会悄悄地破坏我们所有人都试图保护的未来。