生成式人工智能的环境影响
-
原文标题：Explained: Generative AI’s environmental impact
-
链接：https://news.mit.edu/2025/explained-generative-ai-environmental-impact-0117
-
文章类别：新闻报道
内容整理：
文章框架：
├── 引言
│ ├── 生成式人工智能的快速发展及其环境后果
│ └── 两部分系列报道的介绍
├── 生成式人工智能的资源密集性
│ ├── 训练模型的计算需求
│ ├── 电力消耗与碳排放
│ └── 模型部署与微调的能源需求
├── 数据中心的环境影响
│ ├── 数据中心的电力需求
│ ├── 数据中心的建设与能源需求
│ └── 电力来源的可持续性问题
├── 推理阶段的能源需求
│ ├── 模型使用中的能源消耗
│ ├── 用户对能源消耗的无意识
│ └── 推理需求的增长趋势
├── 水资源的消耗
│ ├── 数据中心冷却用水需求
│ └── 水资源对生态系统的影响
├── 硬件制造与运输的环境影响
│ ├── GPU制造的能源需求
│ └── 原材料获取与运输的碳足迹
├── 专家观点
│ ├── Elsa Olivetti教授的观点
│ └── Noman Bashir博士的观点
└── 结论与展望
├── 行业的不可持续性
└── 对生成式人工智能发展的建议
文章内容：
生成式人工智能（Generative AI）的快速发展带来了显著的环境影响，尤其是在电力和水资源消耗方面。本文作为两部分系列报道的第一篇，探讨了生成式人工智能为何如此资源密集，以及其对环境的具体影响。
-
生成式人工智能的资源密集性
- 生成式人工智能模型（如OpenAI的GPT-4）通常包含数十亿参数，训练这些模型需要巨大的计算能力，导致电力需求激增。
- 这些模型的部署和微调过程也消耗大量能源，使得其在整个生命周期内的能源需求持续增加。
-
数据中心的环境影响
- 数据中心是训练和运行深度学习模型（如ChatGPT和DALL-E）的基础设施，其电力需求随着生成式人工智能的发展而显著增加。
- 从2022年底到2023年底，北美数据中心的电力需求从2688兆瓦增加到5341兆瓦，预计到2026年将达到1050太瓦时，这将使其成为全球第五大电力消费群体。
- 数据中心的建设速度过快，导致其电力供应主要依赖于化石燃料发电厂，进一步加剧了碳排放问题。
-
推理阶段的能源需求
- 生成式人工智能模型在使用过程中（如用户向ChatGPT提问）也会消耗大量能源，每次查询的能耗约为普通网页搜索的五倍。
- 由于用户对这种能源消耗缺乏感知，因此缺乏减少使用动机。随着模型的普及和复杂性增加，推理阶段的能耗预计将成为主要问题。
-
水资源的消耗
- 数据中心需要大量冷却水来吸收计算设备产生的热量，每消耗1千瓦时电力，就需要约2升水用于冷却。
- 这种水资源的大量使用对当地生态系统和生物多样性产生了直接和间接的影响。
-
硬件制造与运输的环境影响
- 生成式人工智能的硬件需求（如GPU）不断增加，其制造过程复杂，能耗较高，碳足迹显著。
- 硬件的原材料获取和运输过程也涉及环境污染问题，如采矿和化学处理。
-
专家观点
- Elsa Olivetti教授：生成式人工智能的环境影响不仅仅是电力消耗，还包括更广泛的系统级后果。我们需要更全面地评估其环境和社会成本。
- Noman Bashir博士：生成式人工智能对电力和水资源的需求巨大，目前的发展路径不可持续。我们需要更负责任地开发生成式人工智能，以支持环境目标。
-
结论与展望
- 当前生成式人工智能的发展路径对环境造成了巨大压力，尤其是电力和水资源的消耗。专家建议，未来需要更全面地评估其环境影响，并在开发过程中考虑可持续性。
文章标签：
#生成式人工智能， #环境影响， #数据中心， #可持续发展， #能源消耗