greenai.guide

首页 › 文章 › 绿色 AI 与“AI 助力绿色”:有什么区别

文章

绿色 AI 与“AI 助力绿色”:有什么区别

更新于 · 阅读约需 3 分钟

简而言之

狭义的绿色 AI 是指减少 AI 本身的环境足迹,包括能源、碳、水和硬件。“AI 助力绿色”是指用 AI 支持气候和环境行动,从预测可再生能源发电、发现甲烷泄漏,到洪水预警和天气预报。两者密不可分,因为一个应对气候问题的 AI 项目,只有节省的多于消耗的,才真正有益。

要点

  • 绿色 AI 减少 AI 本身的足迹;“AI 助力绿色”用 AI 减少其他领域的排放,或帮助人们适应气候变化。
  • “AI 助力绿色”涵盖减缓(减少排放)以及适应与韧性(应对气候变化带来的影响)。
  • 国际能源署估计,广泛采用现有的 AI 解决方案,到 2035 年可减少相当于能源相关排放约 5% 的排放量,但它也指出这并无保证。
  • “AI 助力绿色”项目应计算自身的足迹,并与其避免的排放或损害相比较,同时如实给出不确定性范围。
  • 好的“AI 助力绿色”项目会践行绿色 AI:使用够用的最小模型、测量能耗,并留意反弹效应。

两个听起来几乎一样的说法,描述的却是相当不同的工作。“绿色 AI”关乎 AI 给地球带来的成本,“AI 助力绿色”关乎 AI 能为地球做什么。本文解释两者的区别,分别给出真实的例子,并说明为什么最好的项目两者都需要。

绿色 AI 和“AI 助力绿色”有什么区别?

绿色 AI 减少 AI 本身的环境足迹;“AI 助力绿色”用 AI 支持气候和环境行动。前者向内看 AI 系统,后者向外看 AI 所应用的问题。

  • 绿色 AI,按大多数人所指的狭义理解,关注 AI 使用的能源、碳、水和硬件。它包括更高效的模型和代码、测量能耗、使用更清洁的电力、延长硬件的使用寿命,以及充足性:只在值得的地方使用 AI 或大模型。
  • AI 助力绿色把 AI 应用于环境问题。它既包括减少排放,也包括帮助人类和自然应对不断变化的气候。

在本网站,什么是绿色 AI?把“绿色 AI”作为涵盖这两种含义的总称,并把狭义的含义称为“更绿色的 AI”。区别是一样的:无论用什么词,最好都说明指的是哪一种。

“AI 助力绿色”包括哪些内容?

大致有两类气候工作:减缓,即减少排放;适应与韧性,即减轻气候变化造成的损害。Rolnick 等人 2019 年的论文《Tackling climate change with machine learning》(用机器学习应对气候变化)梳理了这两方面,从智能电网到灾害管理。该论文由 Climate Change AI 发布。这是一个 2019 年成立、由志愿者运营的非营利组织,如今在这一领域举办研讨会、暑期学校并提供创新资助。

减缓:减少排放

  • 电网:预测风电、光伏出力和用电需求,使电网能以更少的化石能源备用来平衡供需。
  • 甲烷与排放探测:联合国环境规划署于 2023 年推出的甲烷预警与响应系统(MARS)利用卫星数据,结合科学专业知识和 AI,免费发送大规模甲烷排放警报。IEA 报告称,2025 年只有约 12% 的通知得到了回应,这提醒我们,探测只有在有人采取行动时才有用。
  • 材料发现:Google DeepMind 的 GNoME 项目于 2023 年在《Nature》上报告,图网络识别出 220 万种晶体结构,其中 38.1 万种是新发现的稳定材料,可作为开发更好的电池和太阳能电池的起点。每一种候选材料仍需实际制备和测试。
  • 建筑与工业:DeepMind 于 2016 年报告,机器学习可以持续将 Google 数据中心的冷却能耗降低 40%。
  • 农业与土地利用:通过卫星图像监测作物、土壤和森林砍伐。

适应与韧性:应对气候变化

  • 天气与气候预报:机器学习天气模型 GraphCast 在 1,380 个检验指标中的 90% 上优于最准确的业务确定性预报系统,不到一分钟就能生成一份 10 天的全球预报。2025 年 2 月 25 日,欧洲中期天气预报中心(ECMWF)将其基于机器学习的人工智能预报系统(AIFS)投入业务运行。ECMWF 表示,它在许多指标上优于基于物理的模型,而每次预报的能耗约为其千分之一。
  • 洪水预警:Nearing 等人于 2024 年在《Nature》上发表研究表明,在没有水文站的流域,AI 洪水预报提前五天的可靠性,与一个领先的全球系统当天预报的可靠性相当或更高。他们的模型为一个预警系统提供数据,在 80 多个国家发布免费的公共预报。
  • 野火和热浪预警、灾害响应、水资源管理以及生物多样性监测,例如通过红外相机和录音识别物种。

两者如何比较?

两者在目标、参与者和成功标准上各不相同,但有一个共同风险:声称有效益,却从未测量。

绿色 AI AI 助力绿色
目标 减少 AI 使用的能源、碳、水和材料 用 AI 减少其他领域的排放或减轻气候损害
谁来做 AI 开发者、数据中心和芯片设计者、IT 和采购团队、日常用户 气候和地球科学家、能源公司、预报人员、自然保护组织、政府,以及与之合作的 AI 专家
成功是什么样 每个有用结果的能耗和碳排放更少,总用量更低 经测量的避免排放量、更早的预警、挽救的生命和节省的资金
方法举例 更小的模型或蒸馏模型、量化、能耗测量、碳感知调度、延长硬件寿命 预报、卫星图像分析、电网和建筑优化、材料筛选
主要风险 节省下来的被更多使用消耗掉(反弹效应);只讲能效、不讲总量 足迹大于效益;效益是假设的而非测量的;探测结果无人采取行动

AI 对气候是好是坏?

两者都有,结果取决于怎么用。国际能源署 2025 年的《Energy and AI》报告预计,在基准情景中,数据中心用电产生的排放将从目前的 1.8 亿吨增长到 2035 年的 3 亿吨。它还估计,广泛采用现有的 AI 解决方案,到 2035 年可减少相当于能源相关排放约 5% 的排放量:远多于数据中心的排放,但远少于应对气候变化所需的减排量。

IEA 对第二个数字持审慎态度。它指出,需要克服采用方面的障碍;反弹效应,例如人们从公共交通转向自动驾驶汽车,可能削弱这些效益;而且 AI“并不是灵丹妙药”。Kaack 等人 2022 年在《Nature Climate Change》上发表的文章,提供了一个有用的思考框架。他们把 AI 对排放的影响分为三类:

  1. 与计算相关的影响:AI 使用的能源和硬件。
  2. 直接应用影响:使用本身的直接效果,例如少烧的燃料。
  3. 系统层面影响:行为和需求的更广泛变化,包括反弹。

绿色 AI 作用于第一类,“AI 助力绿色”作用于第二类。第三类对两者都可能有利,也可能有害。

为什么绿色 AI 和“AI 助力绿色”密不可分?

因为“AI 助力绿色”项目只有节省的多于消耗的才真正有益,而绿色 AI 正是压低消耗的办法。出于气候目的,并不会让足迹消失。

许多“AI 助力绿色”的任务很适合践行绿色 AI。天气、洪水和电网预报都是为单一任务构建的专用系统;ECMWF 报告称,其 AIFS 每次预报的能耗约为原来的千分之一。这个数字只针对生成预报;完整的核算还应计入模型训练。风险出现在项目动用大型通用模型、不必要地频繁重新训练,或运行规模超出其效益所能证明的程度时。Luccioni、Strubell 和 Crawford 认为,能效提升可能带来更多使用,因此项目应关注其总足迹,而不仅仅是每项任务的能效(参见效率不等于充足)。

因此,好的“AI 助力绿色”项目会践行绿色 AI:

  • 选择能解决问题的最简单方法,有时是经典统计方法或物理模型;
  • 测量训练和运行系统的能耗;
  • 在电力更清洁的地点和时段运行;
  • 复用现有的模型和数据,而不是从头训练。

如何评估“AI 助力绿色”项目的净效益?

把 AI 自身的足迹与它相比没有它的情况所避免的排放或损害相比较,并给出不确定性范围。Kaack 等人呼吁把这类影响评估列为优先事项。

  1. 计算 AI 的足迹。包括训练、重新训练、日常使用、数据存储,并尽可能计入硬件的隐含碳。能测量的就测量,不要猜测。
  2. 确定反事实情景。没有 AI 会怎样:沿用现有预报、人工检查,还是什么都不做?效益只是两者之间的差值。
  3. 估算避免的排放或损害。在有测量结果的地方使用测量结果,例如实际修复的泄漏或实际节省的能源,而不只是探测或预测的次数。
  4. 计入反弹和系统效应。问一问:某项活动变得更便宜或更容易之后,是否会导致这项活动增多。
  5. 说明不确定性。给出范围,列明假设,并在系统投入使用后重新审视估算。

如果即使在范围的悲观一端,效益仍是足迹的许多倍,那么理由就很充分。如果两者接近,或者效益未经测量,就要谨慎对待这一说法。参见测量是瓶颈和诚实的绿色声明。

下一步怎么做

常见问题

什么是“AI 助力绿色”?

“AI 助力绿色”是指用人工智能支持气候和环境行动:一方面减少排放,例如预测可再生能源发电或发现甲烷泄漏;另一方面帮助人们适应,例如通过洪水预警和更好的天气预报。

绿色 AI 和“AI 助力绿色”有什么区别?

绿色 AI 关注的是 AI 本身的足迹:让模型、硬件和数据中心消耗更少的能源、碳、水和材料。“AI 助力绿色”关注的是 AI 的用途:把它用于环境问题。一个项目可以属于其中之一、两者兼有,或两者都不是。

AI 对气候是好是坏?

两者都有,取决于怎么用。国际能源署发现,更广泛地使用现有 AI 应用所能减少的排放,可能远远多于数据中心增加的排放;但它也警告说,这并无保证,反弹效应可能抵消这些收益。

绿色 AI 和可持续 AI 有什么区别?

两个说法有重叠,常常互换使用。绿色 AI 通常侧重 AI 的环境足迹;可持续 AI 的含义往往更广,还包括社会和经济方面的影响。

如何判断一个 AI 气候项目是否值得它的足迹?

估算构建和运行该 AI 的能耗和碳排放,估算它相比没有它的情况所避免的排放或损害,然后在给出不确定性范围的前提下比较两者。如果效益没有经过测量,这一说法就没有得到证明。

有没有 AI 帮助应对气候变化的例子?

有。ECMWF 的 AIFS 等机器学习天气模型已投入业务运行;基于 AI 的洪水预报在 80 多个国家提供免费的公共预警;联合国环境规划署的甲烷预警系统利用卫星数据和 AI 标记大规模甲烷排放。

来源

  1. Tackling climate change with machine learning, Rolnick et al., Climate Change AI (arXiv:1906.05433) (2019)
  2. About Climate Change AI, Climate Change AI (2026)
  3. Aligning artificial intelligence with climate change mitigation, Kaack et al., Nature Climate Change (2022)
  4. Energy and AI: executive summary, International Energy Agency (2025)
  5. ECMWF's AI forecasts become operational, European Centre for Medium-Range Weather Forecasts (2025)
  6. Learning skillful medium-range global weather forecasting (GraphCast), Lam et al., Science (arXiv:2212.12794) (2023)
  7. Global prediction of extreme floods in ungauged watersheds, Nearing et al., Nature (2024)
  8. Responding to satellite notifications from the Methane Alert and Response System, International Energy Agency (2026)
  9. Scaling deep learning for materials discovery, Merchant et al., Nature (2023)
  10. DeepMind AI reduces Google data centre cooling bill by 40%, Google DeepMind (2016)
  11. From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)

加入我们

帮助减少 AI 对地球的影响

通过电子邮件获取新指南、资助征集和名录收录信息,大约每月一次。您也可以将您的产品、课程、博士岗位或研究添加到名录中。

不做跟踪。一键退订。 其他加入方式 · 隐私