greenai.guide

首页 › 我该如何……? › 如何计算 AI 硬件的隐含碳排放?

我该如何……?

如何计算 AI 硬件的隐含碳排放?

更新于 · 阅读约需 1 分钟

简而言之

隐含碳是指硬件在制造、运输和处置过程中产生的排放。要计算它,先取硬件的隐含排放总量,再按您的 AI 工作占用这些设备的时间和比例分摊,然后把这一份额加到运行排放上,这正是 SCI 规范中 M 项的做法。由于数据往往不足,请说明您的假设;还要记住,硬件用得越久,同样的排放就分摊到越多的工作上。

步骤

  1. 向硬件或云服务供应商索取您所用设备的隐含排放数据。
  2. 按 AI 工作占用硬件的时间和比例,为其分摊一份排放。
  3. 把这一份额加到运行排放上,并说明您计入了哪些部分。
  4. 说明各项假设,包括硬件的预期寿命。
  5. 在您能控制的范围内延长硬件寿命,让隐含排放覆盖更多有用的工作。

既要计算电力,也要计算硬件,因为电网越清洁,制造环节所占的份额就越大。 Meta 的 Wu 及其同事在 2022 年报告称,隐含碳约占 Meta 大规模机器学习碳足迹的 30%,并认为随着运行能源变得更清洁,它正在成为最主要的来源。

如何分摊?

绿色软件基金会(Green Software Foundation)的 SCI 规范把隐含排放列为 M 项。一种简单的做法是:

  1. 从制造商或供应商处获取设备的隐含排放总量。
  2. 除以设备的预期寿命,得到每年或每小时的排放。
  3. 乘以您的工作占用设备的时间,再乘以您使用的那部分机器所占的比例。

使用云服务时,您看不到硬件,因此请询问服务商:其碳排放报告是否包含制造环节(范围 3),以及是如何分摊的。请参阅您的云服务商的碳数据。

电子垃圾怎么办?

Wang 及其同事在 2024 年估计,2020 年至 2030 年间,大语言模型总共可能产生 120 万至 500 万吨电子垃圾,具体取决于其使用增长的速度;而再利用和回收可以大幅减少这一数量。

常见错误

  • 不计隐含碳,却不加说明。 无论是否计入,都要在边界说明中写明。
  • 默认假设硬件寿命很短。 过早更换设备会提高每年分摊的份额。
  • 为了一点效率提升就购买新硬件,却不核查由此增加的制造成本。

关于边界的设定,请参阅如何测量 AI 能耗。

来源

  1. Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
  2. E-waste challenges of generative artificial intelligence, Wang et al., Nature Computational Science (2024)
  3. Software Carbon Intensity (SCI) specification, Green Software Foundation (2024)

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