greenai.guide

首页 › 文章 › 什么是绿色 AI?

文章

什么是绿色 AI?

更新于 · 阅读约需 2 分钟

简而言之

绿色 AI 是指以一种使环境成本与其带来的价值相称的方式使用人工智能(AI)。它包含两层含义:用 AI 帮助环境(“AI 助力绿色”),以及减少 AI 本身的足迹(“更绿色的 AI”);也包含两条实现途径:效率(用更少的资源完成每项任务)和充足(只做值得做的任务)。

要点

  • “AI 助力绿色”是用 AI 帮助实现环境目标;“更绿色的 AI”是减少 AI 本身的足迹。绿色 AI 两者都需要。
  • AI 的足迹不只是电力,还包括碳排放、用于冷却和发电的水,以及硬件所用的材料和产生的废弃物。
  • 效率降低每项任务的成本;充足则追问这项任务是否需要 AI,或者是否需要这么大的模型。
  • 绿色 AI 不等于“不用 AI”。它关乎用好 AI、测量其成本,以及为任务选择合适的工具。
  • 由于“AI”涵盖从小型分类器到前沿聊天机器人的一切,任何绿色 AI 的说法都应说明指的是哪一类 AI。

“绿色 AI”被用来指好几种不同的东西,这让相关讨论容易混乱。本文梳理其中的主要概念,以及本网站通用的术语,以便后续页面在此基础上展开。

绿色 AI 是什么意思?

绿色 AI 是指以一种使环境成本与其带来的价值相称的方式使用人工智能。它关乎用好 AI,而不是拒绝使用 AI。

这一说法由 Schwartz、Dodge、Smith 和 Etzioni 在 2020 年发表于《Communications of the ACM》的论文中推广开来。他们把“红色 AI”,即用越来越多的计算换取准确率小幅提升的研究,与“绿色 AI”,即在报告和奖励准确率的同时也报告和奖励效率的研究,作了对比。这篇论文的背景是 Strubell、Ganesh 和 McCallum 2019 年的研究,该研究揭示了开发一个大语言模型(LLM)可能消耗多少能源、排放多少碳。

此后,这一概念的含义不断扩展。如今,绿色 AI 通常涵盖 AI 系统的整个生命周期:它运行的硬件、数据中心、模型、配套软件,以及人们如何使用它。

“AI 助力绿色”和“更绿色的 AI”有什么区别?

“AI 助力绿色”是用 AI 帮助实现环境目标;“更绿色的 AI”是减少 AI 本身的足迹。绿色 AI 两者都需要,而两者可能相互拉扯。

AI 助力绿色 更绿色的 AI
目标 用 AI 在其他领域减排或保护自然 减少 AI 所用的能源、碳、水和材料
例子 预测可再生能源发电量、管理电网、检测泄漏、气候建模 更小的模型、高效的代码、更清洁的电力、更长的硬件寿命
风险 声称的效益从未被测量 节省下来的资源被更多的使用抵消(反弹效应)

国际能源署(IEA)2025 年的《Energy and AI》报告涵盖了这两方面:报告发现,更广泛地应用现有 AI 应用可以减少能源和工业领域的排放,同时警告 AI 自身的电力需求正在快速增长,净效果取决于 AI 如何部署。

2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)也以同样的两面视角来界定绿色 AI,并认为数学可以在两方面都作出贡献:为环境问题提供更好的方法,为 AI 提供更精简的方法。

什么是效率和充足?

效率是用更少的资源完成每项任务;充足是只做值得做的任务。

  • 效率追问的是:这个模型、提示词或数据中心怎样才能用更少的能源得到同样的结果?例子包括对模型进行剪枝和量化、使用更好的芯片和更高效的冷却。
  • 充足追问的是:这项任务到底需不需要 AI,或者需不需要这么大的模型?计算器、数据库查询或经典的数值方法,往往比大语言模型更便宜、更可靠。

单靠效率可能适得其反,因为 AI 越便宜,往往用得越多。这就是反弹效应,详见效率不等于充足。

AI 的环境足迹包括什么?

四个方面:能源、碳、水和材料。大多数公共讨论只涉及前两个。

能源

AI 靠电力运行,主要在数据中心里。国际能源署估计,2024 年数据中心用电约 415 TWh(太瓦时),约占全球用电量的 1.5%,并预计到 2030 年将增加一倍以上,达到约 945 TWh,而 AI 是最重要的推动因素。请参阅为什么绿色 AI 现在很重要。

能源消耗分两个阶段:

  • 训练:构建模型时一次性的巨大成本。
  • 推理:每次使用模型时的成本。对于被广泛使用的模型,这些成本会不断累积:谷歌在 2022 年报告称,推理约占其机器学习能耗的五分之三,训练约占五分之二。

碳

碳足迹既取决于用了多少能源,也取决于电力有多清洁。同一项工作,在以煤电为主的电网上排放的碳,可能是在以风电、水电或核电为主的电网上的许多倍。碳足迹还包括隐含碳:制造芯片、服务器和建筑物所产生的排放。Meta 的 Wu 等人在 2022 年报告称,隐含碳约占 Meta 大规模机器学习足迹的 30%,并认为随着运行用电越来越清洁,隐含碳正在成为主要来源。

水

数据中心用水来冷却,发电厂用水来发电。Li、Yang、Islam 和 Ren 在 2023 年指出,AI 的这种“隐秘水足迹”相当可观,并且随地点和一天中的时段而有很大差异。谷歌 2025 年对其 Gemini 助手的测量显示,文本提示词的中位数耗水约 0.26 毫升,耗能 0.24 瓦时。

材料

AI 硬件需要金属和矿物,而且更新换代很快。Wang 等人在 2024 年估计,视使用增长的速度而定,2020 年至 2030 年间大语言模型总共可能产生 120 万至 500 万吨电子废弃物,而再利用和回收可以大幅减少这一数量。让硬件服役更长时间,并开发在旧设备上也能良好运行的软件,可以减少电子废弃物。

为什么要说清楚指的是哪种“AI”?

因为“AI”涵盖的各种系统,其足迹相差许多个数量级。给电子邮件分类的小模型、天气预报系统和前沿聊天机器人,都叫“AI”。

在日常用语中,“AI”现在主要指生成式 AI:聊天机器人以及图像和视频生成工具。人们对 AI 能耗的担忧,很多都是针对这些大模型的。但工业和科学领域的大多数机器学习规模更小、更专门化。一个好的绿色 AI 说法会说明它针对的是哪一类 AI,以及其成本是在什么边界内计算的。请参阅测量是绿色 AI 的瓶颈。

绿色 AI 就是“不用 AI”吗?

不是。不用 AI 有时是最绿色的选择,绿色 AI 也包括这个选项。但绿色 AI 主要关乎负责任地使用 AI:测量其成本,为任务选择合适的模型,并让它更高效。

有些人更喜欢别的说法。“可持续 AI”常常除了环境可持续性之外,还包括社会和经济方面的可持续性。另一些人主张把目标描述为避免浪费性计算,这样的说法更难被视为空泛的口号而被轻易忽略。本网站用“绿色 AI”指环境方面,并会具体说明一项说法涉及的是哪种资源(能源、碳、水或材料)。

下一步怎么做

常见问题

简单来说,什么是绿色 AI?

绿色 AI 是指在设计、构建和使用人工智能时,使其在能源、碳、水和材料方面的环境成本,相对于它带来的价值而言,尽可能合理地降到最低。

“绿色 AI”这个说法是谁提出的?

这一说法由 Schwartz、Dodge、Smith 和 Etzioni 在 2020 年发表于《Communications of the ACM》的论文中推广开来。论文把“红色 AI”(用越来越多的计算换取准确率的研究)与“绿色 AI”(把效率与准确率一起作为评价标准)作了对比。

绿色 AI 和可持续 AI 是一回事吗?

两个说法有重叠,常常互换使用。“可持续 AI”有时含义更广,除环境影响外,还包括社会和经济方面的可持续性。

绿色 AI 是否意味着少用 AI?

有时是。只在 AI 能增加价值的地方使用它,是绿色 AI 的一部分;但让所用的 AI 更高效,以及用 AI 在其他领域减排,同样是绿色 AI 的一部分。

来源

  1. Green AI, Schwartz, Dodge, Smith and Etzioni, Communications of the ACM (2020)
  2. Energy and policy considerations for deep learning in NLP, Strubell, Ganesh and McCallum, ACL (2019)
  3. Energy and AI, International Energy Agency (2025)
  4. Measuring the environmental impact of delivering AI at Google Scale, Elsworth et al., Google (2025)
  5. Making AI less thirsty: uncovering and addressing the secret water footprint of AI models, Li, Yang, Islam and Ren (2023)
  6. E-waste challenges of generative artificial intelligence, Wang et al., Nature Computational Science (2024)
  7. Sustainable AI: environmental implications, challenges and opportunities, Wu et al., MLSys (2022)
  8. Good news about the carbon footprint of machine learning training, Google Research (Patterson) (2022)

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