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:
- 与计算相关的影响:AI 使用的能源和硬件。
- 直接应用影响:使用本身的直接效果,例如少烧的燃料。
- 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。
- 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。
- 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。
- 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。
- 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。
- 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
- 阅读什么是绿色 AI?了解核心定义。
- 在启动“AI 助力绿色”项目之前,写下它的反事实情景,以及您将如何测量其能耗。
- 寻找绿色 AI 和“AI 助力绿色”项目的资助,包括气候和自然基金。
- 在研究机构名录中查找这一领域的团体。
- 阅读效率不等于充足,了解为什么总用量很重要。
- 在术语表中查找不熟悉的术语。
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
- Tackling climate change with machine learning, Rolnick et al., Climate Change AI (arXiv:1906.05433) (2019)
- About Climate Change AI, Climate Change AI (2026)
- Aligning artificial intelligence with climate change mitigation, Kaack et al., Nature Climate Change (2022)
- Energy and AI: executive summary, International Energy Agency (2025)
- ECMWF's AI forecasts become operational, European Centre for Medium-Range Weather Forecasts (2025)
- Learning skillful medium-range global weather forecasting (GraphCast), Lam et al., Science (arXiv:2212.12794) (2023)
- Global prediction of extreme floods in ungauged watersheds, Nearing et al., Nature (2024)
- Responding to satellite notifications from the Methane Alert and Response System, International Energy Agency (2026)
- Scaling deep learning for materials discovery, Merchant et al., Nature (2023)
- DeepMind AI reduces Google data centre cooling bill by 40%, Google DeepMind (2016)
- From efficiency gains to rebound effects: the problem of Jevons' paradox in AI's polarized environmental debate, Luccioni, Strubell and Crawford, ACM FAccT (2025)