生成式人工智能是能源密集型的，其环境影响的计算方式也很复杂。在检查公司自身的可持续发展目标时，请考虑生成式人工智能对环境的下游影响。
- 哪些副作用可能不会立即显现，但可能会产生重大影响？
- 大部分能量消耗发生在什么时候：训练期间还是日常使用期间？
- “更高效”的人工智能模型真的能解决任何可持续性问题吗？
生成式人工智能对发电、水和空气质量的影响
人工智能对空气污染的影响
2024 年 12 月，加州大学河滨分校和加州理工学院计算得出，训练Llama-3.1 产生的空气污染量相当于洛杉矶和纽约市之间 10,000 多次汽车往返行程的空气污染量。
加州大学河滨分校和加州理工学院的研究人员发现，运行人工智能的数据中心的备用发电机造成的空气污染加剧，每年导致地区公共卫生成本约 1.9 亿至 2.6 亿美元。
人工智能对电力使用的影响
2024 年报告国际能源署表示，ChatGPT 提示符每年的用电量比 Google 搜索每年使用的总电量多 10 太瓦时。
人工智能对用水的影响
消耗更多的电力可能会损害已经陷入困境的公用事业公司，导致停电或停电。从已经干旱多发的地区（例如快速发展的亚利桑那州菲尼克斯或加利福尼亚州沙漠）取水可能会导致栖息地丧失和野火。
看：
人工智能的训练或日常使用会消耗更多资源吗？
“培训是一个耗时且耗能的过程，”IEA 在其报告中写道。2025年能源与人工智能世界能源展望特别报告。适合人工智能训练的 GPU 的最大额定功耗相当于一台烤面包机的耗电量。该机构计算出训练 OpenAI 的 GPT-4 需要 42.4 吉瓦时，相当于发达经济体 28,500 个家庭的日常家庭用电量。
日常使用呢？
“值得注意的是，推理现在占据了生成式人工智能能源使用的大部分，”Going Global Ventures 总裁兼 Mayfield 战略合作伙伴 Mark D. Minevich 在给 TechRepublic 的电子邮件中表示。 “为什么？因为推理——实时生成响应、图像或代码，是一个持续的过程，涉及数十亿次日常交互。”
查询大小、模型大小、推理时间缩放程度以及人工智能模型在推理阶段使用多少电量来解析提示的更多因素。这些因素，以及缺乏有关消费者人工智能模型的规模和实施的数据，意味着环境影响很难衡量。然而，不可否认的是，生成式人工智能比传统计算消耗更多的能量。
研究博客 Digiconomist 和比特币能源消耗指数的创始人 Alex de Vries 在给 TechRepublic 的电子邮件中写道：“即使在大规模采用生成式 AI 应用程序之前（2019-2021 年），推理阶段（也是操作阶段）就已经占了 Google 人工智能能源成本的大部分（60%）。” “尽管我们没有确切的数字，但人工智能应用程序的大规模采用将进一步增加推理（/操作）阶段的权重。”
与此同时，人工智能模型不断扩展。 “增加模型大小（参数）将带来更好的性能，但会增加训练和推理的能源使用，”de Vries 说。
下载：这个来自 TechRepublic Premium
DeepSeek声称更节能，但很复杂
DeepSeek 的人工智能模型因其在不消耗太多能源且价格更低的情况下实现与主要竞争对手一样多的成果而受到称赞；然而，现实情况更为复杂。
DeepSeek 的专家混合方法通过批量处理概念之间的关系来降低成本。它在训练过程中不需要太多的计算能力或消耗太多的能量。这国际能源署发现日常使用 DeepSeek-R1 使用的推理时间缩放方法会消耗大量电力。一般来说，大型推理模型消耗的电量最多。训练要求不高，但使用要求更高，根据《麻省理工科技评论》。
IEA 在 2025 年能源和人工智能报告中写道：“DeepSeek-R1 和 OpenAI 的 o1 模型比其他大型语言模型的能源密集程度要高得多。”
IEA还指出了“反弹效应”，即产品效率的提高导致更多用户采用它；结果，该产品继续消耗更多资源。
AI能否抵消其消耗的资源？
科技公司仍然喜欢把自己表现为好管家。谷歌在全球范围内寻求能源意识认证，包括在欧洲签署气候中和数据中心协议。微软在其 2024 年可持续发展报告中看到水和电的使用量也出现了类似的增长，该公司正在考虑重新开放宾夕法尼亚州三哩岛的一座核电站，为其人工智能数据中心供电。
SEE：人工智能的普及创造了持续的繁荣及相关基础设施。
人工智能的支持者可能会认为其好处大于风险。生成式人工智能可用于可持续发展项目。人工智能可以帮助梳理有关碳排放的大量信息数据集或跟踪温室气体的排放。
“生成式人工智能可以通过优化能源网格、供应链和建筑设计来支持可持续发展，”米内维奇说。
此外，人工智能公司正在不断致力于提高其模型的效率。但“效率”的真正含义似乎始终是一个问题。
“存在一些瓶颈（例如电网容量）可能会阻碍人工智能及其电力需求的增长，”德弗里斯说。 “这很难预测，同时考虑到无法预测人工智能的未来需求（例如，人工智能炒作可能会在一定程度上消退），但限制人工智能电力需求的任何希望都来自于此。由于‘越大越好’，动态人工智能从根本上与环境可持续性不相容。”
接下来的问题是人工智能对供应链的影响应该计算到什么程度。国际能源署在能源和人工智能报告中表示：“电力消耗产生的间接排放是半导体硬件制造排放的最重要组成部分。”
随着公司更好地了解生成式人工智能的需求并转向专注于此的产品，硬件及其使用的成本已经下降。
“在硬件层面，成本每年下降30%，而能源效率每年提高40%。”。
下载：这个来自 TechRepublic Premium
考虑生成式人工智能如何影响您企业的环境目标
生成式人工智能正在成为主流。某些 PC 默认包含 Microsoft 的 Copilot；智能手机制造商正急切地添加视频编辑人工智能和助手；谷歌向学生免费提供 Gemini Advanced 模型。
设定有希望的可持续发展目标的科技公司可能会现在他们生产并使用生成式人工智能产品。
“人工智能可以对 ESG 报告以及相关公司实现自己的气候目标的能力产生巨大影响，”德弗里斯说。
Minevich 表示：“缺乏衡量人工智能相关能源使用的标准和工具，特别是通过 API 访问的模型，这也加剧了这个问题。”
他建议企业使用能源监控工具，青睐较小的模型，将人工智能排放纳入 ESG 报告框架，投资边缘计算以减少数据传输和云计算能源需求，并基于代理人工智能制定可持续采购政策，要求人工智能供应商披露其排放量。
米内维奇表示：“企业必须从将人工智能视为纯粹的数字投资转变为将其视为物理基础设施承诺并承担现实世界的环境成本。”
淡化环境问题的政治气候也会带来问题。
“我们正在进入未知领域，”米内维奇说。 “人工智能的扩展速度快于电网的适应能力，而就在我们最需要明确性和行动的时候，可持续发展正在被政府层面政治化。”
他预计能源需求将继续上升，而监管框架则在联邦层面放松监管和进步州或地区更严格的框架之间分裂。 Minevich 表示，科技公司可以通过提供和使用低功耗人工智能芯片、模型压缩和高效的人工智能架构来适应不断变化的政治气候。
“只有那些主动将人工智能战略与突破性创新、透明度和问责制等可持续发展目标结合起来的公司，才能为未来十年的监管和市场现实做好准备。其他公司将会消失，”他说。
下载：这个可定制来自 TechRepublic Premium
根据Google 2024 年环境报告，这家科技巨头的数据中心消耗的水量比 2023 年增加了 17%。谷歌将其归因于“人工智能产品和服务的扩展”，并指出“用电量也出现了类似的增长”。谷歌数据中心的废物产生量和用水量均有所增加。
“随着人工智能采用的加速，IT 领导者越来越意识到，更智能的设备与更高效的功耗并不直接相关，”ClickShare 全球战略联盟主管 Dan Root 表示。 “人工智能工具计算需求的激增意味着 IT 部门必须在其堆栈的其他地方寻找抵消机会。”
正如国际能源署在其报告中指出的那样2024年电力报告如果世界要满足人工智能的能源需求，就需要考虑电力来源和基础设施。
“你可以让模型变得更小，以减少能量需求，但这也意味着你必须做好牺牲性能的准备，”德弗里斯说。