OpenAI开发的聊天机器人ChatGPT所取得的成功，激起业界竞相推出涵盖各类特色的AI产品的风潮。诸如微软（Microsoft）、Google或OpenAI等业者所使用的云端运算，都需要仰赖庞大数据中心的服务器中数以千计的芯片，来训练AI模型，可以想见耗能有多惊人。

AI固然具备协助达成永续发展目标的潜力，例如透过工厂自动化技术，可用来指挥设备在何时以什么样的方式，来执行各项任务，让能源效率最大化。另外还有统计指出，智能家庭科技也可以帮助降低碳排量，达到近13%幅度。更别提AI技术能够投入科学研究，帮助人类找出减缓或应对气候变迁的各种方法。

然而，根据彭博（Bloomberg）报导，AI运作本身所需要消耗的能源量就很庞大，比起其他形式的运算，有过之而无不及。富比士（Forbes）观察到，有个常见的迷思是认为，只要有AI，不管使用方式如何，都可以提高能源效率，所以会出现某些公司砸大钱建立与部署AI模型，却只是为了完成简单工作的奇怪情况。

AI有多耗能？根据Google估计，2021年AI占该公司整体用电量比重，高达10~15%，约2.3 TWh，等于像美国亚特兰大那样规模的1座城市当中，所有家庭1年的使用量。

此外，根据2021年出版的一篇论文〈碳排放与大型神经网络训练〉（Carbon Emissions and Large Neural Network Training）的统计，OpenAI GPT-3自回归语言模型的训练过程，总计耗费1.287 GWh的电力，约是120个美国家庭1年用电量；碳排量502公吨，约是110辆美国汽车1年排放量。还有研究显示，在部分情况下，这种前置成本只占模型总体耗能的40%，因为实际使用的部分还没算进去。而且模型之后还会继续成长，毕竟唯有定期重新训练，模型才能跟上最新的信息。

AI结合查找引擎 运算量暴增

另外，据英国萨里大学网络安全教授Alan Woodward表示，光是索引与查找网络内容，就已经需要用掉庞大的资源，若结合AI技术，又是另一种层次的问题，需要更多的处理效能、储存，以及提升查找效率；每当这种在线处理有进一步的改变，需要投注其中的能源与冷却所需资源，就又大幅度的增加。

举例来说，将ChatGPT作为独立产品使用，与将ChatGPT整合到Bing网络查找引擎当中，这两者之间有很大的不同。New Street Research推算，导入Bing的ChatGPT模型，假设需要8个NVIDIA A100 GPU，以在1秒之内针对1个问题做出1个回答；按这个速度，若需要服务所有Bing使用者，估计得使用超过2万台的NVIDIA DGX服务器。又根据Wired引述加拿大数据中心业者QScale共同创始人Martin Bouchard的估计，微软与Google将生成式AI技术加到查找引擎，则每次查找所需要的运算量，会至少增加4到5倍之多。

业者也试图解决能源消耗问题。例如，Google希望在2030年以前达到整体营运净零排放的目标，也有在运用AI技术改善数据中心能源效率，例如直接使用在冷却系统的控制上，让AI「将功赎罪」。

微软也持续购入再生能源，并投入资金研究如何测量AI能耗与碳排，朝在2030年以前达成「负碳排」目标前进。另外，由于OpenAI是使用Azure平台运作，因此也与微软紧密合作，改善训练大型语言模型的能源效率与碳足迹。

但是，问题不仅在于耗电量惊人而已。事实上，现阶段连AI整体的耗电及碳排量的精确数字都无法掌握，遑论寻找解决办法。这是因为AI产业成长速度太快，以及相关信息透明度不足等问题存在。业者纵然都有远大的永续发展志向，但是具体用了什么模型、碳排量多寡等信息，往往不愿意揭露太多。

若是如此，在下游客户考虑是否将AI导入某一应用时，就很难评估成本与效益。业界不敢揭露太多信息，可能也是因为怕招来外界更多审视的压力。例如加密货币产业就是因为耗电量庞大，成为全球多国政府以此为由加大限制的对象。

然而，逃避终究不是解决办法，如果再不重视能耗问题，致使招惹上与加密货币同样的污名，反过来影响甚至阻滞AI的发展，如同今日萎靡不振的加密货币市场一般，恐怕也非大众所乐见之事。

责任编辑：张兴民