最近人工智能（AI）應用的爆炸式增長引發了許多爭論，潛力是巨大的，可能為社會提供更高效的生產力，但它對社會潛在的威脅也同樣重大。

其中一個巨大威脅是AI使用和能源消耗之間的矛盾，一項未經同行評審的研究表明，現在火爆的生成式AI，消耗的能量比你想象的要多得多。

我們在網上所做的一切，從生成圖像到創建文本提示，都依賴于服務器上存儲的信息，而這些機器堆疊在數據中心中，需要大量能源來運行和維護。

在全球范圍內，目前數據中心的用電量約占全球用電量的1%左右 ，但是隨著我們開始更多地使用人工智能，這個數字可能會逐漸上升。

新研究由人工智能開發商Hugging Face和卡內基梅隆大學的研究人員團隊發起，他們使用一個自主研發的名為Code Carbon的工具，比較了開源HuggingFace Hub上16個最流行模型的能量消耗和碳排放數據。

他們發現，生成圖像在能源消耗方面大到難以想象，甚至可能你每生成一張圖片，支持它運行的服務器所消耗的電能就足以為普通智能手機充滿兩次電。

根據他們的測試，由于模型、以及生成圖像大小的不同，生成式AI每生成1000次圖像會消耗消耗 0.06-2.9 kWh的電量，中位數接近1.35 kWh。

相比之下，為普通智能手機充電只需要0.012 kWh的能量。

這意味著只需要大約九張（中位數）人工智能生成的圖像就可以消耗與一部充滿電的手機一樣多的能量。

如果用戶使用的效率最低的圖像生成模型，那么它每生成一張圖片所消耗的能量就足以充滿一次普通智能手機，最糟糕的情況甚至是兩次。

他們將能量消耗換算成碳排放，每張圖像都會產生 0.1 到 0.5 克的二氧化碳，異常值甚至會達到2克二氧化碳，而生成1000張圖片產生的排放量相當于普通汽車行駛 6.5 公里的排放量。

生成文本要節能許多，每生成1000 次文本平均消耗0.042kWh，這意味著每次生成的碳排放量在 0.002 至 0.015 克之間，同樣具體取決于所使用的模型。

同樣，他們也用普通汽車的里程數來讓數據更加直觀，每生成1000文本差不多相當于普通汽車行駛0.0009 公里的碳排放量。

另外，他們還發現通用人工智能模型往往比特定任務模型消耗的能量要多得多。

比如，使用生成模型對電影評論的正面和負面進行分類所消耗的能量比使用專門為此任務創建的微調模型多出30倍。

這是因為生成式人工智能模型試圖同時做很多事情，例如生成、分類和總結文本，而不是只完成一項任務，例如分類。

最后

該團隊在接受采訪的時候表示，這些數據是為了讓人們更加了解人工智能和環境之間的關系，并希望人們能夠創造出更低能耗的模型。

另外，他們也表示自己的這些數據遠不是最終詳細數據，但它為建立人工智能監管和最佳實踐奠定了基礎。

雖然數據很驚人，但也不用過于吃驚，因為互聯網的創新似乎永遠和高能耗掛鉤。

在谷歌流行的時候，他們曾估算自己每次在線搜索平均消耗0.3瓦時的電量。

在比特幣出現的時候，人們則在討論加密貨幣挖礦每年要消耗127 太瓦時 (TWh) 的電。

現在輪到人工智能了。

或許大家可以像節約用水一樣，克制自己使用生成式AI，這樣是不錯的節能減排行為，但那些人工智能應用可能并不希望你這么做，這也是矛盾的點。

報道原文：

https://www.zmescience.com/science/creating-an-image-with-ai-uses-as-much-energy-as-charging-your-smartphone/

文獻：

https://arxiv.org/pdf/2311.16863.pdf