生成式AI是一种强大的工具，有望为包括气候变化在内的诸多现实挑战提供创新解决方案。一方面，它能够模拟复杂场景、优化资源并为环境问题提供创造性的解决方案，为未来勾勒出美好的愿景。但在另一方面，生成式AI在本质上会消耗海量算力和电力资源，因此很可能进一步加剧气候问题。生成式AI的双重潜力，也让我们不得不认真考虑如何在创新和可持续性之间寻求平衡这一关键问题。
回顾本周由联合国在阿塞拜疆首都巴库主办的COP20大会的成果时，如何运用生成式AI帮助阻遏气候恶化的努力正变得愈发紧迫。面对这把科技双刃剑，我们必须打起十二分精神。
将生成式AI作为积极的气候行动变革之力
生成式AI在推动应对气候变化的积极应对方面具有巨大的潜力。其中最强大的应用之一就是优化资源，包括减少浪费、提高效率并最终帮助减少碳排放。例如，生成式AI模型已被用于模拟天气模式、改进精准农业和建立起更强大的自然灾害预测模型。这对于细致了解并适应不断变化的气候格局显然至关重要。
另一个用例则是生成式AI在能源电网管理中的应用。企业现在正利用AI算法来优化能源分配，最大限度减少浪费并更有效地整合可再生能源。例如，谷歌DeepMind就成功运用AI算法预测冷却需求，从而将其数据中心的能源使用量减少了30%以上。这些成就展现了生成式AI在优化能源效率、减少温室气体排放的强大能力。
此外，生成式AI在材料创新领域同样发挥着作用。研究人员正使用生成式AI设计出更加可持续的材料，同时减少生产过程中的碳足迹。例如，由AI驱动的解决方案有助于为塑料寻找可生物降解的替代品，从而减轻污染。这些进步凸显出生成式AI如何帮助行业转向更加可持续的生产经营实践。
AI对于交通脱碳的贡献则是另一个前景广阔的领域。自动驾驶电动汽车和AI优化的物流系统能够显著减少碳排放。通过增强交通系统的创新性和效率水平，AI有望帮助交通这一污染最严重的行业之一大幅减少碳排放总量。
负面影响：生成式AI造成的环境成本
尽管生成式AI拥有种种潜在好处，但同时也带来了巨大的环境成本。AI模型，特别是生成式AI背后的大语言模型，需要消耗少量训练、验证与部署能源。训练一套大规模AI模型的碳足迹可能相当于五辆汽车。马萨诸塞大学阿默斯特分校2023年发布的一份报告强调，训练大规模AI模型形式的碳排放量高得惊人，这也加剧了人们对于AI生态影响的担忧。
对于本就具有极高能源密度的数据中心来说，生成式AI的快速扩张进一步推动了对于此类高能耗基础设施的需求。这些中心设施需要消耗大量电力和水资源来保持服务器冷却，导致温室气体排放甚至引发水资源枯竭。《自然》杂志近期对AI和排放的一项研究发现，算力需求的增加与更高的碳排放量直接相关，这一点对于那些仍在高度依赖不可再生能源的国家而言尤其致命。
除了能源消耗之外，生成式AI还推动了市场对于新型硬件（包括GPU及其他专用芯片）的需求，这些硬件的生产制造同样需要大量资源。开采这些组件中使用的稀土元素往往会导致环境恶化并带来高排放，这进一步加剧了生成式AI的负面影响。2024年，美国绿色和平组织批准了一项对机器学习的环境影响进行评估的法案，并认为如果全球不齐心协力开发出更节能的硬件、同时减少对稀土材料的依赖，那么生成式AI的扩张将会进一步加剧环境危机。
生成式AI的快速发展也导致了电子垃圾的增加，这是因为旧设备往往会很快被先进AI运行所需要的更新、更强大的版本所取代。这种持续性的硬件升级周期，因此形成了一种不可持续的线性经济模型。
寻求平衡：运用生成式AI驾驭未来
有效利用生成式AI应对气候变化的关键，就在于一方面减轻其负面影响，同时最大限度发挥其优势。我们可以采取多种策略来让天平倾向于对人类和自然环境有利的一端：
发展绿色AI：AI行业迫切需要优先考虑绿色发展路径。其中包括投资节能算法并开发出只需要更少算力资源、又不会损害其有效性的模型。绿色AI倡议运动等举措在倡导环保AI实践方面就处于领先地位，值得加以关注和借鉴。
可再生能源数据中心：将AI处理转移到由可再生能源驱动的数据中心，则是实现这种平衡的另一个关键步骤。微软和亚马逊等企业已经承诺将其数据中心转化为100%依赖可再生能源的形式，由此大大减少生成式AI造成的碳足迹。随着AI应用越来越广泛，特别是市场对于算力需求的迅速增长，这方面努力就显得尤其重要。
监管与行业合作：科技行业、政策制定者和环保组织必须共同努力，制定出负责任的AI使用指导方针和标准。COP29就为各利益相关方提供了一个探讨AI和可持续发展未来的绝佳机会。
为AI硬件建立起循环经济体系：采用循环方法处理AI硬件将有助于减轻由资源开采和电子垃圾带来的一系列不利影响。应当鼓励企业回收零部件、重新利用硬件，并投资于更具可持续性的AI相关技术生产流程。
意识与问责：提高开发人员和用户对于生成式AI环境成本的认知同样非常重要。道德AI框架应当考虑到可持续性，企业则需要公开其AI项目的碳足迹。问责机制则可以涵盖针对AI服务的碳标签，类似于食品行业强制为产品标注卡路里。
在创新与可持续性之间寻求平衡
需要采取多方面方法来充分发挥AI科技的潜力，同时减轻其对环境造成的影响，使得生成式AI具备亲社会属性。确保AI系统本身经过量身定制、训练、测试以及定位，能够为人类和整个地球带来最好的结果，且理解人类需要良好的自然环境才能生存繁荣。实现这方面目标的具体路径包括：
实践步骤：建立气候框架
身为企业领导者，大家可以考虑采取以下行动，以使您对于生成式AI的使用同环境可持续性诉求保持一致：
跨部门合作：敦促各科技企业、政府部门和环保组织之间的合作，以建立起可持续的AI应用最佳实践。
限制能源消耗：投资开发更节能的AI模型，并出台基准以限制AI项目的能源使用总量。
投资可再生能源整合：将您的数据中心和AI运营体系向着可再生能源转型，以最大限度控制碳排放量。
废物监测与管理：通过重复利用和回收AI硬件来减少电子垃圾，借此践行循环经济原则。
倡导政策变革：参与政策对话，倡导并促进可持续AI实践并阻止可能危害环境的法规通行落地。
通过培训贯彻可持续意识：为技术团队提供可持续AI实践方面的教育和培训，借此营造出负责任的环境保护文化。
引导利益相关方：通过披露AI运营造成的碳足迹并在组织内建立问责制，借此提高AI环境成本的透明度。
在气候变化的大背景之下，生成式AI的爆发既是机遇、也带来了诸多挑战。通过认识到其中的双重性并积极应对由此带来的负面影响，我们可以确保生成式AI成为解决方案的组成部分，而非加剧问题的驱动因素。
展望COP29大会及以后，未来的对话必须侧重于将亲社会AI纳入气候战略，并以可持续性作为核心指导原则。这些目标看似雄心勃勃，但也绝非盲目乐观。因此必须指出的是，过往未能实践这一努力的原因并非缺乏技术技能或者物理资产，而在于缺少保护环境的明确意识。通过绿色替代品取代化石燃料的可能性已经存在十年，但敢为天下先的意志和魄力却始终稀缺。面对不可逆转的气候变化那滴答作响的倒计时，希望我们人类这次能走出一条与以往完全不同的道路。
