部落格
人工智慧在環保領域的盲點
這個正在構建未來的行業，正依賴於能源、水以及對這兩者的沉默而運轉。
人工智慧（AI）行業有一個寧願不回答的問題，而且這是一個簡單的問題：這一切要讓地球付出什麼代價？
這不是用美元來衡量的。而是用千瓦時、用公升的水、用碳。這些成本不會出現在資產負債表上，但會顯現在緊張的電網、枯竭的蓄水層和變暖的大氣中。
我們在 Fabric 構建 AI 產品。我們每天都使用大型語言模型。我們的 AI 助手幫助人們思考、寫作和組織他們的工作。我們不是以局外人的身份寫下這篇文章。我們寫下它是因為我們認為構建 AI 的人有責任探討運行它需要付出什麼代價。
訓練模型的成本
單次訓練一個大型語言模型所消耗的電力，可能相當於數百個家庭一整年的用電量。這個數字並非預測，也不是最壞的情況。這是根據 AI 實驗室公佈的有限數據，以及試圖填補這些空白的獨立研究人員所達成的粗略共識。
「有限」這個詞在那個句子中承載了很大的分量。大多數 AI 公司並不公佈訓練期間消耗能源的詳細明細。有些公司公佈了主要的碳排放數據，極少數公佈了方法論，而幾乎沒有人公佈用水數據。其結果是，這個行業不斷在談論能力基準，卻幾乎從不談論環境基準。
訓練只是冰山一角。模型一旦訓練完成，就必須進行部署服務。每一次查詢、每一次對話、每一張生成的圖片，都在某處數據中心的硬件上運行。推論（即運行已訓練的模型以產生輸出的過程）在單次操作上的能源消耗低於訓練，但在整個行業中，它每天會發生數十億次。在規模化運作下，推論的能源消耗遠遠超過訓練的能源消耗。
無人提及的水資源
數據中心會變熱。其中的處理器會產生巨大的熱量，而這些熱量必須有去處。在許多設施中，答案是水。蒸發冷卻系統吸入淡水，用其吸收熱量，然後以水蒸氣的形式釋放。水就這樣消失了。
一個大型數據中心每天可能使用數百萬公升的水。在乾旱地區，由於地價便宜和稅收優惠，許多數據中心建在這些地方，這直接給當地的水源供應帶來了壓力。一些地方政府已經提出了擔憂，少數進行了抵制，但大多數都沒有。
AI 的繁榮加速了數據中心的建設，其速度是電網設計之初所無法承受的。在美國、愛爾蘭和荷蘭的部分地區，新的數據中心項目因當地電網無法提供足夠電力而被推遲或阻撓。公用事業公司正在重啟已退役的天然氣發電廠，甚至在某些情況下重啟煤電廠以滿足需求。這其中的諷刺意味不言而喻：一個將自己定位為未來的行業，在某些地方卻正由過去的能源基礎設施提供動力。
透明度差距
在當前 AI 繁榮之前的幾年裡，幾家主要的科技公司做出了碳中和或淨零排放的承諾。這些承諾是在他們的主要工作負載為搜尋、電子郵件和雲端儲存時做出的。自那以後，AI 改變了這一計算方式。訓練和服務大型模型所需的單位運算能源顯著高於傳統工作負載。一些本已步入正軌以實現其氣候目標的公司已公開承認，AI 使得這些目標變得更加遙遠。其他公司則悄悄停止了對此的報告。
這不是一個微小的差距。微軟報告稱，2020 年至 2024 年間其碳排放量增加了 29%，這在很大程度上歸因於為 AI 擴建的數據中心。谷歌報告稱，在類似時期內溫室氣體排放量增加了 48%，理由是與 AI 相關的能源需求。這些公司擁有世界上最完善的可持續發展計劃。如果他們都在苦苦掙扎，那麼資源較少且受公眾監督較少的小型公司不太可能做得更好。
問題並不在於 AI 消耗能源。任何事物都消耗能源。問題在於，整個行業普遍選擇不對此進行具體探討。新聞發佈會宣佈了具有基準分數和功能列表的新模型，而為產生這些結果所消耗的能源和水幾乎從不出現在同一個公告中。環境成本被視為別人的問題，或者是未來會通過效率提升而自行解決的問題。
僅靠效率並非解決方案
誠然，硬件正變得越來越高效。每一代新的 GPU 和每一種新的晶片架構在每瓦特電力下所做的工作都比上一代更多。但效率的提升歷來都會被規模的擴大所吞噬。當處理器變得更高效時，業界的反應是構建更大的模型、運行更多的查詢並為更多的用戶提供服務。這就是傑文斯悖論（Jevons' paradox），它在整個計算歷史中都保持著驚人的規律性。
依靠效率提升來解決 AI 的環境成本，就像依靠省油的引擎來解決駕駛的環境成本一樣，與此同時卻在建造更多的道路和銷售更多的汽車。效率是必要的，但這還不夠。它必須與透明度、測量和有意識的行動相結合。
我們認為行業應該做些什麼
我們無權指導其他公司如何運營。但我們可以談談我們認為負責任的做法應該是什麼樣的。
第一，公佈數據。訓練消耗的能源、推論消耗的能源、用於冷卻的水，以及排放的碳和相應的方法論。不應該是每年發佈一次的花哨的可持續發展報告，而應該是 AI 公司在探討其工作時的常規部分。如果該行業可以將基準分數公佈到小數點後四位，那麼它也可以公佈能源消耗數據。
第二，進行有實質意義的抵消。碳信用並不都是等效的。有些代表了經過驗證、可衡量且持久的碳消除，而另一些則更接近於會計虛構。這種區別至關重要，公司應對其購買的是哪一種保持透明。
第三，投資於減排，而不僅僅是抵消。盡可能使用可再生能源。選擇可以使用清潔能源的數據中心位置。設計盡量減少不必要運算的系統。抵消是一座橋樑，而不是終點。
第四，考慮水資源。在環境報告中，碳排放得到了大部分關注，但水資源的使用正成為一個日益嚴重的擔憂，特別是在面臨乾旱或水資源緊張的地區。AI 公司應該在報告碳排放的同時，測量並報告其用水量。
Fabric 正在做的事
與訓練前沿模型的機構相比，我們是一家小公司。我們的直接環境足跡相應較小。但「較小」並不等同於「零」，我們不認為規模可以作為不採取行動的藉口。
每一次 Fabric 訂閱都會在肯亞和巴西的海岸種植紅樹林。這不是一個模糊的承諾。這些樹木都經過地理定位、拍照並接受獨立審計。我們的種植地點會受到為期三年的監測。我們與 GoodAPI 合作（由其將我們與經過驗證的種植項目聯繫起來），並與 Veritree 合作（負責肯亞當地的實地驗證）。您可以在我們的 環境頁面上查看詳細資訊。
我們選擇紅樹林有著特定的原因。它們儲存碳的速度顯著高於大多數陸地森林。它們保護海岸線免受侵蝕和風暴破壞。它們通過捕魚和可持續採集來支持當地居民的生計。並且，它們支持著地球上一些生態最為重要的海岸生態系統中的生物多樣性。種植紅樹林並非象徵性的姿態，而是對碳截存和生態系統健康的可衡量、可驗證的貢獻。
我們正在努力爭取在 2030 年前實現 Fabric 100% 的碳中和與水足跡中和。這是一個目標，而不是一個聲明。我們還沒有達到這個目標。但我們有計劃、有合作夥伴，並且正在衡量我們的進展。該計劃的細節（包括我們當前的進展）已公佈在我們的 環境頁面上。
為什麼這對我們構建的工具有影響
環境責任與我們想要構建的產品類型之間存在著某種聯絡。Fabric 旨在幫助人們 組織他們的思維、找到他們需要的東西，並在沒有不必要摩擦的情況下 協同工作。我們希望構建有用而不浪費的工具。這一原則既適用於我們產品的運作方式，也適用於我們公司的運營方式。
我們不認為關心環境與構建 AI 產品之間存在衝突。我們認為它們是相輔相成的。根據我們的經驗，認真對待環境影響的公司，往往也是認真思考他們構建了什麼以及為什麼構建的公司。在一個領域的嚴謹往往會在其他領域也產生嚴謹的態度。
AI 行業正在快速增長。現在就基礎設施、能源來源、透明度和問責制所做出的決定，將決定這項技術在未來幾十年的環境影響。我們認為這些決定值得比現在獲得更多的關注。
如果您對我們在 Fabric 如何處理這一問題感興趣，我們的 環境頁面提供了全景圖：我們的合作夥伴、我們的種植項目、我們的目標和我們的進展。我們還發佈了不同類別軟件在可持續性方面的對比，涵蓋了 AI 應用、雲端儲存、筆記工具、生產力應用以及 環保 AI 工具。無論您是 創辦公司的創始人、初創團隊的一員，還是希望自己的工具能夠反映自身價值的人，我們都認為這些內容值得一讀。
我們構建 AI 是因為我們相信它可以幫助人們更好地工作。我們也相信，負責任地構建它並非可選，而是底線。
常見問題
訓練一個大型 AI 模型需要消耗多少能源？
單次訓練一個大型語言模型所使用的電力，可能相當於數百個家庭一年的消耗量。具體數字取決於模型大小、所用硬件以及訓練時長，但無論從何種標準衡量，能源需求都是巨大的。
為什麼數據中心要消耗這麼多水？
數據中心容納了數以千計會產生巨大熱量的處理器。許多設施使用蒸發冷卻系統，這需要消耗淡水來吸收和消散這些熱量。單個大型數據中心每天可能使用數百萬公升的水，這在水資源緊張的地區引起了擔憂。
AI 公司對其環境影響是否保持透明？
大多數 AI 公司公佈的環境數據非常有限。有些公司在年度可持續發展報告中提供了主要的碳排放數據，但關於能源使用、用水量及方法論的詳細明細卻很少見。該行業在環境資訊披露方面落後於其他行業。
Fabric 正在採取什麼措施來減少其環境足跡？
每一次 Fabric 訂閱都會通過經過驗證的合作夥伴，在肯亞和巴西海岸種植紅樹林。這些樹木經過地理定位、拍照並接受獨立審計，種植地點將接受為期三年的監測。Fabric 正在努力爭取在 2030 年前實現 100% 的碳與水足跡中和。完整詳情請見我們的 環境頁面。
為什麼 Fabric 專門種植紅樹林？
紅樹林儲存碳的速度顯著高於大多數陸地森林。它們還能保護海岸線免受侵蝕、支持當地生計，並在關鍵的海岸生態系統中維持生物多樣性。它們提供了環境、社會和生態效益，使其在恢復項目中特別有效。
誰來驗證 Fabric 的樹木種植？
Fabric 與 GoodAPI 合作（由其對接經過驗證的種植項目），並與 Veritree 合作（在肯亞提供實地驗證）。樹木會經過地理定位和拍照，種植地點需接受獨立審計和為期三年的監測。
AI 的能源消耗會持續增長嗎？
當前趨勢表明答案是肯定的。儘管硬件效率隨着每一代產品而提高，但這些收益通常會被更大的模型、更多的用戶和更多的查詢所消耗。如果不在透明度、可再生能源和問責制方面採取有意識的行動，AI 的環境成本很可能會增加。
個人能為 AI 的環境影響做些什麼？
選擇那些對其環境實踐保持透明的公司的產品和服務是第一步。支持那些衡量、報告和抵消其影響的機構，有助於為更廣泛的行業創造激勵機制。您可以在我們的環境頁面上了解更多關於 Fabric 如何處理這一問題的資訊。
碳中和與零排放是一回事嗎？
碳中和意味着公司通過經過驗證的碳消除或減排項目來抵消其排放，使其淨排放量降至零。這並不意味着該公司完全不產生排放。抵消的質量和可驗證性至關重要，這也是為什麼 Fabric 與經過審計、地理定位的種植項目合作的原因。
使用 Fabric 的 AI 功能會對環境產生影響嗎？
任何 AI 的使用都涉及運算，這需要消耗能源。Fabric 的 AI 助手和 智能代理運行在雲端基礎設施上，並伴隨着相應的環境足跡。我們的目標是通過我們的樹木種植項目以及我們在 2030 年前實現碳和水足跡中和的計劃，來完全抵消這一影響。
相關頁面
其他部落格文章：
The Creative's Cold Start Problem
How to Stop Losing Momentum Between Study Sessions
Your Future Self Can't Read Your Mind
The Hemingway Bridge: Stop Working So You Can Start Again
Your ERP Has the Answers. Nobody Can Find Them.
The Usability Layer Your Business Systems Are Missing
手寫與數位筆記：你不必做出抉擇
為什麼你的手寫筆記無法搜尋（以及該如何解決）