由人工智能运营的无人驾驶出租车比传统出租车消耗更少的燃料，但更广泛的气候影响尚不清楚。
人工智能 (AI) 已经在改变全球经济。公司每年在这些技术上投资数千亿美元。几乎在每个领域，人工智能都被用来提高运营效率、管理复杂性、提供个性化服务并加速创新。
随着人工智能对社会的影响力不断增强，关于其对温室气体排放影响的问题也随之出现：其众多应用是否有助于减少世界碳足迹或阻碍气候进步？答案将取决于人工智能模型的开发和运行方式，以及它们的使用会带来什么变化。科学家们根本不知道这一切将如何发展——当事关如此之大时，这是一个令人担忧的情况。
迄今为止，大多数关于人工智能对环境影响的讨论都集中在这些计算密集型技术的直接影响上——它们消耗了多少能源、水或其他资源，以及它们产生了多少温室气体。但人工智能应用对社会的全球影响将更加广泛，从改变医疗保健和教育到提高采矿、运输和农业的效率。
这种人工智能驱动的变化可能会对排放产生间接影响，可能是积极的，也可能是消极的。这些间接影响也需要考虑在内，并且可能远远超过直接影响。迫切需要对所有类型的人工智能影响进行评估。这是我们所知道的和我们不知道的。
未来的不确定性
迄今为止，人工智能对气候的直接影响相对较小。大型模型的人工智能运算需要专用数据中心内的数百万个专用处理器以及强大的冷却系统。 2023 年安装的人工智能处理器每年消耗 7-11 太瓦时 (TWh) 电力，约占全球用电量的 0.04%。根据国际能源署 (IEA) 的数据，这低于加密货币挖矿 (100-150 TWh) 和传统数据中心 (500-700 TWh)，后者合计占 2022 年全球电力需求的 2.4-3.3%。因此，就全球温室气体排放总量而言，根据 IEA 的评估，我们计算出当今人工智能约占 0.01%，数据中心和传输网络合计约占 0.6%。
人工智能的使用正在迅速扩大。在过去的十年中，用于训练高级大型语言模型的计算能力每年增长十倍。未来 5-10 年，人工智能服务的需求预计每年增长 30-40%。更强大的人工智能模型将需要更多的能量。一项估计表明，到 2027 年，全球与人工智能相关的能源消耗可能比 2023 年增加 10 倍，大约相当于美国家庭每年看电视的能源消耗量。尽管许多数据中心所在地区的当地电网可能面临挑战，但从全球角度来看，人工智能不应直接导致温室气体排放的短期大幅增加。
能源效率的提高可以抵消部分预计的电力需求增长，就像 2010 年代数据中心扩张时那样。更高效的人工智能算法、更小的模型以及硬件和冷却系统的创新应该会有所帮助。例如，微软的 Phi-2 和谷歌的 Gemini Nano 等小型语言模型可以在手机上运行，并提供以前只有最大模型才能看到的功能。人工智能公司越来越多地投资可再生能源，并在冰岛等清洁能源供应丰富的国家或地区开展业务。
然而，间接影响尚不清楚。一些人工智能应用程序旨在应对气候变化，例如减少能源和运输部门、建筑和工业运营以及土地使用的排放。优化供应链将使制造更加高效，并支持可再生能源并入电网。加快电池和可再生能源新材料的开发将是一个福音。
还可能产生一些负面的间接影响。将人工智能嵌入到从医疗保健到娱乐的现有应用程序中，可能会增加用电量。石油和天然气的勘探和开采可能会变得更便宜，从而有可能提高产量。如果没有适当的治理，人工智能的广泛使用可能会影响政治和经济稳定，从而对贫困、粮食安全和社会不平等产生影响——所有这些都可能对排放产生连锁反应。
这只是现有的人工智能系统。未来AI技术将如何发展？它们的扩张将如何影响全球经济？这将如何影响脱碳？研究人员根本不知道；现在说还为时过早。人们很容易简单地推断过去的人工智能用电趋势到未来，但忽视社会、经济和技术因素往往会导致巨大的预测错误。同样，对间接排放影响的过于简单化的看法可能会低估人工智能在加速重要气候解决方案突破方面的潜力，例如在几个月而不是几十年内开发出更便宜、更强大的电池。
人工智能驱动的排放情景
认识到这些巨大的不确定性，我们在此呼吁研究人员制定一套与政策相关的情景，以量化人工智能扩张在一系列假设下可能对气候产生的影响。金融机构通常使用情景来了解风险和机遇并规划投资，情景将定量模型与专家咨询相结合。他们不是做出预测，而是根据影响因素探索许多可能的未来。
具体来说，我们建议建立一套场景，以更好地了解人工智能的扩展可能如何直接和间接影响排放。这些情景的范围应包括从没有广泛采用强大人工智能技术的“参考”案例，到实现所有联合国可持续发展目标的“理想”案例；情景还应包括产生不良结果的情景。
人工智能是我们这个时代最具颠覆性的技术之一。围绕其开发和使用的决策（无论是现在还是随着它的发展）必须考虑到可持续性。只有通过制定一套标准的人工智能驱动的排放情景，政策制定者、投资者、倡导者、私营公司和科学界才能拥有工具就人工智能和全球净零排放竞赛做出明智的决策。
