在不断发展的人工智能 (AI) 领域，趋势表明人们对更大、更强大的模型的需求永无止境。大型语言模型 (LLM) 已成为这一趋势的领军人物，体现了对更多数据、更多参数以及不可避免的更强计算能力的不懈追求。
但这种进步是有代价的，硅谷及其支持者并没有充分考虑到这一点——碳成本。
这个等式很简单，但令人担忧：更大的模型意味着更多的参数，需要增加计算量。这些计算反过来又意味着更高的能耗和更大的碳足迹。虽然人工智能的好处显而易见，从预测天气灾害到协助癌症研究，但不太重要的应用（如生成基于人工智能的超级英雄自拍照）的环境可行性则更值得怀疑。
这一困境将我们引向了现代计算领域一个重大挑战的核心：摩尔定律。几十年来，这一公理一直预测计算能力将呈指数级增长。然而，这种增长并没有带来能源效率的相应提升。事实上，计算对环境的影响，尤其是在人工智能领域，正变得越来越难以承受。
这些生态成本是巨大的。数据中心是人工智能计算的支柱，以高能耗著称。这些中心通常依赖化石燃料，其碳排放是全球变暖的重要原因，与全球日益重视可持续性和环境责任背道而驰。
在净零排放时代，企业的环境责任受到严格审查，许多公司迅速宣扬其对能源效率的承诺。他们通常会获得碳信用额来平衡碳足迹，尽管批评者认为这些措施只是会计手段，而不是运营行为的实质性改变。
相比之下，微软和其他一些行业领导者则率先采取了更积极主动的方法。这些公司通过在非高峰时段进行能源密集型流程，并将其运营与太阳能产量最高的时段和可再生能源供应量较高的时段同步，从而优化能源消耗。这种被称为“时间转移”的策略不仅减轻了对环境的影响，还强调了向可持续发展的切实转变。
进入环境、社会和治理 (ESG) 监管领域，这是一个鼓励公司以对社会负责的方式运营并考虑其环境成本的框架。ESG 评分根据公司对这些原则的遵守情况对其进行评级，正在成为投资决策的重要组成部分。人工智能开发对能源的需求很高，在这方面面临着独特的挑战。参与人工智能研发的公司现在必须平衡他们对技术创新的追求与保持良好 ESG 评分的必要性。但 ESG 供应商是否已经意识到这个热点问题？
为了应对这些挑战，碳意识、绿色人工智能和生态人工智能等概念正在逐渐流行起来。这些举措提倡使用更节能的算法、使用可再生能源以及采用更环保的人工智能开发方法。这种转变不仅是道德要求，也是实际需要，因为投资者和消费者越来越青睐那些致力于可持续发展的公司。
人工智能社区正处在十字路口。一方面，对更大、更复杂模型的追求正推动我们走向技术和科学的新前沿。另一方面，我们不能忽视相关的环境成本。因此，挑战在于取得平衡——继续追求突破性的人工智能创新，同时尽量减少其对生态的影响。
这种平衡行为不仅仅是人工智能研究人员和开发人员的责任。它延伸到政策制定者、投资者和最终用户。鼓励数据中心使用可再生能源、投资绿色人工智能初创企业的政策干预以及用户有意识地支持环保型人工智能应用，这些都可以共同产生积极的影响。
人工智能的发展历程是技术成就的故事，但也必须是环境责任的故事。随着我们不断突破人工智能所能实现的界限，我们还必须在推动这些进步的方式上进行创新。人工智能的未来不仅应该是智能的，还必须是可持续的。只有这样，我们才能确保人工智能的好处不仅惠及当代人，也惠及后代人。
如果你喜欢这篇文章，别忘了订阅 进取的投资者 以及特许金融分析师协会研究与政策中心。
所有文章仅代表作者的观点。因此，这些文章不应被视为投资建议，所表达的观点也不一定反映 CFA 协会或作者雇主的观点。
图片来源：©Getty Images / Jordan Lye
CFA 协会会员的专业学习
CFA 协会会员有权自行决定和报告所获得的专业学习 (PL) 学分，包括以下内容 进取的投资者. 会员可以使用在线 PL 追踪器轻松记录积分。
关键词：
