AI 可持续性研究推动模型能源使用透明化

Sasha Luccioni 发起可持续 AI 组织，以满足欧洲和全球市场对 AI 排放数据和能源效率指标日益增长的企业与监管需求。

企业压力推动可持续性需求

Luccioni 告诉 Wired，公司正面临越来越大的内部压力，要求衡量 AI 的环境影响。员工质疑 GitHub Copilot 等工具如何影响企业的 ESG 目标，董事会则要求量化 AI 相关的排放。这位研究人员指出，企业在不了解数据中心位置、电网连接以及供应链排放的情况下，无法再随意使用模型。[...]

企业并非完全规避 AI，而是需要框架来选择合适的模型，并表达对可再生能源基础设施的偏好。这种方法需要细粒度的数据，而目前主要模型提供商向客户和公众隐瞒了这些数据。

欧洲法规塑造全球标准

《欧盟人工智能法案》包含可持续性报告要求，目前正进入初步实施阶段。欧洲监管框架与美国当前的做法形成鲜明对比，特朗普政府削减了环境保护措施，并鼓励无论能源来源如何都快速扩建数据中心。

Luccioni 强调，包括部分亚洲地区在内的其他区域也要求数据中心运营商提供更好的能源数据。国际能源署在制作准确预测时面临挑战，因为各国缺乏数据中心能源消耗的具体数据，限制了基础设施规划能力。

模型提供商抵制能源透明度

研究人员倡议在 AI 界面中显示实时能源使用情况，类似于营养标签或交通排放数据。她建议，如果一家主要提供商优先考虑可再生能源基础设施并透明报告，可能会获得竞争优势。

Google 通过 token 计数提供一些使用指标，使企业能够将工作负载复杂度与适切的模型规模相匹配。然而，大多数提供商对能源消耗保持不透明，为采购团队在评估环境影响的同时权衡性能指标带来了挑战。

开源模型提供替代效率路径

Luccioni 在 Hugging Face 的工作包括为开源模型开发能效排行榜，展示了大型商业产品的替代方案。许多企业使用场景——文档搜索、财务分析、内容分类——都可以使用更小、更专业的模型有效运行，而非通用大语言模型。

模型开发、计算提供和产品部署在同一公司内部合并，削弱了效率优化的动力。Luccioni 认为，将这些功能分散到不同实体中，将增加模型多样性和能源效率创新。

可持续 AI 组织旨在帮助企业 identifying 适合特定工作负载的模型，同时构建衡量和降低 AI 相关环境影响的框架。这一对实用可持续性指标的重点关注，反映了日益增长的认知：AI 采用需要伴随环境问责，尤其是当欧洲法规为全球企业报告标准建立先例之时。