生成式AI是一種強大的工具，有望為包括氣候變化在內的諸多現實挑戰提供創新解決方案。一方面，它能夠模擬復雜場景、優化資源并為環境問題提供創造性的解決方案，為未來勾勒出美好的愿景。但在另一方面，生成式AI在本質上會消耗海量算力和電力資源，因此很可能進一步加劇氣候問題。生成式AI的雙重潛力，也讓我們不得不認真考慮如何在創新和可持續性之間尋求平衡這一關鍵問題。

回顧本周由聯合國在阿塞拜疆首都巴庫主辦的COP20大會的成果時，如何運用生成式AI幫助阻遏氣候惡化的努力正變得愈發緊迫。面對這把科技雙刃劍，我們必須打起十二分精神。

將生成式AI作為積極的氣候行動變革之力

生成式AI在推動應對氣候變化的積極應對方面具有巨大的潛力。其中最強大的應用之一就是優化資源，包括減少浪費、提高效率并最終幫助減少碳排放。例如，生成式AI模型已被用于模擬天氣模式、改進精準農業和建立起更強大的自然災害預測模型。這對于細致了解并適應不斷變化的氣候格局顯然至關重要。

另一個用例則是生成式AI在能源電網管理中的應用。企業現在正利用AI算法來優化能源分配，最大限度減少浪費并更有效地整合可再生能源。例如，谷歌DeepMind就成功運用AI算法預測冷卻需求，從而將其數據中心的能源使用量減少了30%以上。這些成就展現了生成式AI在優化能源效率、減少溫室氣體排放的強大能力。

此外，生成式AI在材料創新領域同樣發揮著作用。研究人員正使用生成式AI設計出更加可持續的材料，同時減少生產過程中的碳足跡。例如，由AI驅動的解決方案有助于為塑料尋找可生物降解的替代品，從而減輕污染。這些進步凸顯出生成式AI如何幫助行業轉向更加可持續的生產經營實踐。

AI對于交通脫碳的貢獻則是另一個前景廣闊的領域。自動駕駛電動汽車和AI優化的物流系統能夠顯著減少碳排放。通過增強交通系統的創新性和效率水平，AI有望幫助交通這一污染最嚴重的行業之一大幅減少碳排放總量。

負面影響：生成式AI造成的環境成本

盡管生成式AI擁有種種潛在好處，但同時也帶來了巨大的環境成本。AI模型，特別是生成式AI背后的大語言模型，需要消耗少量訓練、驗證與部署能源。訓練一套大規模AI模型的碳足跡可能相當于五輛汽車。馬薩諸塞大學阿默斯特分校2023年發布的一份報告強調，訓練大規模AI模型形式的碳排放量高得驚人，這也加劇了人們對于AI生態影響的擔憂。

對于本就具有極高能源密度的數據中心來說，生成式AI的快速擴張進一步推動了對于此類高能耗基礎設施的需求。這些中心設施需要消耗大量電力和水資源來保持服務器冷卻，導致溫室氣體排放甚至引發水資源枯竭。《自然》雜志近期對AI和排放的一項研究發現，算力需求的增加與更高的碳排放量直接相關，這一點對于那些仍在高度依賴不可再生能源的國家而言尤其致命。

除了能源消耗之外，生成式AI還推動了市場對于新型硬件（包括GPU及其他專用芯片）的需求，這些硬件的生產制造同樣需要大量資源。開采這些組件中使用的稀土元素往往會導致環境惡化并帶來高排放，這進一步加劇了生成式AI的負面影響。2024年，美國綠色和平組織批準了一項對機器學習的環境影響進行評估的法案，并認為如果全球不齊心協力開發出更節能的硬件、同時減少對稀土材料的依賴，那么生成式AI的擴張將會進一步加劇環境危機。

生成式AI的快速發展也導致了電子垃圾的增加，這是因為舊設備往往會很快被先進AI運行所需要的更新、更強大的版本所取代。這種持續性的硬件升級周期，因此形成了一種不可持續的線性經濟模型。

尋求平衡：運用生成式AI駕馭未來

有效利用生成式AI應對氣候變化的關鍵，就在于一方面減輕其負面影響，同時最大限度發揮其優勢。我們可以采取多種策略來讓天平傾向于對人類和自然環境有利的一端：

發展綠色AI：AI行業迫切需要優先考慮綠色發展路徑。其中包括投資節能算法并開發出只需要更少算力資源、又不會損害其有效性的模型。綠色AI倡議運動等舉措在倡導環保AI實踐方面就處于領先地位，值得加以關注和借鑒。

可再生能源數據中心：將AI處理轉移到由可再生能源驅動的數據中心，則是實現這種平衡的另一個關鍵步驟。微軟和亞馬遜等企業已經承諾將其數據中心轉化為100%依賴可再生能源的形式，由此大大減少生成式AI造成的碳足跡。隨著AI應用越來越廣泛，特別是市場對于算力需求的迅速增長，這方面努力就顯得尤其重要。

監管與行業合作：科技行業、政策制定者和環保組織必須共同努力，制定出負責任的AI使用指導方針和標準。COP29就為各利益相關方提供了一個探討AI和可持續發展未來的絕佳機會。

為AI硬件建立起循環經濟體系：采用循環方法處理AI硬件將有助于減輕由資源開采和電子垃圾帶來的一系列不利影響。應當鼓勵企業回收零部件、重新利用硬件，并投資于更具可持續性的AI相關技術生產流程。

意識與問責：提高開發人員和用戶對于生成式AI環境成本的認知同樣非常重要。道德AI框架應當考慮到可持續性，企業則需要公開其AI項目的碳足跡。問責機制則可以涵蓋針對AI服務的碳標簽，類似于食品行業強制為產品標注卡路里。

在創新與可持續性之間尋求平衡

需要采取多方面方法來充分發揮AI科技的潛力，同時減輕其對環境造成的影響，使得生成式AI具備親社會屬性。確保AI系統本身經過量身定制、訓練、測試以及定位，能夠為人類和整個地球帶來最好的結果，且理解人類需要良好的自然環境才能生存繁榮。實現這方面目標的具體路徑包括：

實踐步驟：建立氣候框架

身為企業領導者，大家可以考慮采取以下行動，以使您對于生成式AI的使用同環境可持續性訴求保持一致：

跨部門合作：敦促各科技企業、政府部門和環保組織之間的合作，以建立起可持續的AI應用最佳實踐。

限制能源消耗：投資開發更節能的AI模型，并出臺基準以限制AI項目的能源使用總量。

投資可再生能源整合：將您的數據中心和AI運營體系向著可再生能源轉型，以最大限度控制碳排放量。

廢物監測與管理：通過重復利用和回收AI硬件來減少電子垃圾，借此踐行循環經濟原則。

倡導政策變革：參與政策對話，倡導并促進可持續AI實踐并阻止可能危害環境的法規通行落地。

通過培訓貫徹可持續意識：為技術團隊提供可持續AI實踐方面的教育和培訓，借此營造出負責任的環境保護文化。

引導利益相關方：通過披露AI運營造成的碳足跡并在組織內建立問責制，借此提高AI環境成本的透明度。

在氣候變化的大背景之下，生成式AI的爆發既是機遇、也帶來了諸多挑戰。通過認識到其中的雙重性并積極應對由此帶來的負面影響，我們可以確保生成式AI成為解決方案的組成部分，而非加劇問題的驅動因素。

展望COP29大會及以后，未來的對話必須側重于將親社會AI納入氣候戰略，并以可持續性作為核心指導原則。這些目標看似雄心勃勃，但也絕非盲目樂觀。因此必須指出的是，過往未能實踐這一努力的原因并非缺乏技術技能或者物理資產，而在于缺少保護環境的明確意識。通過綠色替代品取代化石燃料的可能性已經存在十年，但敢為天下先的意志和魄力卻始終稀缺。面對不可逆轉的氣候變化那滴答作響的倒計時，希望我們人類這次能走出一條與以往完全不同的道路。