最近人工智能（AI）应用的爆炸式增长引发了许多争论，潜力是巨大的，可能为社会提供更高效的生产力，但它对社会潜在的威胁也同样重大。
其中一个巨大威胁是AI使用和能源消耗之间的矛盾，一项未经同行评审的研究表明，现在火爆的生成式AI，消耗的能量比你想象的要多得多。
我们在网上所做的一切，从生成图像到创建文本提示，都依赖于服务器上存储的信息，而这些机器堆叠在数据中心中，需要大量能源来运行和维护。
在全球范围内，目前数据中心的用电量约占全球用电量的1%左右 ，但是随着我们开始更多地使用人工智能，这个数字可能会逐渐上升。
新研究由人工智能开发商Hugging Face和卡内基梅隆大学的研究人员团队发起，他们使用一个自主研发的名为Code Carbon的工具，比较了开源HuggingFace Hub上16个最流行模型的能量消耗和碳排放数据。
他们发现，生成图像在能源消耗方面大到难以想象，甚至可能你每生成一张图片，支持它运行的服务器所消耗的电能就足以为普通智能手机充满两次电。
根据他们的测试，由于模型、以及生成图像大小的不同，生成式AI每生成1000次图像会消耗消耗 0.06-2.9 kWh的电量，中位数接近1.35 kWh。
相比之下，为普通智能手机充电只需要0.012 kWh的能量。
这意味着只需要大约九张（中位数）人工智能生成的图像就可以消耗与一部充满电的手机一样多的能量。
如果用户使用的效率最低的图像生成模型，那么它每生成一张图片所消耗的能量就足以充满一次普通智能手机，最糟糕的情况甚至是两次。
他们将能量消耗换算成碳排放，每张图像都会产生 0.1 到 0.5 克的二氧化碳，异常值甚至会达到2克二氧化碳，而生成1000张图片产生的排放量相当于普通汽车行驶 6.5 公里的排放量。
生成文本要节能许多，每生成1000 次文本平均消耗0.042kWh，这意味着每次生成的碳排放量在 0.002 至 0.015 克之间，同样具体取决于所使用的模型。
同样，他们也用普通汽车的里程数来让数据更加直观，每生成1000文本差不多相当于普通汽车行驶0.0009 公里的碳排放量。
另外，他们还发现通用人工智能模型往往比特定任务模型消耗的能量要多得多。
比如，使用生成模型对电影评论的正面和负面进行分类所消耗的能量比使用专门为此任务创建的微调模型多出30倍。
这是因为生成式人工智能模型试图同时做很多事情，例如生成、分类和总结文本，而不是只完成一项任务，例如分类。
最后
该团队在接受采访的时候表示，这些数据是为了让人们更加了解人工智能和环境之间的关系，并希望人们能够创造出更低能耗的模型。
另外，他们也表示自己的这些数据远不是最终详细数据，但它为建立人工智能监管和最佳实践奠定了基础。
虽然数据很惊人，但也不用过于吃惊，因为互联网的创新似乎永远和高能耗挂钩。
在谷歌流行的时候，他们曾估算自己每次在线搜索平均消耗0.3瓦时的电量。
在比特币出现的时候，人们则在讨论加密货币挖矿每年要消耗127 太瓦时 (TWh) 的电。
现在轮到人工智能了。
或许大家可以像节约用水一样，克制自己使用生成式AI，这样是不错的节能减排行为，但那些人工智能应用可能并不希望你这么做，这也是矛盾的点。
报道原文：
https://www.zmescience.com/science/creating-an-image-with-ai-uses-as-much-energy-as-charging-your-smartphone/
文献：
https://arxiv.org/pdf/2311.16863.pdf
