隨著全球互聯(lián)網(wǎng)和相關應用的發(fā)展，數(shù)據(jù)中心的數(shù)量也快速增長。截至2022年底，全球有8000多個數(shù)據(jù)中心，其中約33%位于美國，16%位于歐洲，近10%位于中國。1數(shù)據(jù)中心的能耗和碳排放貫穿其全生命周期過程，其中運營階段最多，包括機房內(nèi)服務器運行、空調設備的制冷和運行、辦公用電以及其他裝置設備用電等。數(shù)據(jù)中心的碳排放還包括與建造、運營以及設備冷卻相關的能源消耗所產(chǎn)生的碳排放，以及設備制造過程中的“隱含碳”（“隱含碳”是指與產(chǎn)品或材料在其全生命周期內(nèi)相關的溫室氣體排放）。

 

根據(jù)國際能源署的數(shù)據(jù)，2022年全球數(shù)據(jù)中心、加密貨幣和人工智能消耗了約460太瓦時的電力，約占全球電力總需求的2%。由于能源效率的提高、許多地區(qū)電網(wǎng)可再生能源比例的增加，數(shù)據(jù)中心碳排放占全球碳排放的比例低于占電力需求的比例。全球數(shù)據(jù)中心和相關數(shù)據(jù)傳輸網(wǎng)絡的碳排放約為3.3億噸二氧化碳當量（包括“隱含碳”），相當于全球能源相關溫室氣體排放量的0.9%。

 

生態(tài)環(huán)境部環(huán)境規(guī)劃院專家測算，2021年全國數(shù)據(jù)中心能源消耗達到216.6太瓦時，占全社會用電量的2.6%左右；二氧化碳排放量約為1.35億噸，占全國二氧化碳排放量的1.14%左右。預計到2025年，全國數(shù)據(jù)中心用電量達350太瓦時，較2021年增加62%，約占全社會用電量的4%；二氧化碳排放量達2.1億噸，較2021年增加56%，占全國二氧化碳排放量的比例接近2%。2

 

由于近年來人工智能和大語言模型超速發(fā)展，數(shù)據(jù)中心行業(yè)耗電量和碳排放可能會達到更高的水平。例如，GPT-3的神經(jīng)網(wǎng)絡包含1750億個參數(shù)，需要355小時的訓練，耗電量達到1287兆瓦時，碳排放量為552噸。GPT-4的參數(shù)量（1.8萬億）是GPT-3的10倍以上，這意味著理論上其算力需求和能耗需求也將大幅度提升。而且這僅僅是訓練階段的前期電力消耗，實際使用時所消耗的電力將更多。

 

如果在谷歌等搜索工具中全面實施人工智能，其電力需求可能會增加10倍。將典型谷歌搜索的平均電力需求（0.3瓦時）與OpenAI的ChatGPT（每次請求2.9瓦時）進行比較，并考慮到每天90億次搜索，這意味著一年需要近10太瓦時的額外電力。3到2026年，人工智能行業(yè)預計呈指數(shù)級增長，耗電量是2023年水平的10倍以上。

 

隨著人工智能模型的日益普遍和復雜，而且由于缺乏測量人工智能相關排放的標準，人工智能的實際碳足跡具有不確定性。國際能源署預測4，2026年全球數(shù)據(jù)中心相關（包括人工智能）的全球用電量可達800太瓦時~1100太瓦時。據(jù)此，估計相應的碳排放約為5.6億~7.7億噸。

 

值得指出的是，不能孤立地來看人工智能應用帶來的高能耗和潛在的碳排放，因為人工智能技術可以替代其他更高能耗和排放的場景。舉例來說，美國加利福尼亞大學學者的一項研究估計了使用人工智能與人類寫一頁文本或制作圖片的碳足跡。在考慮了不同人工智能模型（ChatGPT、BLOOM、Midtravel和DALLE-2）的碳排放量，并與使用筆記本電腦或臺式電腦寫同樣一篇文章的碳排放比較后，研究人員發(fā)現(xiàn)寫一頁文字的人工智能比寫一頁文本的人少排放130到1500倍的二氧化碳，而創(chuàng)建圖像的人工智能少排放310到2900倍。5

 

根據(jù)“全球促進可持續(xù)發(fā)展倡議組織（GeSI）與咨詢公司埃森哲發(fā)布的《SMARTer2030》報告，廣泛應用數(shù)字技術，將使其他行業(yè)大幅減少碳排放。到 2030年，各行各業(yè)受益于數(shù)字技術所減少的碳排放量約為數(shù)字行業(yè)自身排放量的10倍。 內(nèi)-容-來-自；中_國_碳_0排放￥交-易=網(wǎng) t an pa i fa ng . c om