尽管人工智能（AI）的广泛应用导致数据中心用电量显著上升，但技术优化正在大幅降低其单次操作的能耗。谷歌的最新分析显示，通过软硬件协同优化，其 AI 文本查询的能耗在过去一年内下降了 33 倍。目前，一次查询的能耗仅相当于观看 9 秒电视，相关的碳排放和水消耗也极低。基于这些成果，谷歌呼吁整个行业采用其提出的全面测量框架，以共同提升 AI 技术的环境效率。
能源消耗的背景
近年来，美国用电量在经历数十年平稳后出现近 4% 的增长，这与数据中心，特别是为 AI 提供服务的设施迅速扩张密切相关。由于部分新增电力需求由燃煤发电满足，AI 的环境影响问题日益受到关注。然而，如果没有数据中心的内部运行数据，如硬件使用率和 AI 查询频率，就很难准确评估其真实影响。
如何衡量 AI 的环境足迹
准确分析 AI 的能耗需要明确计算范围。这不仅仅是处理器处理请求时的能耗，还应考虑许多支持性因素。
- 直接能耗： 处理器、AI 加速器和内存在处理查询及空闲时消耗的电力。
- 间接成本： 数据中心的冷却系统、硬件制造和设施建造过程中的能源消耗与碳排放。
- 模型训练成本： AI 模型在训练阶段会消耗大量能源，这部分成本也应分摊到每一次后续查询中。
谷歌的测量框架
谷歌的分析包含了一系列详细的测量维度，但也有部分因素未被纳入。
包含的项目：
- CPU、AI 加速器和内存的活动及空闲能耗。
- 数据中心的整体能源和水资源使用。
- 与电力供应和硬件制造相关的碳排放。
未包含的项目：
- 网络传输数据产生的环境成本。
- 用户终端设备（如手机或电脑）的计算负荷。
- AI 模型的训练成本，尽管谷歌有能力估算，但此次未包含在内。
惊人的效率提升
谷歌的分析发现，单次 AI 操作的能耗其实非常小。
我们估计，一次中等复杂度的 Gemini 应用文案查询消耗 0.24 瓦时电量，排放 0.03 克二氧化碳当量，并消耗 0.26 毫升（约五滴）水。
这个能耗水平大致相当于观看 9 秒钟的电视。
然而，坏消息是查询的总量极其庞大。谷歌已将 AI 操作整合到每一次搜索请求中，这带来了巨大的累计计算需求。好消息是，得益于技术进步，如今的成本已远低于一年前。
效率提升的关键
过去一年，谷歌通过软硬件协同优化，将单次查询的能耗降低了 33 倍。
- 软件优化： 采用“专家混合”（Mixture-of-Experts）等技术，只激活处理特定请求所需的部分模型，可将计算需求降低 10 到 100 倍。同时，开发更精简的模型版本也减少了计算负荷。
- 硬件协同： 谷歌自研定制的 AI 加速器，并优化软件以与之高效协同，这至关重要，因为 AI 加速器占查询总能耗的一半以上。
- 数据中心管理： 确保硬件得到充分利用，让其余部分保持在低功耗状态，从而提升整体效率。
- 清洁能源： 随着太阳能等可再生能源的普及，谷歌得以使用更多清洁电力，使单位能耗的碳排放降低了 1.4 倍。
谷歌并未将此作为单纯的公关宣传，而是详细公布了其方法论，并倡导行业采纳类似的全面测量框架，以确保 AI 能力进步的同时，其环境效率也能同步提升。