AI的训练与部署消耗大量电力，但碳排放的结果在常规模型开发决策中仍然整合不足。本文提出了绿色AI碳优化器，主要贡献有两个：
-
碳意识云区域推荐方法：我们将区域电网碳强度、可再生能源比例和数据中心的电力使用效率（PUE）结合成一个统一的评分模型，覆盖100多个主要云服务提供商的区域。对于参考工作负载（8*A100，100小时），我们所采样区域的估计排放量范围从7.74kg到272.00kg CO₂。选择最佳区域而非最差区域可实现相对最差情况的97.2%排放减少。消融实验显示，仅根据可再生能源比例排名可能会选择出高于包括电网碳强度的区域。
-
全球AI能源需求预测管道：我们使用26个锚定模型拟合参数数量与训练能耗之间的幂律关系。我们将这一拟合与关于模型增长、硬件效率和训练频率的场景假设结合，并评估对推理比例和生态系统扩展的敏感性。在各种场景下，预测的2030年需求范围在7TWh到1,436TWh之间，这强调了部署选择、模型扩展纪律和透明能源报告的重要性。
博主点评： 这项研究突出了在AI模型开发中考虑碳排放的重要性，尤其是在云计算环境中。通过有效的区域选择与能源需求预测，我们能够推动更可持续的AI实践，减少环境影响。