加快推进从高耗能人工智能到绿色人工智能的转变

（来源：中国环境网）

转自：中国环境网

党的二十届四中全会对我国“十五五”时期人工智能发展作出了战略性、系统性、全局性部署，全会提出要全面实施“人工智能+”行动，以人工智能引领科研范式变革，加强人工智能与产业发展、文化建设、民生保障、社会治理相结合，抢占人工智能产业应用制高点，全方位赋能千行百业。人工智能作为通用目的技术，是新一代信息技术的“头雁技术”，是基础性、战略性和先导性技术，与经济社会深度融合，具有强大的渗透、带动和溢出效应，是推动高质量发展和中国式现代化建设的新引擎。随着人工智能技术的迅猛发展，其在社会各领域的应用日益广泛，对经济、环境和社会的影响也愈发深远。在这一背景下，“高耗能人工智能”与“绿色人工智能”的概念应运而生，成为衡量人工智能发展模式的重要框架。如何发展绿色人工智能，走一条创新引领、经济高效、生态友好的可持续发展人工智能技术创新和应用赋能道路，成为社会关注的新焦点。

高耗能人工智能与绿色人工智能

高耗能人工智能是指以追求极致性能为首要目标，忽视或牺牲环境可持续性的人工智能发展模式。这一模式的主要特征包括：一是高能耗计算，依赖大型数据中心、超级计算机和海量数据处理，能耗巨大。二是碳足迹显著，训练大规模人工智能模型产生大量碳排放，加剧气候变化。三是资源密集型，需要大量硬件资源、稀有矿物和冷却系统。四是短期性能导向，以突破性技术创新为目标，忽视长期环境成本。高耗能人工智能的典型代表包括某些超大规模语言模型、复杂的深度神经网络以及需要持续高功率运算的人工智能系统。

绿色人工智能是指将环境可持续性作为核心设计原则的人工智能发展模式，其特征包括：一是能源效率优先，在保证性能的同时最大限度地减少能耗。二是低碳排放，利用清洁能源，优化计算流程降低碳足迹。三是资源节约，通过算法优化减少硬件需求，提高资源利用率。四是全生命周期考量，从设计、训练、部署到退役，全面考虑环境影响。五是社会与环境价值并重，在追求技术进步的同时创造环境与社会价值。绿色人工智能不仅关注人工智能系统自身的可持续性，也致力于通过人工智能技术解决环境问题，如气候变化、生物多样性保护等。

加快推进绿色人工智能迫在眉睫

应对气候变化的迫切需求。当前，根据相关机构测算，信息与通信技术行业的碳排放已占全球总量的2%—3%，而人工智能作为其中的高能耗部分，其碳足迹不容忽视。据研究，训练一个大型自然语言处理模型产生的碳排放相当于5辆汽车整个生命周期的排放量。随着人工智能应用范围的扩大，如果不改变发展模式，其环境成本将持续攀升，与全球碳中和目标背道而驰。

推进可持续发展的必然选择。从高耗能人工智能到绿色人工智能的转变不仅是环境要求，更是经济理性选择：长期成本优势，绿色人工智能通过提高能效降低运营成本；政策发展导向，全球范围内绿色标准和碳税政策日益严格；市场偏好需求，投资者和消费者越来越青睐环境友好的技术与产品；创新驱动所需，绿色计算需求催生新技术、新产业和新商业模式。

技术伦理与社会责任的体现。人工智能技术发展必须与社会价值和伦理要求相一致。在气候危机日益严峻的背景下，继续发展高能耗、高碳排的高耗能人工智能，将面临公众质疑和道德挑战。向绿色人工智能的转变是人工智能行业承担社会责任、实现技术向善的必然路径。

人工智能自身可持续发展的内在要求。随着单纯依靠硬件升级提高人工智能性能的模式面临物理极限。绿色人工智能通过算法创新、架构优化等软件层面的突破，为人工智能的持续发展开辟了新路径。

加快实现从高耗能人工智能到绿色人工智能转变

技术创新路径：构建绿色人工智能技术体系。一是推进算法优化与精简。开发高效神经网络架构，如深度可分离卷积、注意力机制优化。发展模型压缩技术，通过剪枝、量化、知识蒸馏减小模型规模。推行增量学习与迁移学习，减少重复训练，提高知识复用率。发展稀疏计算与动态计算，根据任务需求动态调整计算资源。二是推进硬件与基础设施绿色化。发展专用人工智能芯片，如针对人工智能工作负载优化的低功耗芯片。推进绿色数据中心建设，利用自然冷却、余热回收、清洁能源供电。部署边缘计算，减少数据传输，就近处理降低能耗。探索量子计算与神经形态计算，从根本上改变计算范式。三是推进评估体系与标准建设。建立人工智能能耗与碳足迹评估标准。开发绿色人工智能性能衡量指标，如“每瓦特性能”“每克碳排放性能”。构建生命周期评估（LCA）方法，全面评估人工智能系统的环境影响。

政策与治理路径：构建支持绿色人工智能的生态系统。一是政策引导与激励机制建设。制定绿色人工智能发展路线图与国家战略，设立绿色人工智能研发专项基金与税收优惠。建立人工智能碳交易机制，将外部成本内部化。公共采购优先选择绿色人工智能产品与服务等。二是标准与认证体系建设。制定绿色人工智能技术标准与认证体系。建立人工智能环境影响披露制度。推动国际绿色人工智能标准互认与合作等。三是推进跨领域协同治理。建立环境部门与科技部门的协调机制。推动人工智能、能源、环境领域的交叉研究与创新。构建多方参与的绿色人工智能治理平台等。

产业转型路径：推动人工智能全产业链绿色化。一是优化人工智能研发与设计环节。将环境影响纳入人工智能系统设计考量。推广“人工智能绿色”理念，开发专门解决环境问题的人工智能应用。建立绿色人工智能开源社区，共享高效模型与算法。二是优化人工智能部署与应用环节。推动企业采用绿色人工智能解决方案。开发人工智能能耗监控与优化工具。建立人工智能系统能效持续改进机制等。三是优化教育与人才培养。将可持续计算纳入人工智能课程体系，培养兼具人工智能技能与环境意识的新型人才。加强绿色人工智能领域的继续教育与职业培训。

社会与文化路径：培育绿色人工智能的认知与共识。一是提升公众意识。开展绿色人工智能科普宣传，提高公众认知。建立人工智能环境影响透明化机制，接受社会监督。鼓励公众参与绿色人工智能产品选择与使用。二是推进行业自律与文化构建。制定人工智能行业绿色自律公约。表彰绿色人工智能创新的实践案例。培育“高效即优雅”的人工智能研发文化等。三是加强国际合作与知识共享。参与全球绿色人工智能倡议与合作项目，共享绿色人工智能数据集、模型与最佳实践，共同应对人工智能环境影响的全球性挑战。