用电量
大型人工智能系统通过装满 GPU 和专用硬件的数据中心持续消耗电力。训练和推理工作负载所需的能源可与数千个家庭相媲美。
人工智能对环境的影响
对人工智能的耗电量、碳排放量、用水量和计算强度进行比较。
为什么人工智能对环境的影响难以衡量？
人工智能系统依赖于大规模计算基础设施。它们的环境足迹取决于电力需求、数据中心效率、电网碳强度、冷却技术以及训练和推理工作量。TheAIMeters 提供透明的估计值，使这些趋势更容易理解。
通过现实世界的比较了解人工智能的影响
人工智能基础设施消耗大量电力、冷却水和计算资源。与我们熟悉的现实世界活动相比，这些数字就更容易理解了。
碳排放
与人工智能相关的碳排放在很大程度上取决于为数据中心供电的能源组合。与可再生能源相比，化石燃料发电产生的环境足迹要大得多。
耗水量
现代人工智能基础设施需要大量冷却能力。许多数据中心依赖于水冷却系统，这使得水消耗成为人工智能可持续发展讨论中日益重要的一部分。
耗电量
电力是人工智能基础设施的基础。图形处理器、服务器、网络和冷却系统都会产生能源需求。
更多信息碳排放
与人工智能相关的 CO₂e 排放量取决于所用电力和为数据中心供电的电网的碳强度。
更多信息用水
根据地区和基础设施的不同，水可以通过数据中心冷却直接参与，也可以通过发电间接参与。
更多信息训练与推理
人工智能对环境的影响既来自于训练大型模型，也来自于每天数十亿次的推理请求。训练需要大量的计算能力，而推理工作负载则对全球基础设施产生持续的长期需求。
人工智能能否提高效率？
研究人员和基础设施提供商正在通过更好的芯片、优化的模型、可再生能源供电的数据中心和更高效的冷却系统，积极提高人工智能的效率。然而，全球人工智能的采用率也在极速增长，这可能会抵消部分成果。
方法
这些指标结合了公共数据、基础设施假设和定期更新。详细假设见方法页面 方法.