🇭🇰SCMP Technology•較早收集於 2m
AI 聊天機器人的環境影響：禮貌對話的代價
💡了解提示詞效率如何直接影響全球能源消耗，以及 AI 開發中的永續性議題。
⚡ 30-Second TL;DR
有什麼變化
聯合國報告揭示了 AI 巨大的隱性環境足跡。
為什麼重要
這項研究可能會促使開發者重新審視提示工程（Prompt Engineering）標準，並優先考慮模型互動的效率，以減少碳足跡。
下一步行動
優化您的系統提示詞（System Prompts），使其簡潔直接，以減少不必要的 Token 處理並降低推理能源成本。
誰應關注：Developers & AI Engineers
關鍵要點
- •聯合國報告揭示了 AI 巨大的隱性環境足跡。
- •若省略客套話，節省的能源足以供應撒哈拉以南非洲 76 萬戶家庭的需求。
- •該研究由聯合國大學水、環境與健康研究所進行。
🧠 深度解析
Web-grounded analysis with 21 cited sources.
🔑 增強重點摘要
- •聯合國大學水、環境與健康研究所 (UNU-INWEH) 的報告《AI能源使用的環境成本：碳、水和土地足跡》詳細指出，一個下一代AI模型可能需要約100吉瓦時的電力，產生約42,000噸二氧化碳當量，消耗10億公升水，並佔用1.5平方公里的土地。
- •預計到2026年，AI數據中心的電力需求將使其成為全球前五大能源消耗者之一，並可能在2035年前每年為全球大氣增加0.4至1.6吉噸的二氧化碳當量。
- •聊天機器人中不必要的客套話會增加能源消耗，因為更長、更複雜的回應（即更多的「詞元」）需要顯著更多的運算能力進行推理，一項研究發現「思考型」模型比「簡短型」模型可能產生高達50倍的碳排放。
- •單次ChatGPT查詢的耗電量估計約為標準Google搜尋的10倍，其每日運作消耗超過50萬千瓦時電力，相當於1.7萬個美國家庭一天的用電量。
🛠️ 技術深入
- 大型語言模型 (LLMs) 的運作需要龐大的運算資源，涵蓋訓練和推理兩個階段，兩者均為能源密集型過程。
- 這些運算主要依賴高性能硬體，如圖形處理單元 (GPU) 和專用積體電路 (ASIC)。
- 數據中心是AI運算的核心基礎設施，其電力消耗巨大，其中約40%的能源用於冷卻系統以防止設備過熱，這些冷卻系統通常需要大量水資源。
- AI的碳足跡主要取決於模型所需的總能源量以及數據中心所在地區電網的碳強度（即能源組合，如化石燃料或再生能源）。
- 為了提高能源效率，可採用動態批處理和量化等優化策略，並將較小、專用模型部署到邊緣設備，而非僅依賴雲端中大型通用模型。
- 研究顯示，提示的屬性（例如長度和複雜性）與LLM推理過程中的能源消耗呈正相關。
- 存在如eco2AI等開源軟體包，可協助數據科學家追蹤機器學習模型的能耗和等效二氧化碳排放，並根據電網碳強度進行核算。
🔮 前景展望AI analysis grounded in cited sources
AI的能源消耗將加速全球對再生能源基礎設施的投資。
隨著AI對電力的需求持續增長，企業和政府將被迫尋求更清潔、更可靠的能源解決方案以維持運營並實現碳中和目標。
未來AI模型設計將更注重能源效率而非單純的規模擴張。
鑑於AI巨大的環境足跡和運營成本，研究和開發將轉向優化模型架構、推理效率和邊緣部署，以減少能源消耗。
AI系統的環境足跡將成為監管和企業報告的重點。
隨著聯合國報告和歐盟AI法案等倡議的推動，企業將面臨更嚴格的披露要求，促使它們量化並減少AI相關的碳排放和水資源消耗。
⏳ 時間線
1996
聯合國大學水、環境與健康研究所 (UNU-INWEH) 成立，旨在應對全球水危機及其對人類和環境健康的影響。
2019
麻薩諸塞大學阿默斯特分校研究指出，訓練單一大型AI模型可產生高達62.6萬磅的碳排放量。
2023
聯合國成立「人工智慧諮詢機構」，旨在利用AI技術加速實現永續發展目標 (SDGs)。
2025-06-05
國際電信聯盟 (ITU) 和世界基準聯盟 (WBA) 發布《2025綠色數位企業報告》，指出AI和數據基礎設施的快速發展導致科技行業碳排放持續上升。
2026-06-03
聯合國大學水、環境與健康研究所 (UNU-INWEH) 發布報告《AI能源使用的環境成本：碳、水和土地足跡》，揭示AI對環境的巨大隱性影響。
📎 來源 (21)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： SCMP Technology ↗