赋能可持续AI

平衡发展与环境保护赋能可持续AI 赋能可持续AI 2作者全球领先—技术可持续发展创新全球可持续发展服务主管及全球资源行业实践主席首席战略与创新官亚当·伯登桑贾伊·波德尔全球创新领军者全球领先—数据与人工智能沙拉布·库马尔·辛格stephanie jamison总经理—埃森哲研究Bhaskar Ghosh首席总监— Accenture研究Senthil Ramani马修·罗宾逊 赋能可持续的人工智能 3人工智能正在快速扩展，但代价是什么？我们的新分析介绍了可持续人工智能指数（SAIQ），这是一个衡量指标，追踪人工智能如何将金钱、能源和排放转化为可衡量的性能，使用代币作为标准化的绩效单位。它使企业能够根据其独特的组织优先事项平衡财务可行性、能源弹性和环境影响。基于专有模型和专家见解，我们确定了四个要点，以帮助领导者可持续地扩展人工智能：更智能的硅、更清洁的数据中心、更具战略性的人工智能使用和管理即代码。 前言赋能可持续AI 4我们相信那些会问“我们从投入到人工智能的资源中得到什么？”——并基于答案采取行动的公司，将定义未来。我们从一个问题开始：我们是否以一种可持续的方式扩展人工智能？根据当前趋势，答案是否定的。推动人工智能革命的基础设施正在以堪比整个国家的速度消耗着前所未有的电力和水资源。为了帮助公司最大化其人工智能投资的回报——不仅在财务方面，还包括能源、水和环境影响——我们围绕四个要点制定了一个实用框架：部署更智能的硅、去碳化数据中心、审慎使用人工智能以及将可持续性融入人工智能治理。这些措施共同使企业能够在符合新指标的情况下可持续地扩展人工智能，在增长与环境保护和合规准备之间取得平衡。这一见解促使我们采取行动。我们联系了17位外部专家，包括来自计算机科学、人工智能和能源行业的学者、实践者和思想领袖。我们还汇集了来自安永可持续发展、技术创新、战略和数据与人工智能实践部门的专业人士。我们的目标是理解领导者应该采取哪些措施来确保长期绩效和韧性。人工智能不再是新兴趋势——它正在重塑从医疗诊断到零售供应链的一切。我们希望将对话基于事实。与其依赖人工智能能源和资源需求的零散估计，我们产生了自己关于人工智能能源消耗、碳排放和水资源利用的全球估计。目标：基于真实的基础设施数据、建模场景和可持续性影响指标，确定领导者现在需要了解的内容。随着人工智能的采用增长，支持大规模人工智能所需能源、排放和水的成本正以同样快的速度上升。如果放任不管，人工智能的环境足迹可能会威胁到企业的可持续发展目标，并超出我们地球的限度。但这不仅仅是可持续发展风险——它也是设计和创新的机会。解决这一问题可能是实现韧性和长期价值创造的途径。一个关键成果是新的指标：可持续人工智能商数（SAIQ）。它衡量公司将投资——美元、能源、水——转化为宝贵人工智能成果的有效程度。这个指标不仅仅是一个基准。它是一个用于决策的战略视角。人工智能效率悖论 赋能可持续发展AI 6预计到本世纪末，人工智能数据中心电力使用量将增长10倍以上，达到612太瓦时（TWh），相当于2022年加拿大的电力需求。人工智能的碳排放可能占全球总排放量的3.4%—十年内增长了11倍。如果不受控制，这一趋势不仅会损害地球。它还会推高成本，加剧供应链压力，并使企业面临监管风险、碳税和利益相关者反弹。到2030年，为人工智能提供动力的数据中心预计每年将消耗612太瓦时能量——相当于加拿大的全年总电力消耗量（图1）。 2 冷却这些数据中心可能需要消耗30.2亿立方米的新鲜水，这超过了挪威或瑞典等国家的年新鲜水总取用量。 3是时候将问题从“我们的AI有多强大？”重新定义为 “我们为人工智能投入的资源能得到什么？”人工智能不再仅仅是一个创新的前沿——它正迅速成为全球商业的支柱。根据埃森哲的 AI规模发展领跑者指南 那些热衷于利用生成式人工智能重塑自身的组织，预计在18个月内，通过在全企业范围内部署和扩展生成式人工智能后，生产力将提高13%，收入增长率将提高12%，客户体验将改善11%，成本将降低11%。 1 但它的发展付出了我们再也无法忽视的成本。支撑当今人工智能革命的设施正在消耗大量的电力和水资源，同时排放大量碳，造成的环境足迹正威胁要破坏人工智能本应带来的进步。根据 Accenture 的 目标净零排放 报告显示，全球2000家最大公司中，只有16%的企业正在按计划实现其净零排放目标。 4 人工智能不断增长的能源足迹可能会进一步拉大差距，除非得到控制。然而，这里存在着悖论：虽然人工智能本身具有巨大潜力来减少大多数公司的碳足迹，但目前只有14%的公司使用人工智能来减少排放。这是时代的讽刺。同样，代表企业在效率、生产力和能力方面的代际飞跃的技术，可能会破坏商业目标。222 22赋能可持续的AI 7碳排放能源需求图1：来源：埃森哲研究基于来自各个来源的数据估算人工智能数据中心电力消耗（太瓦时）人工智能数据中心电力消耗（太瓦时）人工智能数据中心在全球碳排放中所占份额人工智能数据中心在全球碳排放中的份额功耗（太瓦时）CO 排放量（百万吨）人工智能数据中心在全球CO中的占比排放量 (%)基本情况高端场景CO 排放量（百万公吨）低端场景CO 人工智能数据中心排放量占全球CO的百分比排放人工智能数据中心—不断增长的能源需求和碳排放 让我们算笔账赋能可持续发展AI 8可持续人工智能商数：我们需要一个新的智能衡量标准——一个不仅反映AI的强大程度，还反映其构建的智慧和运行的负责任程度的指标，一个不仅衡量AI计算负载（通常用“token”数量，即处理信息的基本单位来衡量），还衡量其在经济压力下的弹性和效率的指标。传统的效率衡量方法虽然有用，但无法全面反映情况。以电力使用效率（PUE）为例：它告诉我们在数据中心总能耗与IT设备能耗的相对基础上，数据中心的运行效率如何，但它并未说明这种效率衡量的是什么。它并非设计用来衡量人工智能模型将电力、美元、碳和水转化为智能、转化为影响的能力如何。它无法帮助企业回答这样的问题：对于我们投入的每一单位资源，我们得到了什么样的产出？兆瓦时能量 tCO e m 3 水 $ 2token token token token为弥补这一差距，我们提出了可持续性调整智商（SAIQ），这是一种衡量人工智能系统将资金、电力、水和碳转化为实际性能效率的多维度指标。SAIQ是一个复合效率得分，用于衡量人工智能系统的环境和经济性能，计算公式为$/token、MWh/e/token和m³水/token的加权总和。随着时间的推移， token, tCO2一个组织的安全智能（SAIQ）可以通过衡量四个方面的效率来跟踪其人工智能的可持续性：成本、能源、碳排放和水资源使用。SAIQ越低，人工智能系统就越高效和负责任。该指标可以引入标准化的、数据驱动的方法来应对衡量人工智能相对于所用资源真实影响这一挑战。 • 成本效益（$/token）：可行性、可负担性赋能可持续的人工智能 9• 碳和水效率（tCO e/个令牌）2m³水/令牌): 可持续性，净零目标，立法组织可以通过调整权重（w1, w2, w3, w4）来适应其战略重点，从而最小化其 SAIQ，提升 AI 性能