提要：隨著人工智能和機器學習技術的迅猛發展，它們在各個行業中的應用已帶來深遠的變革。然而，隨之而來的計算能力需求卻引發了顯著的能源消耗、溫室氣體排放以及對環境的負面影響。長期以來，人工智能的快速發展一直以對能源的無止境需求為代價。傳統的人工智能大模型訓練和運行過程往往需要大量計算資源，這不僅消耗電力，還導致數據中心的水資源消耗（用于冷卻設備）及溫室氣體的排放。

隨著DeepSeek模型的高效迭代，可能會減少對大規模數據中心擴展的需求。然而，效率的提升亦可能導致人工智能應用的增加，從而潛在地抵消杰文斯悖論所帶來的可持續性收益。未來，人工智能在更廣泛的技術開發與場景應用中，必須在創新與環保之間尋求平衡。構建具有價值導向的、環境友好的人工智能，不僅是一個技術問題，更是一項社會責任，旨在推動人類走向更加可持續的未來。

隨著人工智能和機器學習技術的迅猛發展，它們在各個行業中的應用已帶來深遠的變革。然而，隨之而來的計算能力需求卻引發了顯著的能源消耗、溫室氣體排放以及對環境的負面影響。因此，可持續的（即綠色的）人工智能的興起不僅是技術發展的必然趨勢，也是保護地球環境的重要舉措。在剛剛結束的巴黎人工智能行動峰會上，“確保人工智能為人類和地球的可持續發展服務”已成為全球共識。

長期以來，人工智能的快速發展一直以對能源的無止境需求為代價。傳統的人工智能大模型訓練和運行過程往往需要大量計算資源，這不僅消耗電力，還導致數據中心的水資源消耗（用于冷卻設備）及溫室氣體的排放。斯坦福大學發布的《2024人工智能指數報告》顯示，Meta的Llama 2 70B模型的碳排放量約為291.2噸，這相當于一位旅客從紐約到舊金山的往返航班排放的291倍，亦是一個普通美國人一年碳排放量的16倍。2024年年底，中國人工智能初創公司深度求索（DeepSeek）橫空出世，通過比Meta等公司少消耗50%-75%的能源，向世界證明了更智能的算法而非僅僅是更大的數據中心，才是未來技術的突破。這也為更加環保和社會友好的可持續人工智能發展理念提供了中國方案。

可持續人工智能的核心理念在于通過優化算法、提升硬件效率以及采用可持續的數據管理實踐，以減少人工智能系統在運行過程中的環境影響。從狹義上講，可持續性強調人工智能技術在開發、訓練和運營過程中的能源效率、數據持續性和透明度。從更廣泛的視角來看，人工智能的可持續發展旨在將其作為應對社會和環境挑戰的有效工具，以提供應對氣候變化、資源管理和環境保護等問題的更高效、數據驅動的解決方案。

早在一個多世紀前，關于能源效率對地球資源影響的不利觀點便已被提出。1865年，英國年輕學者威廉?斯坦利?杰文斯（William Stanley Jevons）在其著作《煤炭問題》中指出，隨著煤炭儲量的迅速枯竭，英國作為工業超級大國的地位可能很快會受到威脅。然而，在杰文斯看來，節儉并非解決之道。他認為，任何資源效率的提升都將導致長期資源消耗的增加，而非減少。更高的能源效率會降低能源的隱含價格，進而提高投資回報率和需求量。杰文斯以英國鋼鐵工業為例，指出如果技術進步使高爐在生產鐵時使用更少的煤炭，則利潤將隨之上升，從而吸引新的投資進入鐵生產領域。同時，價格的下跌將刺激額外的需求。實際上，構建人工智能模型同樣受到杰文斯悖論中所謂反彈效應的影響。這正是我們無法確保更高效的人工智能行業能夠真正導致能源使用的全面減少的原因。

從人類大腦及其具身性的智能演化角度來看，智能與環境之間始終存在高度的互動與融合。人類大腦這一復雜的傳感、通信、控制和記憶網絡，在五億多年的演化過程中不斷擴大其規模和復雜性，卻始終未失去在動態環境中自適應的能力。更為重要的是，大腦在能源效率方面堪稱奇跡。研究表明，人腦大約擁有860億個神經元，僅消耗12瓦的功率——這一能耗甚至低于一盞普通燈泡。人類大腦的運作為人工智能在這一領域的發展提供了寶貴的借鑒。

另一方面，生物智能的具身性通過優化身體形態、利用環境動力學、提升學習效率以及受到進化選擇的影響，使其在實現能量效率方面具備顯著優勢。某些生物的身體結構進化出高效的運動方式，這不僅降低了能耗，還提高了其在特定環境中的生存能力。因此，智能不僅是具身的，還是延展至環境中的。當前的具身機器人和自動駕駛汽車正朝著這一方向發展，但人類仍能更優勢地利用感知運動技能，輕松地導航和操縱物理世界，其能耗亦顯著較低。深入探討具身智能、環境與能效之間的關系，將為設計更高效的智能系統和機器人提供重要指導。這種方式不僅有助于更好地理解智能現象，同時也推動技術進步，實現可持續發展的目標。

然而，早在一個多世紀前，關于能源效率對地球資源影響的不利觀點已引起關注。1865年，英國學者威廉?斯坦利?杰文斯（William Stanley Jevons）在其著作《煤炭問題》中指出，隨著煤炭儲量的迅速枯竭，英國作為工業超級大國的地位可能很快會受到威脅。然而，在杰文斯看來，節儉并非解決之道。他認為，任何資源效率的提升都將導致長期資源消耗的增加，而非減少。更高的能源效率會降低能源的隱含價格，進而提高投資回報率和需求量。杰文斯以英國鋼鐵工業為例，指出如果技術進步使高爐在生產鐵時使用更少的煤炭，則利潤將隨之上升，從而吸引新的投資進入鐵生產領域。同時，價格的下跌將刺激額外的需求。實際上，構建人工智能模型同樣受到杰文斯悖論中所謂反彈效應的影響。這正是我們無法確保更高效的人工智能行業能夠真正導致能源使用的全面減少的原因。

隨著DeepSeek模型的高效迭代，可能會減少對大規模數據中心擴展的需求。然而，效率的提升亦可能導致人工智能應用的增加，從而潛在地抵消杰文斯悖論所帶來的可持續性收益。未來，人工智能在更廣泛的技術開發與場景應用中，必須在創新與環保之間尋求平衡。構建具有價值導向的、環境友好的人工智能，不僅是一個技術問題，更是一項社會責任，旨在推動人類走向更加可持續的未來。

來源：澎湃新聞

作者：華東師范大學哲學系副教授 郁鋒