揭开科技巨头的“碳黑箱”：一篇论文揭示人工智能背后的隐性环境代价

人工智能的隐性碳成本，正从幕后走向台前。本周，谷歌首次公开披露了其AI模型Gemini每次提问的真实环境影响：一次普通文本查询耗电0.24瓦时，相当于微波炉运行一秒；产生0.03克二氧化碳，冷却服务器需消耗0.26毫升水——仅约五滴。 六年前，这类数据几乎不存在。AI的能耗曾是企业内部的“黑箱”指标，无人追问，也无人公开。直到2019年，美国马萨诸塞大学博士生艾玛·斯特鲁贝尔（Emma Strubell）发表一篇论文，彻底打破沉默。她计算发现，训练一个顶尖自然语言模型所产生的碳排放，可能相当于五辆汽车一生的排放总量。她研究的正是后来支撑GPT系列模型的Transformer架构。 斯特鲁贝尔的发现揭示了一个残酷现实：AI训练并非一次完成，而是反复迭代数千次，每一次调整都消耗巨大能源。她的研究将抽象的技术成本转化为普通人能理解的环境代价，成为AI伦理与可持续性讨论的转折点。 两年后，谷歌研究员蒂姆尼特·格布鲁（Timnit Gebru）等人基于这一数据，发表题为《关于随机鹦鹉的危险：语言模型是否太大？》的论文，直指大模型不仅存在伦理风险，更带来不可持续的生态负担。论文引发轩然大波，谷歌却要求她撤稿或删除公司署名，最终导致她被解雇。这一事件在全球引发强烈抗议，超过1400名谷歌员工联署抗议，社交媒体上#ISupportTimnit等话题席卷全球。 谷歌随后试图平息争议，2022年科学家戴夫·帕特森（Dave Patterson）发文反驳斯特鲁贝尔的估算，称其高估了88倍，强调TPU芯片效率提升、数据中心绿色化等进展。然而，外界质疑：这些“进步”是否掩盖了根本问题？ 如今，谷歌终于迈出关键一步，公布每项AI请求的能耗与碳排数据。结果显示：58%能耗来自TPU计算，25%用于CPU与内存，10%为备用系统，8%用于冷却。更值得关注的是，谷歌称其AI效率较去年提升33倍，碳排放下降44倍——这是可验证的实绩。 但专家提醒：效率提升可能引发“杰文斯悖论”——越便宜越用得多，全球数据中心能耗可能十年内翻倍。此外，当前数据未涵盖区域差异（如燃煤地区 vs 可再生能源地区）和全生命周期碳足迹。 谷歌的透明化，不仅是公关姿态，更是技术演进的必然。AI正深度嵌入生活，能效成为核心竞争力。真正的挑战在于：如何将透明度转化为问责机制，推动政府、学术界与媒体共同监督，让AI的发展真正可持续。