人工智能行业_为可持续的人工智能提供动力_英译中_27页_9mb

赋能可持续AI总结

核心内容

人工智能（AI）正在快速扩展，但其能源、水资源和碳排放的消耗也同步上升，对企业的可持续发展目标构成威胁。为应对这一挑战，埃森哲提出了可持续人工智能指数（SAIQ），这是一个衡量AI将资源转化为性能的多维度指标，帮助企业实现可持续发展与商业价值的平衡。

主要观点

• AI的可持续性挑战：AI的能源和资源需求正在迅速增长，预计到2030年，数据中心的电力消耗将相当于加拿大的全年用电量，碳排放可能占全球总量的3.4%。
• SAIQ作为战略工具：SAIQ是一个基于美元、能源、碳排放和水资源的复合指标，用于衡量AI系统的效率和可持续性，企业可根据自身战略调整权重以优化AI性能。
• 四个关键行动领域：企业应通过更智能的硅、去碳化数据中心、审慎使用AI和将可持续性嵌入AI治理来提升其SAIQ指标。
• AI与可持续发展的协同作用：AI不仅带来效率提升，还具备优化资源使用、减少排放、推动净零目标的潜力，但需要更智能的部署和治理策略。

关键信息

1. 更智能的硅

• 当前AI模型多运行在低效的硬件上，导致资源浪费和高排放。
• 采用节能芯片、计算存储（CIM）和处理存储（PIM）技术可大幅降低能耗。
• 示例：Mythic通过集成模拟计算与闪存，实现AI推理功耗降低20倍；三星的PIM技术节省85%的数据移动能耗。

2. 去碳化数据中心

• 数据中心消耗大量水和电力，依赖化石燃料，且碳足迹随AI负载增长而扩大。
• 优化数据中心位置、采用低碳能源、先进冷却技术（如两相浸没冷却）是关键。
• 示例：微软通过两相浸没冷却技术，将每台服务器能耗降低5%-15%；谷歌和微软等公司正投资于可再生能源和核能。

3. 审慎使用AI

• 不应盲目采用大型通用模型，而应根据任务选择合适的模型。
• 推广基于使用量的定价模式，以提高效率和减少浪费。
• 示例：摩根士丹利使用RAG技术，提升内容相关性并减少推理成本；HuggingFace提供按请求计价的AI推理方案。

4. 将可持续性嵌入AI治理

• 需要实时追踪AI的能源使用，将碳感知原则融入AI部署流程。
• 通过政策即代码、自动化合规系统和可持续性基准，确保AI在合规和环保之间取得平衡。
• 示例：微软开发了AI治理工具，如排放影响控制面板；谷歌对其TPU进行生命周期评估。

SAIQ的结构

SAIQ = $/token + MWh/e-token + m³水/token

• $：每单位AI输出的财务成本
• MWh：每单位AI输出的能源消耗
• tCO₂：每单位AI输出的碳排放
• m³水：每单位AI输出的水资源消耗

案例研究

• BrainBox AI：通过优化暖通空调系统，减少25%的能耗和40%的CO₂排放，为Dollar Tree节省了798千瓦时电力。
• Jabil：通过AI驱动的供应链优化和本地化部署，显著减少其数字碳足迹。
• 微软：采用两相浸没冷却和智能调度，实现数据中心的高效运行与脱碳。

未来展望

• AI的可持续扩展需要企业从硬件、软件和政策三方面持续创新。
• 建立开放协作和去中心化AI生态系统，有助于资源优化和合规管理。
• 随着全球监管趋严，企业需主动参与制定AI可持续性标准，以确保长期竞争力。

埃森哲的角色

埃森哲致力于通过以下两个使命推动AI的可持续发展：

1. 技术中的可持续性：帮助企业优化技术基础设施和运营，减少环境、社会和治理（ESG）影响。
2. 技术赋能可持续发展：开发可持续性用例和先进能力，以支持企业实现净零目标。

实施建议

1. 建立强大的测量基础：收集实时遥测数据，评估AI在生命周期中的资源使用。
2. 嵌入效率到治理系统：使用策略即代码工具，实现AI部署的可追溯性和实时监控。
3. 建立反馈与问责机制：使SAIQ在企业战略中可见，并与历史和行业基准对比，激励可持续性改进。

结论

通过将可持续性纳入AI战略，企业可以在保持增长的同时减少对地球资源的消耗，实现长期的财务和环境效益。SAIQ为这一目标提供了一个可衡量的框架，而四个关键行动领域则为企业提供了具体的实施路径。