信息技术行业约占全球温室气体排放量的2％至4％。根据微软和谷歌各自发布的报告，人工智能业务的发展已推动两家公司的电力消耗持续攀升。在此背景下，可持续性应当被视为架构设计层面的核心议题，而非事后补救的附加项。
相关建议指出，企业在构建人工智能系统时，可从三个方向降低环境负担。其一是优先采用预训练模型与参数规模较小的模型，避免为每项任务从零训练大模型，从而减少不必要的算力消耗。其二是将计算任务调度至低碳电力资源充裕的区域运行，通过空间维度的负载分配降低单位算力的碳排放强度。其三是在训练环节使用可再生能源供电，从能源来源端削减碳足迹。
这一讨论的背景是，生成式人工智能的规模化部署正在改变云计算基础设施的能耗结构。大模型训练与推理需要大量GPU集群持续运转，数据中心的电力需求随之上升，部分云服务商此前设定的碳中和时间表因此面临压力。如何在模型能力提升与能源效率之间取得平衡，已成为企业技术决策者需要面对的工程问题。
从行业影响看，将可持续性前置到架构设计阶段，意味着碳排放指标需要与性能、成本、延迟等传统指标一同纳入技术选型评估。对于提供AI基础设施与模型服务的厂商而言，能否在同等效果下提供更低能耗的模型与算力方案，可能成为企业客户采购决策中的新考量维度。模型小型化、区域化算力调度与绿色电力采购的组合策略，也为企业在合规披露与成本控制之间提供了可操作的路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
