一句话看懂：InfoQ 报道，Charles Humble 在 GOTO Copenhagen 指出，AI 需求推高了微软、谷歌等公司的用电与排放，可持续性应成为算力负载的顶层设计考量，而非事后补救。
事件核心：发生了什么
Humble 引用国际能源署数据：亚马逊、微软、谷歌和 Meta 合计用电量在 2017 至 2021 年间翻了一倍多，2021 年约 720 亿千瓦时。微软 2024 年环境报告显示，其总碳排放自 2020 年以来上升 30%，主要因新建数据中心满足 AI 需求；谷歌排放自 2019 年以来激增约 50%，2023 年同比增长 13%，同样由 AI 驱动。IT 行业约占全球排放 2% 至 4%，与航空业 3% 相当，但科技行业排放仍在上升。Humble 建议引入 AI 前先自问：是否真的需要、能否用预构建模型替代从头训练、能否放宽 SLA 将负载迁到低碳区域、能否采用需求塑形。
为什么重要
大部分能耗发生在模型部署与持续运维阶段。Humble 提出四项措施：使用能安全执行作业的最小硬件配置；在低碳电力充沛且电网有清晰清洁化规划的地区运行算力；选择在绿色区域有数据中心并配套减排工具的云厂商；优化作业执行时间。训练阶段理论上可用 100% 可再生能源，减少 45% 至 99% 碳排放。地理位置很关键：挪威、瑞典、法国等以水电、核电、风能为主的地区，碳强度远低于依赖煤气的地区，且碳强度随时间波动，适合对延迟不敏感的 AI 训练做需求转移。
对用户/开发者/创作者的影响
开发者可优先微调预训练模型、采用提示调用或 RAG，而非从头训练；蒸馏、量化、剪枝可压缩模型、提升能效。需求塑形提供另一条路径：让用户选择人工替代 AI，或在碳强度高时优雅降级，例如降低图像质量、关闭自动播放、调用更小模型。代价是系统复杂度上升，且需确认降级后服务水平仍可接受。企业采购与架构团队则应把可持续性与成本、性能、安全、合规、可靠性并列评估。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是云厂商是否在控制台提供碳强度数据与低碳区域调度能力；二是需求塑形能否在延迟不敏感的训练和批处理场景落地；三是微软、谷歌等公司能否在 AI 扩张与减排目标之间给出可核查的进展。目前公开信息显示，这些讨论仍以方法论和行业数据为主，具体产品化程度有待观察。
来源：InfoQ CN
