面对全球气候危机,人类不断寻求技术解决方案。人工智能(AI)正是其中最具潜力的工具之一。
伦敦政治经济学院(LSE)最新报告引发热议:通过在能源、交通和食品生产等关键领域部署AI,到2030年全球每年可减少高达54亿吨二氧化碳当量排放——这相当于这些行业总排放量的四分之一。
这令人振奋。但作为专注AI生成视觉内容的团队,我们提出了另一个问题:
既然AI能帮助其他行业减排,我们是否也该追问AI本身——尤其是生成式AI——是否履行了环保责任?
被忽视的生成式AI碳足迹

相比需要海量计算的模型训练阶段,AI实际应用的推理阶段看似能耗较低。但在图像生成等高频率应用中,累积影响迅速显现。
单个用户可能为同一提示词生成数十个变体。乘以百万级用户量,意味着每天发生数百万次GPU支撑的运算。
这些快速的小型操作看似微不足道,但幕后是7×24小时运转的耗能数据中心。与模型训练不同,这种"日常碳足迹"往往未被计量。
因此我们主张:生成式AI的碳排放成本需要更多关注、量化标准和透明度。
AI平台需要碳标签吗?

消费品领域已广泛采用"碳标签",从咖啡到电子产品。这让消费者能了解购买行为的环境成本。
但为何我们对AI生成内容的碳影响完全不可见?
设想AI平台若能显示以下指标:
本次生成能耗低于平均水平
模型运行于100%可再生能源基础设施
检测到高能耗生成模式(如大尺寸图像/复杂模型),请谨慎使用
这不会限制创造力,反而能赋予用户知情权,同时激励开发者优化可持续性。
减排不仅是"使用AI",更要"负责任地使用AI"
LSE研究正确指出AI潜力:改善电网风电预测、优化电动车基础设施、推进植物蛋白研发。这些都是切实有效的应用场景。
但与此同时,AI自身碳足迹正在激增。谷歌报告显示,自2019年以来其碳排放量增长51%,主因正是AI基础设施需求。
这证明不能将AI视为零碳的万能解药。责任不仅在于AI能做什么,更在于我们如何使用它。
用AI减排不应仅是"AI帮他人减排",还必须包含"我们以环保方式使用AI"。

PicMa的立场:有良知的创造力
在专注图像生成与视觉叙事的AI平台PicMa,我们坚信:
"每个技术选择都是价值观的体现。"

在产品开发中,我们正探索将环境影响意识融入用户体验,例如:
能否显示不同生成选项的能耗成本?
能否引导用户选择更高效的生成流程?
能否提供基于绿色基础设施的低碳模型路径?
我们并非拥有全部答案。但确信细微的设计选择能引发更大变革——特别是当它们为绿色AI创作树立先例时。