生成式AI发展如火如荼⸺ChatGPT自推出以来短短两个月内就达到了1亿月活跃用户，这使其成为历史上增长最快的消费级应用程序。¹ 然而，在与它谈笑风生之际，你是否意识到了它会带来多少环境成本？据估计，ChatGPT回复一句话，所需的电量就达到了谷歌搜索的约十倍。² 而且随着AI的广泛应用，生成式AI的能源消耗还将不断攀升。

商业领袖们已经意识到大语言模型（LLMs）和生成式AI的深远影响。埃森哲《技术展望2023》报告³ 的受访者中98%的全球高管和91%的中国高管认为，在未来三至五年，人工智能基础模型会对企业组织战略产生重大影响。然而，高管们是否已经做好准备，一方面应对AI在可持续发展方面的挑战，另一方面又能充分利用这项技术激发创新潜力呢？

生成式AI的可持续风险

目前，人工智能的能源消耗仅占科技行业消耗的一小部分，然而随着越来越多的企业、政府和组织利用人工智能来提升效率和生产力，以及模型复杂度的增加，其能源需求也会呈指数增长，这无疑将加剧全球气候危机。以 BLOOM为例，训练单一AI模型所产生的碳排放量就相当于2022年一名乘客从纽约飞往旧金山碳排放的25倍。⁴

生成式AI带来的可持续风险还不止于此：

• 资源不均衡：由于生成式AI技术对计算资源的高需求，只有少数具备大规模计算能力的公司或国家能够负担得起。这可能加剧全球技术鸿沟，进一步加剧国家、企业和社会之间的经济不平等。

• 电子废物和资源枯竭：用于AI的硬件（如GPU和 TPU）的快速增长和淘汰可能导致电子废物的急剧增加，这也令人担忧，因为生产这些专用硬件需要使用稀土金属，这可能对环境造成严重影响。

• 模型偏见与歧视：生成式AI模型往往依赖于训练数据，如果训练数据存在偏见或不公正，模型生成的内容可能会沿袭并放大这些偏见，进而加剧社会歧视和不公正。当前我们对语言模型的评估严重缺乏统一标准，开发者可能选择性地报告对其模型有利的标准，或不使用统一标准，这些都将阻碍对AI系统稳健性和安全性的准确评估。⁵

• 经济与就业影响：随着生成式AI应用范围的扩大，某些领域的工作可能会被自动化所取代，进而可能引发失业问题和社会资源的重新分配。埃森哲研究表明，通过完全自动化或自动化赋能，大语言模型可能影响美国多个行业中超过40%的工作时间。⁶

考虑到上述种种风险，企业是否应该限制生成式 AI的应用呢？恰恰相反，埃森哲认为，生成式AI本身同时可以成为推动可持续性目标实现的催化剂，企业的关注点不应在于限制使用，而应利用它来推动现有的可持续发展举措，并确保企业自身可持续和负责任地应用生成式AI。

加强生成式AI赋能可持续的潜力

各国政府和监管机构正在利用环境、社会和公司治理（ESG）披露推动业务实践向更可持续的方向转变。在中国，近一半（49%）的高管计划优先将更多投资投入到ESG相关倡议中，以推动更可持续的业务发展。越来越多的高管也将有意识地利用生成式AI来增强组织在ESG倡议中所需的能力。

众多实例展示了生成式AI的五大核心能力正帮助企业逐步实现可持续发展目标：

• 通过训练可持续行业数据集，提供可持续战略建议。ESG即服务（ESG as a Service）提供商 YvesBlue宣布整合生成式AI与ESG，帮助金融机构识别可持续风险和机遇。目标是基于数据做出有关可持续性问题的决策，并将其融入所有投资工作流程中。⁷

• 创建可持续的产品和部件。通用汽车（GM）正在使用生成设计来探索替代的汽车设计解决方案，从而生产更轻、更高效和可定制的车辆。例如，使用生成设计软件，GM创建了一个座椅支架的单件设计，其重量比传统由多个组件焊接而成的模型轻40%，强度提升20%。这些优化不仅提高了产品性能，还简化了供应链，从而节省了成本。⁸

• 增强人类智能，以理解数据模式。通过分析海量数据集，生成式AI可以揭示生物多样性和环境问题中的隐藏模式和洞见。想象一下人工智能够解读动物复杂的语言，这并非来自于科幻小说的情节，而是地球物种项目（ESP）正在探索的现实。通过利用Google的LaMDA和GPT-3等大型语言模型，研究人员可以将语义关系转化为几何关系，通过借助人工智能来理解动物的交流模式，我们可以更好地保护我们的地球。⁹

• 自动化数据流，增强可持续性监测。A BB 和微软联合开发了一款新的生成式AI应用程序Genix Copilot，用于跨流程和操作自动化数据流。该应用旨在通过提供关于工业温室气体排放和能源使用的先进监测和优化见解，帮助客户实现可持续发展和能源转型目标。¹⁰

• 保护敏感信息以促进研究和创新。中国医科大学附属医院（CMUH）展示了其基于生成式AI的医疗记录管理系统“gHi”。该系统能够以94%的准确率处理多语言的高度敏感医疗记录。系统将数据录入时间缩短了75%，使烦琐的交接时间从一小时减少至仅15分钟。通过自动化和简化记录管理，“gHi”显著提升了行政效率，使医务工作者能够更加专注于患者护理。¹¹

向可持续未来迈进

生成式AI在推动创新和可持续发展方面的潜力毋庸置疑，然而若想取得成效，企业需要采取积极措施，在创新与责任之间取得平衡。我们认为以下措施可以助力企业高管利用生成式AI推动可持续未来。

• 明确可持续的AI原则：治理框架包括关键能力，如项目设置和根据相关法规、政策及标准对碳风险等级进行分类。在项目设立阶段，必须明确界定角色和职责。AI项目清单的建立，涉及收集AI模型和数据以创建全面的清单，确保可追溯性和责任性。至关重要的是，大语言模型的模型卡应详细记录训练过程中的能源消耗和碳排放数据，以帮助开发者和用户在使用AI模型时做出明智且负责任的决策。

• 在设计阶段采用可持续的做法：其中一个重要方面是减少AI系统的碳足迹。¹² 这包括采用环保的数据实践、选择节能的模型、在模型卡中估算能源使用量、缩短训练时间以及优化硬件和云平台的使用。实施能源监控工具有助于识别AI系统中需要优化能源效率的领域，企业还可以对预训练的大模型进行微调，以执行新任务，从而减少从零开始训练新模型所需的成本、碳排放和计算资源。

• 以人为本的方法：以人为本对于生成式AI实践的成功同样至关重要。企业需要投资于开发生成式 AI应用的技术能力，同时投资于AI素养和专业知识，确保组织拥有必要的技术人才，以负责任的方式充分利用生成式AI的力量。同时培训组织内的人员以适应AI驱动的流程，确保员工在掌握与AI合作的技能的同时，也能学会负责任地应用 AI。

• 与政府和监管机构合作：降低生成式AI的可持续风险需要政府、监管机构和企业之间通力合作，制定政策和指导方针，限制生成式AI 的恶意使用，在这种情况下尤其重要的是，欧盟AI法案的第 40条呼吁全球合作，共同制定标准，提高AI系统的资源性能和能源效率。企业需要及时分享生成式AI风险和治理方面的知识与研究成果，形成对相关问题的共同理解。

对于企业而言，可持续不再是无关紧要的问题，而是一个战略性问题，高层领导必须重视并进行全面规划。生成式AI有望成为竞争优势的源泉和可持续发展的基石，但前提是企业必须采取环保举措，并确保其应用符合道德标准。