譯者 | 布加迪

審校 | 孫淑娟?

人工智能（AI）對于任何平臺（包括公共云）而言都是資源密集型的技術。大多數(shù)AI技術都需要大量的推理計算，因而提高了對處理器、網(wǎng)絡和存儲資源的需求，最終增加了電費、基礎設施成本和碳排放量。?

ChatGPT等生成式AI系統(tǒng)的崛起再次將這個問題推到了前臺。考慮到這項技術大行其道，加上公司、政府和公眾可能廣泛使用該技術，可以預料耗電量增長曲線會呈現(xiàn)出令人擔憂的弧線。?

AI自20世紀70年代以來一直切實可行，但考慮到成熟完備的AI系統(tǒng)需要大量的資源才能正常工作，最初并沒有多大的商業(yè)影響。我記得我在20多歲時設計的基于AI的系統(tǒng)需要超過4000萬美元的硬件、軟件和數(shù)據(jù)中心空間才能讓它運行起來。順便說一下，該項目與其他許多AI項目一樣從未迎來發(fā)布日期，商業(yè)方案根本就不可行。?

云計算改變了這一切。借助公共云，曾經(jīng)難以企及的任務現(xiàn)在能夠以足夠顯著的成本效益來處理。事實上，您可能已經(jīng)猜到了，云計算的興起與過去10年到15年AI的興起相得益彰，我要說現(xiàn)在兩者休戚相關。?

云資源的可持續(xù)性和成本

其實不需要做太多的研究就能預測到這個領域會發(fā)生什么。市場對AI服務的需求將會飆升，比如現(xiàn)在非常流行的生成式AI系統(tǒng)以及其他AI和機器學習系統(tǒng)。引領這股熱潮的將是通過創(chuàng)新尋求優(yōu)勢（比如智能供應鏈）的企業(yè)，或者甚至是成千上萬希望生成式AI系統(tǒng)來撰寫學期論文的大學生。?

對AI的需求加大意味著對這些AI系統(tǒng)使用的資源的需求隨之加大，比如公共云及其提供的服務。這一需求很可能會由更多容納服務器和網(wǎng)絡設備這些耗電大戶的數(shù)據(jù)中心來滿足。?

公共云提供商就像任何其他公用資源提供商一樣，會隨著需求的增加而提高價格，就像我們看到民用電費季節(jié)性上漲一樣（同樣基于需求）。因此，我們通常控制用電量，在夏天將空調的溫度開得高一點。?

然而，更高的云計算成本可能不會對企業(yè)產(chǎn)生同樣的影響。企業(yè)可能會發(fā)現(xiàn)這些AI系統(tǒng)并非可有可無，而是驅動某些關鍵業(yè)務流程所必需的。在許多情況下，它們可能會試圖在內部節(jié)省資金，可能會采用減少員工數(shù)量以抵消AI系統(tǒng)的成本這種手段。生成式AI系統(tǒng)很快將取代許多信息工作者絕非什么秘密。?

我們能做些什么呢？

如果對運行AI系統(tǒng)的資源的需求會導致更高的計算成本和碳排放量，我們能做些什么呢？答案或許在于找到更高效的方法讓AI充分利用處理器、網(wǎng)絡和存儲等資源。?

比如說，對流水線進行采樣可以通過減少處理的數(shù)據(jù)量來加快深度學習。麻省理工學院（MIT）和IBM的研究表明，使用這種方法可以減少在大型數(shù)據(jù)集上運行神經(jīng)網(wǎng)絡所需的資源。然而這也限制了準確性，這對于一些商業(yè)用例而言是可以接受的，但不是對所有商業(yè)用例而言都可以接受。?

另一種已經(jīng)在其他技術領域應用的方法是內存中計算。這種架構可以通過避免數(shù)據(jù)進出內存來加快AI處理速度。相反，AI計算直接在內存模塊中運行，這大大加快了速度。?

其他方法正在開發(fā)中，比如改變物理處理器（使用協(xié)處理器處理AI計算以提高速度）或者采用量子計算等下一代計算模型。可以預料，大型公共云提供商會在近期紛紛宣布能夠解決許多這些問題的技術。?

您該怎么辦？

本文倒不是說要避免AI，以降低云計算費用或拯救地球。AI是一種基礎性的計算方法，大多數(shù)企業(yè)都可以利用它來創(chuàng)造巨大價值。?

建議您在進行基于AI的開發(fā)項目或全新的AI系統(tǒng)開發(fā)項目時，應清楚地了解成本和可持續(xù)性方面的影響，兩者密切相關。您必須做出成本/效益選擇，這實際上回到了老話題：投入所需的成本、冒一定的風險后，可以為公司帶來什么樣的價值。這方面沒什么新意。?

我相信，這個問題基本上有望通過創(chuàng)新得到解決，無論創(chuàng)新是內存中計算、量子計算還是其他尚未出現(xiàn)的技術。AI技術提供商和云計算提供商都熱衷于讓AI更具成本效益和更節(jié)能環(huán)保，這是好消息。?

原文標題：??The cost and sustainability of generative AI??，作者：David S. Linthicum