今年全國兩會的政府工作報告指出,，協(xié)同推進(jìn)降碳減污擴(kuò)綠增長，加快經(jīng)濟(jì)社會發(fā)展全面綠色轉(zhuǎn)型,，要求開展碳排放統(tǒng)計核算,，建立產(chǎn)品碳足跡管理體系、碳標(biāo)識認(rèn)證制度,。同時,，強(qiáng)調(diào)持續(xù)推進(jìn)“人工智能+”行動，支持AI大模型廣泛應(yīng)用,。

激活數(shù)字經(jīng)濟(jì)創(chuàng)新活力,，尤其是發(fā)展人工智能（AI）產(chǎn)業(yè)，對算力和能源有著很大需求,。如何將深化數(shù)據(jù)資源開發(fā)利用、促進(jìn)和規(guī)范數(shù)據(jù)跨境流動、優(yōu)化全國算力資源布局,、發(fā)展人工智能與實現(xiàn)資源高效利用,、綠色低碳發(fā)展統(tǒng)一起來？筆者就此話題專訪了中國國際經(jīng)濟(jì)技術(shù)合作促進(jìn)會副理事長邵春堡,。

盡管技術(shù)進(jìn)步提高了效率,，但為了實現(xiàn)更強(qiáng)大的AI能力，對于算力和能源的需求也在不斷增長,。

人工智能發(fā)展依賴大數(shù)據(jù),、大算力和復(fù)雜算法的協(xié)同作用，會給能源資源帶來哪些挑戰(zhàn),？

邵春堡：在數(shù)字化向智能化升級的過程中,，人工智能的作用越來越重要。理論上,，隨著數(shù)據(jù)處理效率的提升,，可以降低人工智能單次計算的算力需求和能源消耗。但現(xiàn)實中,，由于模型復(fù)雜度,、數(shù)據(jù)規(guī)模的指數(shù)級增長，以及追求更通用的人工智能目標(biāo),，使得整體算力和能耗需求仍可能持續(xù)上升,。

想讓AI大模型的性能更強(qiáng)，離不開3個關(guān)鍵因素：海量數(shù)據(jù),、強(qiáng)大的計算能力和復(fù)雜的算法,。“規(guī)模決定性能”“大力出奇跡”成為主流思路,。OpenAI首席執(zhí)行官山姆·奧特曼曾提出一項雄心勃勃的計劃,，希望籌集7萬億美元建造人工智能芯片工廠。特朗普提出的5000億美元“星際之門”計劃,，也遵循了同樣的邏輯——通過大規(guī)模投入算力和能源來推動AI發(fā)展,。這就導(dǎo)致算力和能源的需求大幅增長。

一項研究報告稱,，訓(xùn)練一個大型AI模型的碳排放量相當(dāng)于5輛汽車整個生命周期的排放量,；使用1750億個參數(shù)訓(xùn)練GPT-3消耗了1287兆瓦時的電力，并導(dǎo)致產(chǎn)生了502噸二氧化碳當(dāng)量,，相當(dāng)于駕駛112輛汽油動力汽車一年,。GPT-3每日運行產(chǎn)生的碳足跡有50磅，相當(dāng)于一年排放8.4噸二氧化碳,。

這揭示了一個核心問題：盡管技術(shù)進(jìn)步提高了效率,，但為了實現(xiàn)更強(qiáng)大的AI能力,，對于算力和能源的需求也在不斷增長。效率提升可能刺激更廣泛的應(yīng)用場景和更復(fù)雜的需求,，最終導(dǎo)致資源消耗總量增加,。例如，AI芯片能效比10年前提升了千倍,，但超算中心的能耗卻因算力需求暴增而持續(xù)攀升,。

據(jù)預(yù)測，我國到2030年智算中心年用電可能達(dá)到0.6萬億千瓦時至1.3萬億千瓦時,，占全社會用電的5%至10%,。如何在推動AI發(fā)展的同時，平衡能源消耗與可持續(xù)發(fā)展,，將成為未來我們必須面對的重大挑戰(zhàn),。

在數(shù)字化、智能化的過程中,，我們要促進(jìn)AI與可持續(xù)發(fā)展的良性互動,，架設(shè)數(shù)字文明與生態(tài)文明之間的堅實橋梁，構(gòu)建資源循環(huán)的共生生態(tài),。

推動人工智能實現(xiàn)資源高效利用與綠色低碳發(fā)展,，您有哪些建議？

邵春堡：在數(shù)字化,、智能化的過程中,，我們要促進(jìn)AI與可持續(xù)發(fā)展的良性互動，架設(shè)數(shù)字文明與生態(tài)文明之間的堅實橋梁,，構(gòu)建資源循環(huán)的共生生態(tài),；開發(fā)更節(jié)能的AI系統(tǒng)，創(chuàng)新更多的AI應(yīng)用,，推動可持續(xù)發(fā)展,；加強(qiáng)場景建模和數(shù)據(jù)收集，支持相關(guān)政策制定和可持續(xù)AI的發(fā)展,，讓AI技術(shù)進(jìn)步真正服務(wù)于人類永續(xù)發(fā)展,。

在此進(jìn)程中，需要建立三項核心機(jī)制,。

一是建立數(shù)據(jù)資源產(chǎn)權(quán)制度,，制定數(shù)據(jù)采集、共享與交易的規(guī)則,。明確數(shù)據(jù)的所有權(quán),、使用權(quán)和經(jīng)營權(quán)，規(guī)范數(shù)據(jù)資源產(chǎn)生和運行的全流程規(guī)則,，確保各參與方在法律框架內(nèi)操作,。通過建立透明的數(shù)據(jù)管理流程,，保護(hù)個人隱私及企業(yè)數(shù)據(jù)權(quán)益，同時促進(jìn)數(shù)據(jù)要素市場的健康發(fā)展,。

二是制定算法能效準(zhǔn)入標(biāo)準(zhǔn),，將碳排放納入AI研發(fā)的硬性約束。從制度上明確要求新研發(fā)的算法滿足特定的能量效率最低標(biāo)準(zhǔn),。這將會有效地減少因AI運算能力提升帶來的環(huán)境負(fù)擔(dān)，還能激勵科研人員開發(fā)更加綠色高效的算法解決方案,，推動信息技術(shù)產(chǎn)業(yè)向低碳方向轉(zhuǎn)型,。

三是建立跨學(xué)科創(chuàng)新平臺，形成材料科學(xué),、信息技術(shù)與環(huán)境工程的深度融合機(jī)制,。打破傳統(tǒng)學(xué)科的界限，通過構(gòu)建開放的合作網(wǎng)絡(luò),，匯集多方智慧和技術(shù)資源,，催生更多相關(guān)創(chuàng)新成果，促進(jìn)AI技術(shù)發(fā)展與資源環(huán)境保護(hù)相契合,，為應(yīng)對全球性挑戰(zhàn)提供強(qiáng)有力的技術(shù)支持,。

開展碳排放統(tǒng)計核算，建立產(chǎn)品碳足跡管理體系,，要將“算法碳足跡”也納入其中,，測算AI模型在訓(xùn)練、運行（推理）以及硬件維護(hù)等全生命周期中所產(chǎn)生的碳排放,。通過這些量化指標(biāo),，評估AI項目的環(huán)境成本，從而推動企業(yè)選擇更高效的算法,，減少計算量,。

如何突破人工智能發(fā)展面臨的資源環(huán)境瓶頸？

邵春堡：在資源能源約束日益加劇的背景下,，破解人工智能發(fā)展與資源環(huán)境之間的矛盾,，要從兩方面入手。

一是推動數(shù)據(jù)資源的優(yōu)化配置,。就是利用大數(shù)據(jù),、人工智能、物聯(lián)網(wǎng)等技術(shù),，提高能源,、工業(yè)、城市管理等領(lǐng)域的管理水平,，優(yōu)化資源配置，最終實現(xiàn)資源消耗的減量化和利用效率的提升,。

二是尋找算法效能的提升路徑。人工智能的暴發(fā)式增長帶來了算力需求的指數(shù)級攀升,，提升算法效能已成為平衡AI技術(shù)進(jìn)步與資源可持續(xù)性的關(guān)鍵支點,。

具體來說，如何推動數(shù)據(jù)資源優(yōu)化配置,？

邵春堡：數(shù)據(jù)資源對物質(zhì)能源具有替代效應(yīng),。數(shù)據(jù)作為新型生產(chǎn)要素，具有可復(fù)制,、可共享,、可再生的特性。例如在智能制造領(lǐng)域,，通過數(shù)字孿生技術(shù)對生產(chǎn)流程進(jìn)行全生命周期模擬,，可減少實體材料和人工試驗消耗。如某耐火材料廠把各環(huán)節(jié)整合到數(shù)字孿生體系,，極大地提高了生產(chǎn)效率,，事故率降低25%，品質(zhì)率也提高了10%,。這種“以虛代實”的模式,，能夠直接減少物質(zhì)資源的開采與能源的浪費。

同時,，通過物聯(lián)網(wǎng),、大數(shù)據(jù)、人工智能等數(shù)字化技術(shù)對資源的流動和使用進(jìn)行實時監(jiān)控,、分析和優(yōu)化,，從而形成一種高效的資源循環(huán)利用模式。以動力電池回收為例,，截至2023年我國動力電池規(guī)范化回收率不足25%,，通過嵌入傳感器與區(qū)塊鏈賬本，可實時監(jiān)控電池健康狀態(tài)并精準(zhǔn)匹配回收需求,，使部分電池回收價值提升3倍,。歐洲“電池2030+：歐洲電池研究路線圖”計劃通過智能傳感器與區(qū)塊鏈技術(shù)結(jié)合，實現(xiàn)75%的電池回收率和接近100%的關(guān)鍵原材料回收率的目標(biāo),。這種“數(shù)據(jù)+物質(zhì)”的協(xié)同循環(huán),，讓資源流動從線性消耗轉(zhuǎn)向閉環(huán)再生。

此外,，還可以利用平臺經(jīng)濟(jì)實現(xiàn)資源效率革命,。通過數(shù)字化平臺對資源進(jìn)行共享和優(yōu)化配置，打破傳統(tǒng)資源獨占性使用的局限，大幅提高資源利用效率,，減少浪費,，減輕環(huán)境影響。比如出租車原先的空駛率高達(dá)40%,，使用滴滴等共享軟件后,，空駛率一般不會超過10%。據(jù)統(tǒng)計,，一輛出租車目前平均每天行駛里程大約400公里,，全國150萬輛出租車一年碳排放為4860萬噸。如果能將空駛率下降10%至15%,，即每年最多可減少碳排放729萬噸,，這相當(dāng)于三個中等城市一年的碳排放量總和。

提升算法效能要從哪些方面尋求新的突破,？

邵春堡：一要推動算法架構(gòu)的輕量化革命。優(yōu)化算法向算力要效率,，要重視模型壓縮技術(shù),。通過知識“蒸餾”、參數(shù)“剪枝”,、減少計算量等方法,，可將模型體積縮小。據(jù)報道,，DeepSeek可將每次查詢所需要的計算能力降低90%,。這些改變堪稱效率革命，引領(lǐng)著AI模型發(fā)展的新范式,。

二要提升訓(xùn)練范式的效率,。其關(guān)鍵在于減少數(shù)據(jù)傳輸和計算的能耗。一種有效的方法是避免將大量數(shù)據(jù)集中上傳,，只交換模型參數(shù)的更新,。此外，只處理那些對模型性能影響最大的重要參數(shù),，從而降低計算量,。這種方法不僅能減少對大量數(shù)據(jù)標(biāo)注的依賴，還能大幅降低訓(xùn)練過程中的能源消耗,。

三要推動算法與硬件的協(xié)同優(yōu)化,。例如清華大學(xué)研發(fā)了全球首款全系統(tǒng)集成的憶阻器存算一體芯片。在完成相同任務(wù)時,，這款芯片的能耗僅為傳統(tǒng)先進(jìn)工藝芯片（ASIC）的3%,，但能效卻提升了約75倍。這一突破將極大地推動人工智能,、自動駕駛和可穿戴設(shè)備等領(lǐng)域的發(fā)展,。此外,，Lightmatter公司推出的Envise芯片用光信號代替?zhèn)鹘y(tǒng)的電子傳輸，運行速度比當(dāng)時最先進(jìn)的電子芯片快10倍,，而能耗僅為后者的15%,。這些創(chuàng)新技術(shù)不僅大幅提升了計算效率，還顯著降低了能耗,，為未來科技發(fā)展開辟了新的方向,。

四要發(fā)展綠色AI評價體系。今年全國兩會政府工作報告提出要開展碳排放統(tǒng)計核算,，建立產(chǎn)品碳足跡管理體系,。我們也要將“算法碳足跡”納入其中，測算AI模型在訓(xùn)練,、運行（推理）以及硬件維護(hù)等全生命周期中所產(chǎn)生的碳排放,。通過這些量化指標(biāo)，評估AI項目的環(huán)境成本,，從而推動企業(yè)選擇更高效的算法,，減少計算量。目前,，歐盟已將綠色AI納入《人工智能法案》的合規(guī)標(biāo)準(zhǔn),，要求企業(yè)從源頭設(shè)計高效、低能耗的算法,。這種政策倒逼機(jī)制,，將促使企業(yè)在開發(fā)AI技術(shù)時更加注重生態(tài)環(huán)境保護(hù)和可持續(xù)發(fā)展。

張晶杰