最近，Mistral AI在其行業環境揭露中提供了一個罕見的基準，詳細說明了其旗艦大型語言模型Mistral Large 2的足跡。報告顯示，在截止2025年1月份的18個月內，訓練和運行該模型產生了20.4千噸的二氧化碳當量排放，消耗了281,000立方米的水，並消耗了660公斤的銻等效材料。值得注意的是，其聊天機器人Le Chat的一次400-token回覆僅使用了1.14克的二氧化碳、45毫升的水和0.16毫克的礦物資源。
今年世界地球日期間，PowerVerse也發布了AI大語言模型、比特幣區塊鏈網路挖礦帶來的能源環境影響。一篇發表在科學期刊《Joule》上的同行評審論文指出，到2025 年底，AI 的電力消耗可能佔全球資料中心電力使用量的49%，超過比特幣廣為人知的「能源胃口」。
AI的能源消耗與比特幣的碳足跡相比如何？比特幣的能源使用一直是持續備受討論的議題，並經常被用來作為禁止比特幣挖礦的理由。這使得AI推理相對於比特幣的工作量證明引擎來說顯得格外節儉。
平均而言，一次比特幣交易會排放600到700公斤的二氧化碳，消耗超過17,000公升水，並產生超過130克的電子廢棄物。根據劍橋大學另類金融中心（Cambridge Centre for Alternative Finance）的數據，整個比特幣網路在2023年排放了大約4,800萬噸二氧化碳，也消耗了超過20億公升水並生產了超過20,000噸的電子廢棄物。然而，儘管劍橋大學的數字經過同行評審，它們也受到了相當多的批評，並需要重要的附帶條件。
首先，比特幣的電力組合並不是單一的。根據BTC投資基金Batcoinz截至2023年3月進行的一項礦工調查顯示，水力發電（23.1%）、風能（13.9%）和太陽能（5%）共同佔了比特幣能源消耗的40%以上。這個數字與實際有所差異是因為Batcoinz的調查包括了離網發電。核能通常被認為是碳中性的，佔另外7.9%的比例。天然氣和煤炭合計佔44%，但比特幣的能源組成比批評者所假設的更加多樣化。
其次，大型語言模型（LLMs）可能預設從更清潔的電網中受益，並且電網的基礎設施分佈影響了不同領域的能源消耗。例如，核電佔歐盟總發電量的22%以上，這便減少了位於歐盟資料中心如Mistral的資料中心的模型訓練和推理相關的二氧化碳排放。而如果放在美國基於煤炭資源豐富的地區進行訓練，則會呈現完全不同的環境影響。
基礎設施的重要性
AI大語言模型和比特幣交易帶來的能源消耗，都在基礎設施環境中運作，要么使用清潔能源、再生能源，要么仍舊使用煤炭資源等不可再生能源。
基礎設施極大地塑造了它們帶來的環境影響。類似GPT-4或Gemini前沿模型的訓練仍可能需要數百萬個GPU小時和大量的水資源消耗，而比特幣的設計是每10分鐘挖掘一次，不論需求如何，導致其固定能耗隨時間而非使用量增加。
對能源的強勁需求，一方面迫使科技巨頭必須採取行動更新能源取得方式，另一方面我們也看到DePIN越來越發揮更大作用。
今年6月3日，Meta 已與Constellation Energy 簽署了一項採購核電能源的為期20 年的協議，標誌著Meta 首次正式進軍核能領域，以滿足數據中心日益增長的電力需求。
谷歌在今年承諾資助三座新核能計畫的開發，先前也與小型模組化反應器（SMR）開發商Kairos Power 展開合作。亞馬遜去年10月也投入超5 億美元開發SMR，並在2024 年3 月收購了一座由Susquehanna 核電廠供能的資料中心園區。今年3月，亞馬遜、Google和Meta 也共同簽署了由世界核能協會發起的倡議，呼籲到2050 年全球核能產能提升三倍。
除了在能源取得方面更新能源取得方式，在能源使用方面還可以透過創新方式充分利用能源。 DePIN透過區塊鏈、分散式節點、資源共享獲取收益的特點成為補足能源消耗的另一種方式。
以對算力需求龐大的AI大語言模型為例，訓練一個大型模型可能需要數天甚至數週的時間，並且消耗大量的電力。據估計，GPT-3訓練過程消耗的能源相當於一個家庭使用數年的電力。這種高能耗不僅對環境造成負面影響，也增加了營運成本，帶來了永續性問題。
DePIN領域的去中心化雲端運算則透過將閒置的算力資源接入雲端運算區塊鏈網絡，將高效能、低延遲、低費用的算力資源提供給算力需求方，以「閒置算力資源上鍊」的方式獲得收益，充分利用算力資源的同時讓算力資源充分流動參與市場機制，既避免了算力頸又解決了算力瓶又浪費問題。
比特幣區塊鏈的減半機制穩步降低了新幣產生的速度，激勵礦工隨著時間推移變得更加高效，其能源消耗契合了保護去中心化全球金融網路的實用性。像是Mistral AI大模型訓練對所消耗能源資料的公開、透明性，也讓大眾了解其帶來的環境影響。
持續改善清潔能源採用、創新能源使用方式和挖礦優化將是比特幣和AI作為數位經濟核心支柱擴展的關鍵。
參考：
https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai
聲明：本文為Power Verse的原始文章，不構成投資及應用建議，歡迎將本文分享給更多好友，媒體、品牌及相關平台轉載時需註明來源於Power Verse 。
