人工智能（AI）技術飛速發展，在賦能千行百業轉型發展的同時
，也引發了人們對其用電量及相關溫室氣體排放的擔憂。國際能源署（IEA）數據顯示，目前數據中心、AI等應用占據了全球電力需求的2%；然而據其預測，到2026年

，人工智能行業的用電量將呈指數級增長
，達到其2023年總用電量的10倍。麵對這一勢頭，衡量並限製由AI技術發展帶來的環境影響，最大化降低其能源消耗，成為當下人們迫切需要解決的問題。

在施耐德電氣，自設立人工智能中心（AI Hub）以來，利用AI技術應對氣候變化等時代挑戰
，同時助力用戶實現可持續發展目標，便成為施耐德電氣的戰略目標。而在應用AI技術實現能源效率提升的同時，該等式的另一側——AI係統自身消耗了多少能源和資源
，也需要我們加以重視。隨著施耐德電氣人工智能專家開發出評估AI係統效率的方法，在該領域建立全球標準的需求日益清晰可見。

如何設計儉約型AI

2024年1月，施耐德電氣參與到由法國標準化節機構AFNOR牽頭的“AFNOR儉約型AI規範”（AFNOR Spec on Frugal AI）的擬定。該規範旨在定義AI技術應用的最佳實踐，並倡導遵循環保要求的AI標準。

基於此規範，我們大力推廣用於AI開發的儉約化標準，其中包括適度設計

、bubiandexiaolvzhuiqiu
，yijihuanjingjiazhiyuchengbenzhijiandepingheng。zaiyuqitacanyufanghezuobianxiezhunzedeguochengzhong，womendachengletongyizhuyaomubiao，jitongguoxiangzuzhihegerentigongkeyongyusheji、運營AI係統的實用指南，全方位應對AI技術對環境帶來的影響。

這項合作共計有140家來自不同領域的組織參與，覆蓋工業、初創企業、公共部門

、非政府組織和學術機構等。最終，在各方的不懈努力下

，通過聚焦“定義與共識”
、“環境指標及方法論”
，以及“最佳實踐”三大維度，該文件的相關性和實用性得以切實保證。

達成“儉約”共識

事實證明
，基於與各個領域的專家和專業人士交流想法
，而得出的結論更具裨益。其中，“儉約的評估範圍”成為最為激烈的討論之一。在評估一個用於提高能效或減少碳排放的AI係統時，可以比較兩組數字：

1）應用基於AI技術的解決方案所節省的碳排放量；

2）因開發、運行該解決方案所產生的碳排放量。

毫無疑問，前者的數字會比後者高得多。然而，如果將AI解(jie)決(jue)方(fang)案(an)應(ying)用(yong)在(zai)對(dui)減(jian)碳(tan)沒(mei)有(you)直(zhi)接(jie)影(ying)響(xiang)的(de)場(chang)景(jing)
，比(bi)如(ru)醫(yi)療(liao)保(bao)健(jian)或(huo)金(jin)融(rong)等(deng)完(wan)全(quan)不(bu)同(tong)的(de)領(ling)域(yu)
，如(ru)何(he)權(quan)衡(heng)這(zhe)兩(liang)者(zhe)才(cai)是(shi)關(guan)鍵(jian)。對(dui)此(ci)，我(wo)們(men)進(jin)一(yi)步(bu)給(gei)出(chu)了(le)三(san)項(xiang)定(ding)義(yi)：

• “高效型AI係統”：重點展示如何通過優化AI係統（如模型、數據等），以最大限度地降低其對環境的影響；
• “儉約型AI服務”：衡量整個服務的價值鏈，及其具體應用；
• “具有積極影響的AI服務”：在給定的影響因素（如碳排放、用水量等）條件下，該服務帶來的積極影響需要大於其消極影響。

憑借自身在AI項目中的豐富實踐和經驗積澱，施耐德電氣能夠為特定行業的AI應用提供定製化的見解
，即在應用AI服務的情境下，指導用戶衡量其影響，並定義儉約概念。在這一過程中
，施耐德電氣能夠進一步積累更多寶貴的洞察，持續優化儉約型AI的評估方法論。

AI三問，落實“儉約”

打造儉約型AI解決方案的關鍵在於以下三個問題：

1)    是否需要優先應用AI技術

？

AI技術的應用
，需建立在能夠真正解決問題的基礎上。有些AI解決方案可直接用於節約能源或減碳
，而有些則用作其他用途，比如節省時間或成本
、提高係統可靠性或安全性等。無論在何種情況下，確認是否存在其他方法，以及檢驗AI解決方案是否比該方法更有效
，都至關重要。

2)    如何盡可能高效地使用AI技術？

此問題的出發點在於衡量AI的性價比——將收效及相關成本考慮在內。當應用AI解決方案的目的是節省能源或減少碳排放時，隻需對比其能源與CO2的成本即可
；而當用於其他目的時（如安全性）
，則需要在評估其能源與CO2成本的同時
，找到與提高安全性之間的平衡點。

3)    如何提升AI應用的“碳智慧”
？

• 在整體平衡滿足核心需求的前提下，不斷深挖可優化的空間。對於此方麵
  ，可通過以下多種方式來實現：
• 減少基於AI技術應用程序的使用頻率，例如，每小時修正一次能源生產/能耗預測
  ，而非每小時四次；
• 使用綠色能源來運行AI 計算；
• 改進解決方案架構，例如增加邊緣側的計算、使用更節能的硬件等；
• 在模型精度上做出取舍，例如使用更小的數據集、更小的的神經網絡，以及使用8位編碼而非64位的參數
  ；
• 在機器學習過程中融入專有知識，例如使用物理信息神經網絡；
• 采用混合方法，例如將AI預測與線性優化相結合。

其中的某些方法或對解決方案質量具有潛在影響，因此在實踐中，還需找到該方案的碳足跡與性能之間的折中點。

高效的AI解決方案，引領行業基準

2024年6月，“AFNOR儉約型AI規範”這一國際標準的發布，是推動AI應用環保化的重要裏程碑。這一合作成果不僅豐富了我們應用AI技術的方法，還加強了所有貢獻者在推動可持續創新方麵的承諾。

正如施耐德電氣高級副總裁、首席人工智能官Philippe Rambach所言：“效率一直是施耐德電氣矢誌不渝的追求，與此同時

，我們也呼籲所有人遵守AI係統與服務在環境責任方麵的最高標準。”通過積極參與“儉約型AI”標準的製定，施耐德電氣將繼續致力於推動技術進步與環境可持續發展的和諧共生。