每次我们向人工智能提问时，它不仅会返回答案，还会消耗能量并排放二氧化碳。

德国研究人员发现，一些在回答之前会进行长时间逐步推理的“思考型”人工智能模型，其二氧化碳排放量可能是直接给出简短答案的模型的50倍。而这些排放并不总是能带来更好的答案。

人工智能的答案带来隐形的环境代价

无论你向人工智能提出什么问题，它都会生成一个答案。为了做到这一点，无论回答是否准确，系统都依赖于标记。这些标记由单词或单词片段组成，这些单词或单词片段被转换成数字数据，以便人工智能模型能够对其进行处理。

该过程以及所涉及的更广泛的计算都会产生二氧化碳 (CO2) 排放。然而，大多数人都没有意识到使用人工智能 (Artificial Intelligence) 工具会产生大量的碳排放。为了更深入地了解这一影响，德国的研究人员使用一组一致的问题，对几个预训练的大型语言模型 (Large Language Models) 的排放量进行了分析和比较。

“询问训练过的大型语言模型（LLM）对环境的影响在很大程度上取决于其推理方法，明确的推理过程会极大增加能源消耗和碳排放量，”慕尼黑应用科学大学（Hochschule München University of Applied Sciences）研究员、Frontiers in Communication研究论文第一作者马克西米利安·道纳（Maximilian Dauner）表示。“我们发现，与简洁回复模型相比，启用推理功能的模型产生的二氧化碳排放量要多出50倍。”

推理模型消耗更多碳排放，却不一定总能得出更优解答

该团队测试了14个不同的大型语言模型，每个模型的参数从70亿到720亿不等，测试使用了来自各种学科的1000个标准化问题。参数决定了模型的学习和决策方式。

平均而言，与仅产生37.7个标记的简短回答模型相比，为推理而构建的模型每个问题会产生额外的543.5个“思考”标记。这些思考标记是模型在得出最终答案之前生成的额外内部内容。标记越多通常意味着二氧化碳排放量越高，但这并不意味着结果会更好。额外的细节可能不会提高答案的准确性，尽管它增加了环境成本。

准确性与可持续性：人工智能的新权衡

最准确的模型是具有700亿参数的启用推理功能的Cogito模型，其准确率达到84.9%。该模型产生的二氧化碳排放量是生成简洁答案的同等规模模型的三倍。“目前，我们看到大型语言模型（LLM）技术中存在明显的准确性与可持续性之间的权衡，”道纳说，“在保持排放量低于500克二氧化碳当量的模型中，没有任何一个模型在正确回答1000个问题上的准确率超过80%。”二氧化碳当量是衡量各种温室气体气候影响的单位。

学科也会导致截然不同的二氧化碳排放量。例如，需要漫长推理过程的学科，如抽象代数或哲学，所产生的排放量，比高中历史等更直接的学科高出多达六倍。

如何变得更聪明（和更环保）

研究人员表示，他们希望自己的工作能让人们在人工智能的使用上做出更加明智的决定。道纳指出：“用户可以通过提示人工智能生成简洁的回答，或将大容量模型的使用限制在真正需要这种算力的任务上，从而显著减少碳排放。”

例如，模型的选择会对二氧化碳排放量产生重大影响。例如，使用DeepSeek R1（700亿参数）回答60万个问题所产生的二氧化碳排放量，相当于一次从伦敦往返纽约的飞行。与此同时，Qwen 2.5（720亿参数）可以以相似的准确率回答三倍以上的问题（约190万个），同时产生相同的排放量。

研究人员表示，他们的研究结果可能会受到研究中使用的硬件选择、排放系数（该系数可能因当地能源电网组合和所研究模型的不同而在各地区有所差异）以及所研究模型的影响。这些因素可能会限制研究结果的普适性。

“如果用户了解他们通过人工智能生成的输出（例如，随意将自己变成一个人偶）所产生的确切二氧化碳成本，他们在何时以及如何使用这些技术时可能会更有选择性和考虑，”道纳总结道。

参考文献：《与人工智能通信的能耗》，作者：马克西米利安·道纳与古德伦·索彻，2025年4月30日，发表于《传播学前沿》。DOI：10.3389/fcomm.2025.1572947

不要错过任何一项突破：订阅SciTechDaily新闻简报。