开源AI平台拥抱面的研究人员发现，生成AI工具的碳足迹比以前估计的要差得多，尤其是对于那些将文本提示转换为视频的人，由于非线性的能量缩放。在新发表的论文中，研究人员详细介绍了文本到视频发电机的能量要求如何呈指数增长，而不是与内容的长度成比例。该研究确定，当生成视频的持续时间翻了一番时，其相关的能耗四边形。为了说明这一原则，本文提供了一个特定的示例：与AI一起生产六秒的视频剪辑所需的能量是生成三秒钟剪辑的四倍。研究人员在论文中总结道：“这些发现既凸显了当前视频扩散管道的结构性低效率，又强调了对效率设计的迫切需求。”这项研究在专家的警告中发表了，即生成的AI技术正在部署，而没有完全了解其环境后果。麻省理工学院技术评论的最新分析支持了这一问题，并指出：“对AI能源消耗的共同理解充满了漏洞。”当比较不同类型的生成工具时，理解的差距很大。在创建单个1,024 x 1,024像素图像的同时，具有AI发电机的能量相当于在微波炉中加热五秒钟，但视频的要求更大。拥抱面孔的研究发现，仅制作五秒的视频剪辑需要一大量的能量，可与一个多小时以上的标准微波炉相提并论。这种差异强调了视频生成的密集性质。非线性缩放意味着随着视频剪辑的更长，功耗以更快的速度升级。根据本文，这一轨迹意味着这些技术的用户和开发人员“迅速增加了硬件和环境成本”。有潜在的方法可以减轻这些高能源需求。研究人员提出了几种策略，包括实施智能缓存系统，以及重复现有的AI生成内容以避免冗余处理的实践。另一种提出的技术是“修剪”，它涉及有条不紊地识别和删除用于训练AI模型的大型数据集中的效率低下的示例。此过程可以帮助简化模型并减少在发电任务期间的运行能量足迹。但是，尚不确定这些效率措施是否足以对当前AI系统的整体电力消耗产生有意义的影响。该问题的规模已经很大。根据最近一项研究的数据，与AI相关的活动现在占所有全球数据中心总功率需求的20％。为了响应不断增长的AI需求，主要的技术公司正在将数亿美元投资于新的基础设施建筑物上，这一过程导致一些人放弃了以前陈述的气候目标。
Google的2024环境影响报告 该公司显示，到2030年，该公司大大落后于实现净零碳排放的计划。该报告披露了同比碳排放量增加13％，这在很大程度上归因于其生成AI服务的扩大。今年早些时候，Google发布了其WEO 3 AI视频生成器。该公司后来宣布，用户在可用的前七个星期内使用该工具创建了超过4000万个视频。 VEO 3的特定环境损失尚未披露。
