针对全球生成式人工智能爆发式增长与碳中和发展目标之间的矛盾，本文结合全球369个大语言模型，首次系统性地量化其全生命周期碳排放，揭示了全球大语言模型碳排放的区域分布、行业特征以及未来发展路径，为优化人工智能算力布局与开源生态建设提供科学依据。

导 读

你是否意识到，当你与AI对话生成答案时，全球服务器每年正消耗超过20TWh的能源？从写诗作画的ChatGPT、造梦的Sora到深度逻辑推理的DeepSeek，生成式人工智能正以前所未有的速度改变我们的生活。然而，每项惊艳功能的背后，都是日均耗电约1亿度的庞大计算集群。研究显示，仅中美两国的AI碳排放就占全球总量的99%。预计到2035年，全球AI碳排放可能高达2.46亿吨。本文通过分析全球369个大语言模型，首次系统性为大模型的创造力估算环境成本，揭示将算力迁移到清洁能源区域、建设开源生态等关键减排路径，为人工智能发展与全球碳中和目标的平衡提供了重要的科学依据。

图1 全球生成式人工智能能耗与碳足迹量化结果

近年来，生成式人工智能（GAI）的爆发式增长正在重塑社会生产力，但其庞大的算力需求与能源消耗之间的矛盾日益凸显。本文通过分析2018至2024年间全球发布的369个GAI模型的全生命周期数据，首次系统量化了这一新兴技术的环境成本，揭示了一系列关键发现，并为可持续发展提供科学路径。

能源消耗与碳排放现状：当前全球GAI模型的年耗电量达24.97-41.1 TWh，约相当于中国三峡工程年发电量的40%，由此产生的二氧化碳排放量达1067万至1861万吨，最大碳排放量约占亚马逊雨林年固碳量的3.6%。值得注意的是，99%的碳排放集中在中美两国——中国因相对较高的碳密度（0.544 kg/kWh）贡献了54.4%的排放量，美国则以更大规模的算力负载占据45.5%。相比之下，瑞典等低碳密度地区（0.05 kg/kWh）的排放量仅占0.1%，突显了区域能源结构对减排的关键作用。分析发现，全球大部分高算力模型部署在碳强度超过0.3 kg/kWh的区域。例如，美国主导的GPT-3在训练阶段产生的碳排放显著高于同等算力下瑞典数据中心的碳排放，这种地域失衡同样揭示了由数据中心迁移带来的显著减排潜力。

GAI的行业影响：行业垂直模型的能耗特性更值得关注。其中，金融行业以192.88 GWh的能耗位居榜首，医疗行业虽然经济规模仅为金融的6.7%，但因医学影像数据的开放性和模型迭代需求，其能耗高达155.90 GWh。法律行业则因案情分析的复杂逻辑推理、数据隐私保护以及高时效性需求，导致其单位经济产值能耗是教育行业的7倍。这些差异表明，优化行业特定的数据处理模式可能比单纯提升硬件效率更具减排价值。

GAI的未来影响预测：考虑模型的开/闭源、参数规模、训练语料、日访问次数以及碳强度等因素，本文设计不同情景来预测未来十年GAI的碳足迹。结果显示，在所有情景下，GAI的年碳排放和能耗都将稳步上升。预计到2035年，GAI的年度碳排放可能达到0.18亿至2.46亿吨，年度能耗或达404.77 TWh至447.16 TWh。分析发现，开源情景下的碳排放和能耗水平均明显低于闭源情景，凸显了数据共享对降低环境影响的重要作用。此外，在低碳强度情景下，由于采用了更清洁的能源，GAI的碳排放显著降低。最后，若能实施开源数据共享、低碳能源转型以及二者结合等措施，累计到2035年可分别削减0.23亿吨、2.26亿吨以及2.28亿吨的碳排放。反之，如果不加干预，2035年GAI碳排或达2.46亿吨。

总结与展望

本文通过量化分析全球369个GAI大模型的碳足迹，揭示了GAI碳排放的区域分布、行业差异及未来发展趋势，并预警到2035年GAI碳排放可能达到2.46亿吨。为应对这一挑战，本文提供了未来GAI大模型减排路径政策建议：推动开源生态建设，降低重复训练能耗；优化能源结构，加速绿色能源技术发展并推动数据中心向低碳密度区域迁移；部署高效计算模型，从根本上降低推理过程中的碳排放。从长远来看，诸如DeepSeek等新型大模型通过混合专家等一系列模型架构创新，大幅降低了单位计算碳排放，并借助其开源生态促进全球算力资源的协同优化，在突破性能瓶颈的同时为全球碳减排做出了积极贡献。

责任编辑

付俊杰 东南大学

李彦胜 武汉大学

扫二维码｜查看原文

原文链接：https://www.sciencedirect.com/science/article/pii/S2666675825000694

本文内容来自Cell Press合作期刊The Innovation第6卷第5期以Letter发表的“Tracking the carbon footprint of global generative artificial intelligence” (投稿: 2024-10-08；接收: 2025-02-27；在线刊出: 2025-02-28)。

DOI:10.1016/j.xinn.2025.100866

引用格式：Ding Z., Wang J., Song Y., et al. (2025). Tracking the carbon footprint of global generative artificial intelligence.The Innovation6:100866.

作者简介

丁肇豪，华北电力大学电气与电子工程学院教授，博士生导师，电力市场所副所长，入选中国科协青年人才托举、北京市优秀人才培养资助计划。长期从事数据中心、电动汽车等需求侧资源与电力系统友好互动研究，主持国家重点研发计划政府间专项、国家自然科学基金、国家能源局等科研项目30余项，发表高水平学术论文100余篇。作为主笔人之一参与了国家能源局《电力市场基本规则》和《电力市场监管办法》等规则的草拟工作。作为主要成员参与了多个省市和区域电力市场建设方案的研究和起草工作。获联合国工业发展组织Global Call全球一等奖、IEEE工业应用学会青年杰出成就奖、省/学会科技进步一等奖等学术奖励。担任多项学术兼职，包括IEEE IAS能源系统专委会副主席/论文评审主席、中国电机工程学会能源系统专委会副秘书长、IEEE Transactions on Smart Grid和IEEE Transactions on Industry Applications等期刊编委等。

王剑晓，北京大学博雅青年学者，大数据分析与应用技术国家工程实验室副研究员，国家自然科学基金优秀青年项目获得者，国家重点研发计划青年科学家；美国斯坦福大学访问学者，清华大学工学博士、工学和经济学学士。从事数据驱动优化决策理论方法及其在低碳能源系统韧性、储能与氢能技术领域的应用研究，在Nature Energy、Nature Sustainability、Nature Communications、Engineering、Patterns、Nexus等期刊发表研究成果，第一作者编写Springer英文专著1部，曾获日内瓦国际发明金奖、中国电工技术学会科技进步二等奖。

陈修鹏，荷兰格罗宁根大学博士，主要从事博弈论和控制理论研究及其在能源系统运行与市场机制设计中的应用。参与多项国家重点研发计划、国家自然科学基金联合基金等项目研究，在国内外相关领域发表高水平论文10余篇。

张天策，华北电力大学电气与电子工程学院讲师，电网研究所党支部副书记。主要从事电力系统协同优化运行、虚拟电厂与储能技术、人工智能等方向理论技术研究。承担多项智能电网国家科技重大专项、国家重点研发计划、国家自然科学基金联合基金等项目研究，在国内外相关领域发表高水平论文30余篇，ESI高被引论文1篇。

Wei-Jen Lee，IEEE Life Fellow，德克萨斯大学阿灵顿分校电气工程系教授，能源系统研究中心主任，联合国 (UN) 能源转型工程师委员会 (CEET) 成员，前任 IEEE 工业应用协会（IEEE-IAS）主席，IEEE 技术活动委员会（TAB）气候变化项目主。多年来从事电力市场、可再生能源、智能电网、电弧与电气安全、配电自动化、需求侧管理、电力系统分析、在线实时设备诊断和预测系统、基于微机的电力系统监测、测量、控制和保护设备等多个方向的研究，有着深厚的理论基础和丰富的实践经验。曾在美国及其他国家主持或参与100多项科研项目，项目金额超过1500万美元，发表150余篇期刊论文和 260余篇会议论文。参与了IEEE 多项标准的修订和开发，并在多个IEEE专委会中任职：IEEE-IAS Fellow遴选委员会委员（2014-2016）、IEEE-PES Fellow遴选委员会委员（2016）、IEEE-IAS杰出讲师（2017-2018）、IEEE-Fellow委员会遴选委员（2017-2020）。还担任过IEEE工业应用学会会刊主编，现代电力系统和清洁能源期刊（MPCE）以及CSEE电力和能源系统期刊编委会成员。2012年至今为德克萨斯大学阿灵顿分校杰出学者学会成员，兼任IEEE/NFPA电弧联合研究项目经理。

宋 洁，北京大学工学院党委书记、长聘教授，北京大学大数据分析与应用技术国家工程实验室核心成员，北京大学长沙计算与数字经济研究院副院长，北京大学能源研究院联聘教授，教育部长江学者特聘教授。主要研究领域为在线学习、仿真优化及在系统工程领域的应用，发表学术论文60余篇。承担国家自然科学基金创新群体、重大、重点等多项课题，主持国家发改委、国家粮食局、国家电网等单位重点研究课题。国际电气和电子工程师协会高级会员（IEEE Senior Member），担任IEEE国际自动化管理技术委员会主席（首任亚洲学者），同时入选IEEE杰出报告人。曾先后入选教育部青年长江学者，长江学者特聘教授。研究获得日内瓦国际发明金奖，IEEE协会期刊最佳论文奖，IISE国际工业与系统工程协会最佳论文荣誉奖，INFORMS最佳论文奖，工程管理教指委“最佳指导导师奖”，北京市高等教育教学成果一等奖，多次获得北京大学教学优秀奖和教学改革优秀奖。

文章来源：Thelnnovation创新

转载本网文章请注明出处