最近，Mistral AI在其行业环境披露中提供了一个罕见的基准，详细说明了其旗舰大型语言模型Mistral Large 2的足迹。报告显示，截止2025年1月份的18个月内，训练和运行该模型产生了20.4千吨的二氧化碳当量排放，消耗了281,000立方米的水，并消耗了660千克的锑等效材料。值得注意的是，其聊天机器人Le Chat的一次400-token回复仅使用了1.14克的二氧化碳、45毫升的水和0.16毫克的矿物资源。

今年世界地球日期间，PowerVerse也发布了AI大语言模型、比特币区块链网络挖矿带来的能源环境影响。一篇发表在科学期刊《Joule》上的同行评议论文指出，到 2025 年底，AI 的电力消耗可能占全球数据中心电力使用量的 49%，超过比特币广为人知的“能源胃口”。

AI的能源消耗与比特币的碳足迹相比如何？比特币的能源使用一直是持续备受讨论的议题，并经常被用来作为禁止比特币挖矿的理由。这使得AI推理相对于比特币的工作量证明引擎来说显得格外节俭。

平均而言，一次比特币交易会排放600到700千克的二氧化碳，消耗超过17,000升水，并产生超过130克的电子废物。根据剑桥大学另类金融中心（Cambridge Centre for Alternative Finance）的数据，整个比特币网络在2023年排放了大约4800万吨二氧化碳，还消耗了超过20亿升水并生产了超过20,000吨的电子废物。然而，尽管剑桥大学的数字经过同行评审，它们也受到了相当多的批评，并需要重要的附带条件。

首先，比特币的电力组合并不是单一的。根据BTC投资基金Batcoinz截至2023年3月进行的一项矿工调查显示，水电（23.1%）、风能（13.9%）和太阳能（5%）共同占据了比特币能源消耗的40%以上。这个数字与实际有所差异是因为Batcoinz的调查包括了离网发电。核能通常被认为是碳中性的，占另外7.9%的比例。天然气和煤炭合计占比44%，但比特币的能源构成比批评者所假设的更加多样化。

其次，大型语言模型（LLMs）可能默认从更清洁的电网中受益，并且电网的基础设施分布影响了不同领域的能源消耗。例如，核电占欧盟总发电量的22%以上，这便减少了位于欧盟数据中心如Mistral的数据中心的模型训练和推理相关的二氧化碳排放。而如果放在美国基于煤炭资源丰富的地区进行训练，则会呈现出完全不同的环境影响。

基础设施的重要性

AI大语言模型和比特币交易带来的能源消耗，都在基础设施环境中运作，要么使用清洁能源、可再生能源，要么仍旧使用煤炭资源等不可再生能源。

基础设施极大地塑造了它们带来的环境影响。类似GPT-4或Gemini前沿模型的训练仍可能需要数百万个GPU小时和大量的水资源消耗，而比特币的设计是每10分钟挖掘一次，不论需求如何，导致其固定能耗随时间而非使用量增加。

对能源的强劲需求，一方面迫使科技巨头必须采取行动更新能源获取方式，另一方面我们也看到DePIN正越来越发挥更大作用。

今年6月3日，Meta 已与 Constellation Energy 签署了一项采购核电能源的为期 20 年的协议，标志着Meta 首次正式进军核能领域，以满足数据中心日益增长的电力需求。

谷歌在今年承诺资助三座新核能项目的开发，此前还与小型模块化反应堆（SMR）开发商 Kairos Power 展开合作。亚马逊去年10月也投入超 5 亿美元开发 SMR，并在 2024 年 3 月收购了一座由 Susquehanna 核电站供能的数据中心园区。今年3月，亚马逊、谷歌和 Meta 还联合签署了由世界核能协会发起的倡议，呼吁到 2050 年全球核能产能提升三倍。

除了在能源获取方面更新能源获取方式，在能源使用方面还可以通过创新方式充分利用能源。DePIN通过区块链、分布式节点、资源共享获取收益的特点成为补足能源消耗的另一种方式。

以对算力需求巨大的AI大语言模型为例，训练一个大型模型可能需要数天甚至数周的时间，并且消耗大量的电力。据估计，GPT-3训练过程消耗的能源相当于一个家庭使用数年的电量。这种高能耗不仅对环境造成负面影响，还增加了运行成本，带来了可持续性问题。

DePIN领域的去中心化云计算则通过将闲置的算力资源接入云计算区块链网络，将高性能、低延迟、低费用的算力资源提供给算力需求方，以“闲置算力资源上链”的方式获得收益，充分利用算力资源的同时让算力资源充分流动参与市场机制，既避免了浪费又解决了算力瓶颈问题。

比特币区块链的减半机制稳步降低了新币产生的速度，激励矿工随着时间推移变得更加高效，其能源消耗契合了保护去中心化全球金融网络方面的实用性。像Mistral AI大模型训练对所消耗能源数据的公开、透明性，也让大众了解其带来的环境影响。

持续改善清洁能源采用、创新能源使用方式和挖矿优化将是比特币和AI作为数字经济核心支柱扩展的关键。

参考：

https://mistral.ai/news/our-contribution-to-a-global-environmental-standard-for-ai

声明：本文为PowerVerse的原创文章，不构成投资及应用建议，欢迎将本文分享给更多好友，媒体、品牌和相关平台转载时需注明来源于PowerVerse。