训练一个大模型，费算力、费电力、费数据。而且，大模型越先进，越费电。

推理更费电。

下面这张图，说的是大模型在推理阶段的能耗。生成类任务比分类任务产生更多排放，多任务比单任务产生更多排放，生成图像比生成语言产生更多排放。二氧化碳排放的原因是能耗。

之前有不少研究大模型训练阶段能耗与排放的，但研究大模型全生命周期阶段排放的并不多。

Hugging Face的Alexandra Sasha 和 Yacine Jernite ， 以及卡内基梅隆大学和艾伦AI研究所的Emma Strubell，研究了大模型在推理阶段所产生的二氧化碳排放。

他们在5种不同的模态中选择了十个机器学习任务，这些在自然语言处理和计算机视觉中都很常见：

• 文本到类别（文本分类、标记分类、抽取式问答）；

  
  

• 文本到文本（掩码语言建模、文本生成、总结）；

  
  

• 图像到类别（图像分类、对象检测）；

  
  

• 图像到文本（图像字幕）和文本到图像（图像生成）。

为了代表广泛的部署用例多样性，他们抽样了88个模型，其中一些是专门为选择的任务训练或微调的，其他则是设计为零样本或多任务模型的，以比较给定任务的不同架构，并比较同一架构的不同任务。

对于每个模型，他们对其训练的任务的3个数据集中的每一个运行了1000次推理，使用Transformers 库。

他们从Flan-T5大模型家族 中选择了4个不同大小的序列到序列模型（基础、大型、超大型和超超大型），还选择了BLOOMz大模型家族中的4个解码器模型：BLOOMz-560M、BLOOMz-1B、BLOOMz-3B 和 BLOOMz-7B。

这些实验都是在亚马逊网络服务上托管的单个NVIDIA A100-SXM4-80GB GPU上运行的，并使用Code Carbon包来测量推理期间消耗的能量和排放的碳。

所有的实验都是在同一个计算区域运行的，位于美国俄勒冈州，平均碳强度为每千万时297.6克二氧化碳。这项研究和评估本身总共耗费了754.66千瓦时的能量，并排放了178.97千克的二氧化碳。

下面是更详细的结果：

从这张图可以看出，大型的、多模态的模型，产生更多的排放。

（说明：模态：文分类，文生图，文生文，图生文，图分类。纵轴：模型排放，（克二氧化碳/千次推理）横轴：模型尺寸（参数量）注：坐标进行了对数处理 ）

从这张图可以看出，多任务的模型比具体任务的模型产生更多的排放。

说明：架构类型，具体任务Seq2Seq，具体任务编码，多任务解码，多任务Seq2Seq

纵轴：模型排放（克二氧化碳）。横轴：数据集

值得注意的是，当模型变得更大，以追求智能的涌现、能力的泛化，不仅碳排放总量增加了，而且碳排放强度也增加了。所以，在当前的算法结构下，如果说智能涌现仍然基本上不可解释，而只是一个实证的结果的话，那么最简单的实证因果就是：智能来自更多的能源。

这张表格显示的是每进行1000次查询，完成每种推理任务平均消耗的能源（及其统计标准方差）。可以看到，图片生成所带来的能耗强度，是文本分类的近1500倍。

再看下这张图，它展示了BLOOMz系列4个不同尺寸模型，在训练、精调阶段的能耗，每次推理需要的能耗及产生的排放。最后是成本平价，即需要多少次推理累积，才能达到训练阶段的能耗总量。

显然，同一个模型家族，尺寸越大，不仅能耗及排放的总量越大，而且强度越大。如700亿参数模型的能耗强度，是5.6亿能耗强度的近两倍。

作者用来测试的都是开源模型。一般来说开源模型的技术报告会披露模型训练时的碳足迹，但不会披露推理产生的碳足迹。

从GPT-3之后，模型的规模越来越大，日益多任务和多模态，更多面向用户的应用开发出来，而且推理的实时性越来越强，所有这些，都意味着在通用人工智能的道路上走得越远，消耗的能源越多，产生的碳排放越多。这些环境成本应该考虑在内。

生成式人工智能正在经历一次范式转变：从为特定任务微调的小型模型转向旨在同时执行多项任务的大模型，以实时响应用户的大量查询。自从GPT-3出现以来，这种转变不仅在机器学习研究中发生，展示了语言模型在少样本和零样本学习上的潜力，而且在消费者设置中也在发生，诸如GPT-4和PaLM这样的大型语言模型被部署在面向用户的产品中，如网页搜索、电子邮件和导航，在这些领域之前通常使用的是像BERT这样的特定任务的小型模型版本。

由于闭源的商业大模型在产品的参数数量、架构和碳排放方面缺乏透明度，很难量化其环境影响，但是不妨用该研究的实验进行比较。

例如，按1000次查询来算，为抽取式问答任务（类似于抽取式网络搜索）微调的基于BERT的模型的平均排放量为0.70克二氧化碳，这不及多用途模型排放量少的三分之一（Flan-T5 为2.36克，BLOOMz-560M为2.34克）。如果将基于BERT的模型与更大的多用途模型进行比较，差异更为显著：例如多语种的情感分析模型只排放0.32克二氧化碳，相比之下Flan-T5-XL为2.66克，BLOOMz-7B为4.67克。

对比来看，2022年发布的第一个PaLM模型有5400亿个参数，而GPT-3有1750亿个参数，2023年发布的GPT-4的参数超过了万亿，可以想象其碳排放强度会有多大。虽然生成型零样本模型能够执行多个任务，但是在一些任务明确定义的情境中，例如网页搜索和导航，如果能耗那么大，是否一定有必要部署这些大模型？杀鸡焉用宰牛刀。

由此可以看出，虽然更大的模型涌现出更多的智能，但是在GPT-4之后，继续扩大模型，在训练和推理的阶段，都会带来能耗的指数型增长，智能的涌现是否超过能耗的涌现，综合成本收益是否划算，是需要考虑的一个问题。

因此，从能耗的角度来看，结合具体的使用场景，训练和精调小型的开源模型，在具体能力上不输闭源大模型，应该是一个趋势。这样就可以有更多模型部署到边缘侧和设备终端，让推理更有效率。让数据中心用上清洁电力，虽然无助于电力成本，但可以减少排放。

关于大模型在训练阶段的碳排放，可以参见我们之前发表的文章：《GPT有多耗电，微软不说，谷歌暗踩》。

2024年，用更少的能耗训练出合适的模型，让更多人以更低的推理成本使用，其重要性应该不亚于训练出GPT-5。

参考论文：

Power Hungry Processing: Watts Driving the Cost of AI Deployment? 2023年11月

本文来自微信公众号：未尽研究 （ID：Weijin_Research），作者：未尽研究