Meta AI与佐治亚理工学院联合开发可持续AI框架，降低隐含碳排放17%
时间：2025-07-01 06:15
小编：小世评选
随着全球对环保和可持续发展的重视，科技行业不断探索降低碳足迹的方法。Meta AI旗下的FAIR团队与佐治亚理工学院近期携手合作，共同开发了一种名为CATransformers的可持续AI框架，旨在降低人工智能模型的隐含碳排放。据报道，该框架在优化AI性能的同时，成功实现了17%的碳排放减少，这是在当前全球面临气候危机背景下的一项重要进展。
隐含碳是指产品在其整个生命周期中，包括制造、使用到最终报废阶段所产生的潜在碳排放。在AI技术快速发展的过程中，硬件的制造和处理也越来越受到关注。当前，许多企业在使用AI技术时，主要聚焦于提升运营效率，例如优化模型训练和推理的能耗、提高硬件利用率等。这些传统的方法往往忽视了硬件设计和制造阶段的碳排放问题，也未能有效整合模型设计与硬件效果之间的关系。
CATransformers框架专注于边缘推理设备的应用，通过剪枝大型CLIP模型生成新的变体，结合硬件评估工具来分析其碳排放与性能之间的关系。其成果 CarbonCLIP-S 和 TinyCLIP-39M 在精度上相当，但前者的碳排放量却降低了17%，延迟则控制在15毫秒以内。CarbonCLIP-XS模型在TinyCLIP-8M的基础上精度提升了8%，同时碳排放也减少了3%，延迟保持在10毫秒以内。这表明，利用CATransformers框架，可以在实现高性能AI模型的同时，显著降低对环境的影响。
令人关注的是，研究显示，单纯的延迟优化设计可能导致碳排放增加，甚至高达2.4倍。而综合考虑碳排放与延迟优化的设计策略则能够实现19%至20%的总排放削减，且对延迟的影响极小。这种综合性优化思维表明，AI开发领域亟需一种从源头考虑可持续性的设计方法。
CATransformers的一个关键创新在于其将环境指标嵌入设计过程中，从而为构建可持续的机器学习系统奠定了基础。这意味着，AI开发若能从一开始就将硬件能力与碳影响考量相结合，不仅可以在性能上达到预期目标，同时也能在减少环境负担方面取得积极成果。
随着AI规模的不断扩大，CATransformers为整个行业提供了切实可行的减排路径。对于需要在实际应用中频繁使用AI技术的公司而言，采用这种可持续框架不仅体现了企业的社会责任，也能在长远的角度上节省资源和成本。通过技术创新，Meta AI及佐治亚理工学院的合作展示了科学与环保的良好结合，为未来AI技术的可持续发展提供了启示。
CATransformers项目展示了如何在当前技术迅速发展的背景下，平衡性能与环保之间的关系。这一合作不仅是AI领域的一次重要尝试，更是为推动社会整体向可持续发展目标前行的一小步。企业和研究机构应当继续探索如何在新技术的研发中融入环保理念，以真正实现可持续发展的目标。
