🌍 可持续 AI · 研究报告
大模型碳排全景对比出炉：训练一次 GPT-3 级模型，等于 120 辆燃油车跑一整年
一篇新发布的综述性研究，用统一生命周期口径重新核算了 80+ 个主流模型的碳排放。最扎眼的结论：训练一次 GPT-3 级大模型释放约 552 吨 CO2e——相当于 120 辆燃油车开满一整年。
来源：综合公开信息整理•
2026-07-22•
全文约 3 分钟读完
#可持续 AI
#碳足迹
#大模型
#生命周期评估
552 吨
CO2e · GPT-3 级模型单次训练排放
22×
同代 175B 级模型碳排最大差距
60%+
已部署模型推理能耗占比，仍在上升
⚡ 30 秒速览
- 口径统一：首次用全生命周期（LCA）框架横向对比 80+ 模型、200+ 项训练实验，覆盖芯片制造、训练、推理、冷却与电网损耗。
- 核心数字：GPT-3 单次训练 552 吨 CO2e ≈ 120 辆燃油车一年；BERT 仅 0.65 吨——差距来自规模，更来自架构搜索。
- 反直觉结论：电网选址比模型结构更关键。BLOOM-176B 借法国核电做到 25 吨，比 GPT-3 低 95%。
- 趋势警报：推理能耗占比已超 60%，模型一旦部署就每天持续"烧碳"，不只是训练一次的事。
- 行动信号：欧盟 AI 法案已要求高算力通用模型披露能耗，碳效率正从道德议题变成合规门槛。
01横向对比 主流模型训练碳排，吨 CO2e
研究团队爬取了近五年公开的 200+ 项训练实验，按统一口径重新核算。先看最直观的对比：
GPT-3OpenAI · 175B 参数
552
GopherDeepMind · 280B 参数
400
NAS 架构搜索Transformer 实验 · 8×GPU
284
OPT-175BMeta · 175B 参数
75
BLOOM-176B法国核电 · 176B 参数
25
BERT baseGoogle · 110M 参数
0.65
注：数值跨度超过 800 倍，柱形按平方根比例缩放以保证小值可见，实际数值以右侧标注为准。数据为论文对公开实验的重新核算结果。
但是，数字只是故事的一半。
02怎么测才可信 一份综述的核算口径
碳排数字之所以长期难以横向比较，是因为各家统计口径完全不同。有的只算训练时 GPU 功耗，有的把冷却和电网损耗也算进去，结果自然千差万别。
传统口径
只看训练阶段 GPU 的 TDP 估算，忽略冷却、数据中心 PUE、电网传输损耗与硬件生产碳排，不同研究之间无法对比。
本研究的全生命周期 LCA
覆盖芯片制造、训练、推理、冷却、PUE 与电网碳强度，统一功能单位，首次让"模型碳排"可以跨模型直接比较。
80+覆盖模型
200+纳入实验
3核算阶段
40+电网碳强度区域
三个核算阶段：训练（一次性）、推理（持续性）、全生命周期（含硬件生产与回收）。电网碳强度数据覆盖 40+ 个国家和地区的发电结构。
一个诚实的注脚：这份综述依赖各家论文自报的硬件配置与运行时长，早期实验无法逐一复现，存在系统性误差。但它是目前口径最统一的公开对比。
口径统一之后，结论才真正有了分量。
03三个关键发现 每一项都在挑战"堆算力"叙事
📈 规模暴力，第一次有了环境标价发现一
- 从 BERT 到 GPT-3，参数量增长约 1600 倍，训练碳排增长约 850 倍——规模每上一个台阶，环境账单同步膨胀。
- 隐藏大户是架构搜索（NAS）：一次搜索排 284 吨 CO2e，是 BERT 训练本身的 400 多倍。
论文直言："模型规模与碳排的强相关，让'越大越好'第一次有了环境标价。"
📍 在哪里训练，比用哪个模型更关键发现二
- 同样 175B 级参数：GPT-3 在常规电网下训练排 552 吨，BLOOM 在法国核电下仅 25 吨。
- 报告测算：同一模型迁往低碳电网，可减少 60%-90% 的训练碳排。
结论：在模型结构不变的前提下，"选址"可能是性价比最高的减排手段。
⏳ 推理是不断累积的长期负债发现三
- 已大规模部署的模型，推理阶段能耗占比超 60%，且随用户量线性膨胀。
- 一个日活百万的对话产品，一年推理碳排可达单次训练成本的 2-3 倍。
训练是一次性支出，推理是分期付款——而且利率不低。
这些发现，正在被现实加速验证。
04为什么是现在 碳排议题从论文走向合规
碳排议题从学术论文走向监管合规，只用了不到七年。
2019
学界首次量化 NLP 模型碳排：Strubell 等算出 BERT 训练排放 1,438 lbs CO2e，第一次为"一次训练"贴上碳价签。
2021
大模型被"标价"：GPT-3 训练被核算为 552 吨 CO2e，"规模暴力"第一次有了环境成本。
2022
低碳路径被验证：BLOOM-176B 借助法国核电，把训练碳排压到 25 吨，证明选址与电网的价值。
2024
用电曲线陡峭化：国际能源署预测，2026 年全球数据中心用电将达 800-1,000 TWh，AI 是主要增量。
2026
合规时代开启：欧盟 AI 法案分阶段实施，高算力通用模型被要求披露能耗；本论文提供了统一的核算框架。
当监管开始要求"报碳"，算不清自己排了多少的团队，会先被市场淘汰。
编辑核心判断
模型能力的军备竞赛正在撞上环境天花板。当各家 benchmark 分数差距缩小到一两个百分点，碳效率就会成为下一轮竞争的主战场——谁先建立"每吨碳换多少智能"的核算体系，谁就握住了通往合规市场的门票。
▶现在就能做
论文全文已开放获取，在学术预印本平台检索论文标题 Towards Sustainable Artificial Intelligence 即可阅读。给团队的建议：把"训练一次排放多少吨 CO2e"写进模型卡，与 benchmark 分数一起发布——这正在从倡议变成行业默认动作。
检索标题 · 阅读全文