我们对人工智能全球环境标准的贡献

Mistral 发布了其最大模型 Mistral Large 2 的环境影响数据，其详细程度比我从任何其他大型人工智能实验室看到的都要高。

该方法听起来很可靠：

[…] 我们与领先的企业社会责任和可持续发展咨询公司 Carbone 4 以及法国生态转型机构 (ADEME) 合作，启动了首个针对人工智能模型的全面生命周期分析 (LCA)。为确保研究的可靠性，本研究还经过了 Resilio 和 Hubblo 的同行评审，这两家咨询公司专注于数字行业的环境审计。

他们的头条数字：

Mistral Large 2 训练的环境足迹：截至 2025 年 1 月，经过 18 个月的使用，Large 2 产生了以下影响：

20.4 千吨二氧化碳当量，

消耗水量281000立方米，

和660千克锑当量（资源枯竭标准单位）。

推理的边际影响，更准确地说是使用我们的人工智能助手 Le Chat 进行 400 个令牌响应 – 不包括用户终端：

1.14克二氧化碳当量，

45毫升水，

和 0.16 毫克 Sb 当量。

他们还公布了该过程不同部分之间如何分配能源、水和资源的细目分类：

信息图显示了 AI 系统生命周期 7 个阶段的环境影响：1. 模型构思（下载和存储训练数据、开发人员笔记本电脑的具体影响和功耗）- 温室气体排放 <1%，水消耗 <1%，材料消耗 <1%；2. 数据中心建设（建筑和支持设备制造）- <1%，<1%，1.5%；3. 硬件具体影响（服务器制造运输和报废）- 11%，5%，61%；4. 模型训练和推理（服务器和支持设备的电力和水资源使用）- 85.5%，91%，29%；5. 令牌的网络流量（将请求传输到推理集群并将响应返回给用户）- <1%，<1%，<1%；6. 最终用户设备（具体影响和功耗）- 3%，2%，7%； 7. 下游“促成”影响（产品使用产生的间接影响）- N/A，N/A，N/A。阶段分为基础设施、计算和使用三个阶段。

有点令人沮丧的是，“模型训练和推理”被捆绑在同一个数字中（85.5％的温室气体排放，91％的水消耗，29％的材料消耗） – 我特别感兴趣的是了解训练和推理能源成本之间的细分，因为这是我在每次关于模型能源使用的对话中看到的一个问题。

我真的很想看看这些数字的具体含义——20.4 ktCO₂e 究竟意味着什么？我对环保知识不够精通，无法自行估算——我尝试用 o3 来计算（对于该查询，其二氧化碳成本未知），估算结果显示，大约相当于 100 趟从伦敦飞往纽约的航班，载客量为 350 人，相当于一年内约 5100 个美国家庭的排放量，但我对这些数字的可信度并不太有信心。

通过@sophiamyang

标签：环境、人工智能、生成人工智能、法学硕士、米斯特拉尔、人工智能伦理、人工智能能源使用

原文： https://simonwillison.net/2025/Jul/22/mistral-environmental-standard/#atom-everything