Mistral AI发布了首份AI模型全生命周期环境影响分析报告，与Carbone 4及ADEME合作，揭示了AI模型对环境的整体影响。报告指出，AI模型的训练和推理过程是温室气体排放和水资源消耗的主要环节，而服务器硬件则对不可再生资源消耗贡献最大。例如，Mistral Large 2模型训练阶段的碳排放当量高达20.4万吨，水资源消耗28.1万吨。单次一页文本的推理响应，约产生1.14克的二氧化碳排放并消耗45毫升水。报告强调，在推理输出Token量相当的情况下，模型环境影响与其参数规模成正比，小型专长AI模型更具环保优势。

📊 AI模型全生命周期环境影响分析：Mistral AI与Carbone 4、ADEME合作发布的报告，首次全面披露了AI模型在训练、推理及硬件等环节对环境的影响，为AI产业的可持续发展提供了重要参考。

💨 温室气体排放与水资源消耗：报告显示，AI模型的训练和推理过程是温室气体排放和水资源消耗的主要驱动力。以Mistral Large 2模型为例，其训练过程的二氧化碳排放当量为20.4万吨，水资源消耗达28.1万吨，凸显了AI计算的资源密集性。

💧 单次推理的资源消耗：一次一页文本（400 Token）的推理输出，会产生约1.14克的二氧化碳排放，并消耗45毫升（或45克）的水资源，这表明即使是单次小规模的AI应用，也存在累积的环境影响。

⚙️ 硬件对不可再生资源消耗的贡献：报告还指出，服务器硬件是AI模型生命周期中不可再生资源消耗的最大来源，提示了在硬件设计和使用效率方面也需关注环境因素。

⚖️ 小型模型环保价值凸显：通过环境基准测试，报告得出一个重要结论：在相同推理输出Token数量下，AI模型对环境的影响与其参数规模呈正比。这意味着，专长且规模较小的AI模型在环保方面具有更显著的优势，为AI模型的优化设计提供了方向。

IT之家 8 月 5 日消息，欧洲 AI 模型初创企业 Mistral AI 当地时间 7 月 22 日公布了其与企业 ESG 咨询公司 Carbone 4 和法国生态转型机构 ADEME 合作编制的首份人工智能模型全面生命周期分析报告，披露了 AI 模型对环境的整体影响。

总的来看，AI 模型全生命周期的温室气体排放和水资源消耗大户均是训练和推理过程，而服务器硬件则在不可再生资源消耗上占据最大比例。

对于 Mistral AI 在 2024 年 7 月发布的 Mistral Large 2 模型，其在训练过程中的二氧化碳排放当量达 20.4 万吨，水资源消耗达 28.1 万吨；基于该模型进行一次一页文本的推理输出响应（IT之家注：对应 400 Token）则会产生 1.14g 的二氧化碳排放并消耗 45ml / 45g 水资源。

这份报告还得到了一个值得注意的结论：环境基准测试表明，在推理输出 Token 数量相当的情况下，各模型之间的环境影响与其参数规模成正比，这意味着专长而小型的 AI 模型具有明确的环保价值。