AI工具的碳排放量一直是備受關注的議題，而DeepSeek AI聲稱其模型比其他模型更有效率，這無疑在業界引起了轟動。法國永續發展軟體公司Greenly最近的一項研究對DeepSeek的這項說法進行了驗證。
Greenly的研究表明，DeepSeek模型在訓練過程中所需的時間更短，使用的Nvidia晶片也更少。在相同的場景下訓練DeepSeek的V3模型和Meta的Llama 3.1模型時，DeepSeek使用了278萬個圖形處理單元（GPU）小時，而Meta的模型則使用了3080萬個GPU小時。由於訓練通常是AI模型營運過程中碳排放強度最高的環節，DeepSeek更快的訓練速度無疑提高了其效率。此外，DeepSeek使用了2000個Nvidia晶片，而Meta的模型使用了超過16000個，ChatGPT更是使用了超過25000個，而且DeepSeek使用的晶片比ChatGPT使用的晶片「能量密集度」更低。
Greenly的研究指出：「由於美國實施的制裁限制了DeepSeek獲取Nvidia最先進AI晶片的管道，該公司不得不開發這些創新技術。這種限制迫使DeepSeek設計出能够最大限度地提高效率的模型，而不是依賴大規模的計算能力。」
DeepSeek的技術創新：混合專家模型
DeepSeek的設計模型包括其混合專家（mixture-of-experts）設計，該設計使工具能够將使用者任務委派給子模型，「僅啟動給定請求所需的計算能力。」這種方法類似於一個大型團隊，每個成員都是特定領域的專家。當一個新問題出現時，團隊領導會將其分配給最適合解决該問題的專家，而不是讓整個團隊都參與進來。
在DeepSeek的混合專家模型中，大型AI模型被分解成更小的、更專業的子模型。每個子模型都經過訓練，可以在特定類型的任務中表現出色。例如，一個子模型可能擅長處理自然語言處理任務，而另一個子模型可能擅長處理圖像識別任務。
當使用者向DeepSeek AI提出請求時，系統會分析請求並確定哪個子模型最適合處理該請求。然後，系統會將請求路由到相應的子模型，該子模型將處理請求並返回結果。
這種方法有幾個優點：
- 提高效率： 通過僅啟動給定請求所需的計算能力，混合專家模型可以顯著提高效率。與需要啟動整個模型的傳統AI模型相比，這可以節省大量的計算資源。
- 提高準確性： 通過將任務委派給最適合處理該任務的子模型，混合專家模型可以提高準確性。每個子模型都經過專門訓練，可以在其特定領域中表現出色，因此更有可能產生準確的結果。
- 提高可擴展性： 混合專家模型更易於擴展，因為可以根據需要添加新的子模型來處理新的任務。這使得系統能够適應不斷變化的需求。
DeepSeek與資料中心的關係：永續性的關鍵因素
Greenly的研究還指出，DeepSeek與資料中心的關係（或潛在的缺乏關係）也有助於提高其永續性。由於DeepSeek是一個開放權重模型，或者說是公開可用的，Greenly指出它可以在物理設備上運行，而不是僅僅在雲端計算或通過資料中心運行。通過减少對資料中心的需求，DeepSeek可以反過來减少設施的能源消耗，而這些設施的能源消耗預計將在五年內增加一倍。
資料中心是大型建築物，其中包含大量的電腦伺服器和其他設備。這些伺服器用於儲存、處理和分發資料。資料中心需要大量的能源來運行，因為伺服器會產生大量的熱量，需要通過冷卻系統來散發。
通過减少對資料中心的需求，DeepSeek可以幫助减少全球的能源消耗和碳排放。這對於應對氣候變化至關重要。
傑文斯悖論：效率提升帶來的潛在風險
儘管如此，Greenly的研究也警告說，「這些收益可能很容易是短暫的」，這歸因於傑文斯悖論，或者說，某種東西越高效，它就會被越多地使用，從而產生更多的排放。
傑文斯悖論是由英國經濟學家威廉·斯坦利·傑文斯在19世紀提出的。傑文斯觀察到，隨著煤炭燃燒效率的提高，煤炭的使用量並沒有减少，而是增加了。他認為，這是因為效率的提高降低了煤炭的價格，從而刺激了更多的需求。
在AI的背景下，傑文斯悖論意味著，即使DeepSeek等AI模型的效率提高了，但由於AI的廣泛應用，總體碳排放量仍有可能增加。例如，如果AI變得更高效，企業可能會更傾向於使用AI來自動化更多的任務，從而導致AI的使用量呈指數級增長。這種增長可能會抵消效率提升帶來的益處，甚至導致碳排放量增加。
負責的AI部署：確保永續性的關鍵
為了避免傑文斯悖論，Greenly的研究強調了「負責的部署」的重要性。這意味著企業和個人在使用AI時應採取措施來减少其碳足跡。以下是一些可以採取的措施：
- 使用高效的AI模型： 選擇像DeepSeek這樣的高效AI模型可以减少能源消耗和碳排放。
- 優化AI模型的使用： 確保AI模型僅在必要時運行，並避免過度使用。
- 使用可再生能源： 使用可再生能源為資料中心和物理設備供電可以减少碳排放。
- 支持永續的AI發展： 支持那些致力於開發和部署永續AI技術的公司和組織。
通過採取這些措施，我們可以確保AI的益處不會以環境為代價。
DeepSeek AI的開源策略：加速創新與永續發展
DeepSeek AI選擇將其部分模型開源，這不僅加速了AI技術的創新，還在一定程度上促進了AI的永續發展。開源意味著任何人都可以訪問、使用、修改和分發DeepSeek AI的模型程式碼。這種開放性帶來了以下幾個方面的優勢：
- 加速創新： 通過開源，DeepSeek AI能够吸引更多的開發者參與到模型的改進和優化中來。來自世界各地的開發者可以共同努力，發現模型中的缺陷，並提出新的解決方案。這種開放協作的模式可以加速AI技術的創新，推動AI在各個領域的應用。
- 降低開發成本： 對於其他企業和研究機構來說，使用DeepSeek AI的開源模型可以大大降低AI開發的成本。他們無需從頭開始構建自己的模型，而是可以直接在DeepSeek AI的模型基礎上進行修改和定制，從而節省大量的時間和資源。
- 提高模型的可訪問性： 開源使得更多的人可以訪問和使用DeepSeek AI的模型。這有助於推動AI技術的普及，讓更多的人能够从中受益。
- 促進永續發展： 通過開源，更多的開發者可以瞭解DeepSeek AI在提高模型效率方面的努力。這有助於推廣永續的AI開發理念，鼓勵更多的開發者關注AI的環境影響，並開發出更高效、更環保的AI模型。
然而，開源也存在一些挑戰。例如，開源模型的安全性是一個重要的問題。如果模型中存在漏洞，可能會被惡意攻擊者利用。此外，開源模型的知識產權保護也是一個需要關注的問題。
儘管存在一些挑戰，但DeepSeek AI的開源策略總體上是有益的。它加速了AI技術的創新，降低了AI開發的成本，提高了模型的可訪問性，並促進了AI的永續發展。
DeepSeek AI在不同產業的應用潛力
DeepSeek AI的高效率和永續性使其在各個產業都具有廣泛的應用潛力。以下是一些DeepSeek AI可能發揮重要作用的領域：
- 自然語言處理（NLP）： DeepSeek AI可以用於構建更高效、更準確的NLP模型，從而改進機器翻譯、文本摘要、情感分析等應用。
- 電腦視覺： DeepSeek AI可以用於構建更高效、更準確的電腦視覺模型，從而改進圖像識別、物體檢測、影片分析等應用。
- 推薦系統： DeepSeek AI可以用於構建更高效、更個性化的推薦系統，從而提高使用者體驗和商業效益。
- 醫療保健： DeepSeek AI可以用於輔助診斷、藥物研發、個性化治療等領域，從而提高醫療效率和改善患者預後。
- 金融服務： DeepSeek AI可以用於風險評估、欺詐檢測、量化交易等領域，從而提高金融服務的效率和安全性。
- 製造業： DeepSeek AI可以用於生產過程優化、品質控制、故障預測等領域，從而提高生產效率和降低生產成本。
未來AI發展的趨勢：效率、永續性與負責的部署
DeepSeek AI的案例表明，未來的AI發展將越來越重視效率、永續性和負責的部署。隨著AI技術的不斷發展，我們需要更加關注AI對環境和社會的影響，並採取措施來確保AI的益處能够得到充分發揮，同時最大限度地减少其負面影響。
以下是一些未來AI發展的趨勢：
- 模型壓縮與優化： 研究人員將繼續探索新的方法來壓縮和優化AI模型，從而降低模型的計算需求和能源消耗。
- 邊緣計算： 將AI模型部署到邊緣設備上（例如智慧型手機、感測器等）可以减少對資料中心的依賴，從而降低能源消耗和延遲。
- 綠色AI： 越來越多的研究人員將關注綠色AI的開發，即開發出更加環保、永續的AI技術。
- AI倫理與安全： AI的倫理和安全問題將越來越受到重視。我們需要制定相應的政策和規範，以確保AI的安全、可靠和公平。
DeepSeek AI的探索為我們提供了一個很好的例子，展示了如何在提高AI效率的同時，關注AI的永續發展。在未來，我們期待看到更多像DeepSeek AI這樣的創新企業，為構建一個更加綠色、永續的AI生態系統做出貢獻。