MIT 研究：GPU「降速」省 70% 能源，AI 效能幾乎不受影響

生成式 AI 的爆發帶動全球資料中心用電量急遽攀升。根據國際能源署（IEA）估計，到 2026 年全球資料中心用電量將翻倍。MIT 研究團隊正在尋找「不犧牲效能的節能方案」，而他們的發現令人驚喜。

關鍵發現

• GPU 降速策略：MIT 超級計算中心研究發現，將資料中心 GPU 功率降至原本的 三成（30%），對 AI 模型推論效能的影響極為有限，同時大幅降低散熱需求
• 智慧排程：另一項研究開發的工具可避免約 80% 的無效計算週期，在不犧牲模型準確度的前提下大幅節能

為什麼這很重要

訓練一個大型語言模型的碳排放量，可能相當於一輛汽車整個生命週期的排放。如果全球資料中心都採用 GPU 降速策略，每年可節省的能源相當可觀。更重要的是，這種方法不需要新硬體投資，只需軟體層級的調整。

Green AI 的實踐路徑

MIT 研究者提出多管齊下的策略：

1. 優化演算法效率，減少不必要的計算
2. 硬體層級的功率管理（GPU 降速）
3. 資料中心選址考量再生能源供應
4. 開發更小但更精準的專用模型，取代通用大模型

資料來源：MIT News — Responding to the climate impact of generative AI