研究人员揭示了我们日益依赖复杂AI系统所带来的显著环境成本。2025年6月19日发表在《Frontiers in Communication》的一项新研究表明，具备推理能力的AI模型在回答相同问题时，产生的二氧化碳排放量可达基础模型的50倍。
该研究由慕尼黑应用科技大学的Maximilian Dauner带领，评估了14种参数规模从70亿到720亿不等的大型语言模型（LLM）。团队在数学、历史、哲学、抽象代数等多个领域的1000道基准问题上对这些模型进行了测试。
研究发现，推理型模型平均每个问题生成543.5个“思考token”，而简明模型仅为37.7个。这些额外的计算步骤直接导致了更高的能耗和碳排放。测试中最准确的模型是具备推理能力的Cogito模型（参数规模700亿），其准确率达到84.9%，但其二氧化碳排放量却是同等规模、生成简明答案模型的三倍。
“目前，我们在LLM技术中看到了一种明显的准确性与可持续性之间的权衡，”Dauner解释道，“所有二氧化碳排放低于500克的模型，准确率都未能超过80%。”
问题的学科类型也对排放量有显著影响。需要复杂推理的问题（如抽象代数或哲学）产生的碳排放量，是简单主题（如高中历史）的六倍。
研究人员强调，用户可以通过有意识的选择来控制自己的AI碳足迹。例如，DeepSeek的R1模型（700亿参数）若回答60万个问题，其二氧化碳排放量相当于一次伦敦往返纽约的航班。而阿里巴巴的Qwen 2.5模型（720亿参数）在产生相同排放量的情况下，能以类似准确率回答约190万个问题。
“如果用户能够明确知晓AI生成内容的碳排放成本，他们或许会更有选择性地使用这些技术，”Dauner总结道。研究团队希望，随着AI技术日益融入日常生活，他们的研究能够促进更具信息化和环保意识的AI使用。