科研中的碳排放

大數據時代，科研人員需要頻繁處理海量數據，而這離不開具有強大算力的計算機和大型數據中心。 （視覺中國/圖）

科學研究是“昂貴”的。

這不僅說的是科學研究耗費高昂，而且也指向科學研究對地球生態潛在的負面影響——科研本身就會產生大量碳排放。

南方周末記者檢索相關論文發現，自然語言處理、生物科學研究、天文學研究等領域的碳排放問題正在引起科研人員的注意。最直觀的例子是大型計算機，天體物理、人工智能等研究領域都依賴大型計算機對海量的數據進行加工處理，而大型計算機的運行過程將產生大量的碳排放。

與工業生產、交通物流、房地產建筑等碳排放“大戶”相比，科學研究不是高耗能的領域，不過，有學者呼吁，科學界應當采取措施，盡可能地減少研究過程中的溫室氣體排放。

碳中和領域專家、《碳中和時代》一書作者汪軍向南方周末記者表示，減碳并非科學家的首要工作，但可以通過逐漸提升電力的綠色化等方式來減排，“不過這屬于能源等其他部門的工作，不應該因此而占據科學家的精力”。

研究設施碳排放

大數據時代，科研人員需要頻繁處理海量數據，而這離不開具有強大算力的計算機和大型數據中心。

例如在計算機研究的自然語言處理領域，2019年發表的一項研究發現，自2017年以來，大型語言模型的能源消耗和碳排放一直呈爆炸式增長。語言模型是自然語言處理研究中重要的一環，機器翻譯、聊天機器人等技術都與語言模型有關。

研究顯示，使用特定類型的“神經架構搜索”（NAS）方法訓練一種語言模型將產生284噸二氧化碳，大約相當于五輛普通美國汽車在使用壽命內的全部碳排放（美國汽車使用壽命平均約為12.1年）。

上述研究發布于第五十七屆國際計算語言學年會，南方周末記者檢索發現，這篇文章已經引起了許多研究人員的重視，截至2022年11月11日，谷歌學術顯示，該論文已被引用大約1700次。

香港中文大學（深圳）理工學院副教授趙俊華多年來從事電力系統和能源經濟方面的研究，他以人工智能研究為例向南方周末記者指出，研究者需要大量地應用顯卡和GPU（關于圖像和圖形相關運算工作的微處理器）進行數據訓練，從而產生能耗。

這些數據任務通過云計算的方式在大型數據中心中進行。數據中心的主要功能是進行