Mistral AI

法国AI新创Mistral AI周二（7/22）发布了全球首份针对大型语言模型（LLM）进行完整生命周期环境影响的评估报告，并以最新的旗舰模型Mistral Large 2为例，量化该模型从开发、部署到使用阶段所产生的三大关键环境指标，涵盖碳排放、水资源消耗，以及以锑当量来衡量的资源枯竭程度。

报告显示，截至2025年1月，Mistral Large 2在18个月的开发及使用时间，累计产生20.4公吨的二氧化碳当量（涵盖所有温室气体），耗用了28.1万立方米的水资源，造成660公斤锑当量（以锑作为金属资源代表物质）的资源枯竭。相当于150名欧洲居民一整年的碳足迹，超过1,800名法国居民一整年的饮用与家庭用水总和，以及生产数百台高阶笔电所需的金属用量。

而Mistral Large 2在不同阶段对环境的影响也不一，例如碳排放主要集中在模型训练与推论阶段，占了整体碳排放的85.5%，用水绝大多数来自训练与推论，占了91%，资源枯竭则主要来自硬件製造（61%）与训练阶段（29%）。

此外，Mistral AI也公开每次执行推论时的边际环境成本，指出一个回覆400字元的Le Chat对话将会产生约1.14公克二氧化碳排放、45毫升用水及0.16毫克锑当量资源损耗，但这并未计入使用者终端设备的耗能。

该研究是由Mistral AI、法国碳转型机构ADEME，以及企业社会责任顾问Carbone 4共同进行，并经Resilio与Hubblo两家数位永续审核公司审查。为确保科学性，研究方法遵循AFNOR提出的Frugal AI原则，并符合《温室气体盘查协定产品标準》（GHG Protocol Product Standard）与ISO 14040/44等国际标準。

该研究亦发现，模型规模与环境影响呈现高度正相关，若在产出相同Token数的情况下，一个10倍规模的模型，其总体环境影响也可能放大一个数量级。因此，选择最适规模的模型，将是减少资源浪费的关键。另一方面，使用端若能教育人们更有效率地使用AI工具，将多个问题合併查询，同时精準选择模型大小，也能节能减碳。

Mistral强调，随着生成式AI快速扩张，业界亟需建立统一的环境评估框架，例如标準化的环境影响评分系统，让使用者、企业与政府能更清楚掌握模型的碳排、水耗与资源密集度，据以制定採购政策与永续策略。