科研中的碳排放

大数据时代，科研人员需要频繁处理海量数据，而这离不开具有强大算力的计算机和大型数据中心。 （视觉中国/图）

科学研究是“昂贵”的。

这不仅说的是科学研究耗费高昂，而且也指向科学研究对地球生态潜在的负面影响——科研本身就会产生大量碳排放。

南方周末记者检索相关论文发现，自然语言处理、生物科学研究、天文学研究等领域的碳排放问题正在引起科研人员的注意。最直观的例子是大型计算机，天体物理、人工智能等研究领域都依赖大型计算机对海量的数据进行加工处理，而大型计算机的运行过程将产生大量的碳排放。

与工业生产、交通物流、房地产建筑等碳排放“大户”相比，科学研究不是高耗能的领域，不过，有学者呼吁，科学界应当采取措施，尽可能地减少研究过程中的温室气体排放。

碳中和领域专家、《碳中和时代》一书作者汪军向南方周末记者表示，减碳并非科学家的首要工作，但可以通过逐渐提升电力的绿色化等方式来减排，“不过这属于能源等其他部门的工作，不应该因此而占据科学家的精力”。

研究设施碳排放

大数据时代，科研人员需要频繁处理海量数据，而这离不开具有强大算力的计算机和大型数据中心。

例如在计算机研究的自然语言处理领域，2019年发表的一项研究发现，自2017年以来，大型语言模型的能源消耗和碳排放一直呈爆炸式增长。语言模型是自然语言处理研究中重要的一环，机器翻译、聊天机器人等技术都与语言模型有关。

研究显示，使用特定类型的“神经架构搜索”（NAS）方法训练一种语言模型将产生284吨二氧化碳，大约相当于五辆普通美国汽车在使用寿命内的全部碳排放（美国汽车使用寿命平均约为12.1年）。

上述研究发布于第五十七届国际计算语言学年会，南方周末记者检索发现，这篇文章已经引起了许多研究人员的重视，截至2022年11月11日，谷歌学术显示，该论文已被引用大约1700次。

香港中文大学（深圳）理工学院副教授赵俊华多年来从事电力系统和能源经济方面的研究，他以人工智能研究为例向南方周末记者指出，研究者需要大量地应用显卡和GPU（关于图像和图形相关运算工作的微处理器）进行数据训练，从而产生能耗。

这些数据任务通过云计算的方式在大型数据中心中进行。数据中心的主要功能是进行