共计 852 个字符，预计需要花费 3 分钟才能阅读完成。
人工智能（AI）在英国国民医疗服务体系（NHS）中的应用日益广泛，其在提升医疗效率的同时，也带来了显著的碳排放挑战。AI 的高能耗计算和数字基础设施制造，对 NHS 实现净零目标构成了新的难题。本文深入探讨了 NHS 中的碳报告实践，分析了 AI 对当前报告的影响，并提出了改进核算和采购措施的建议，以帮助信托机构更准确地衡量 AI 的碳排放。,
NHS 的净零承诺与报告现状
NHS 设定了在 2040 年实现直接运营（范围 1 和 2）的净零排放，并在 2045 年实现间接排放（范围 3）的净零排放的目标。然而，当前的报告框架并未专门核算与 AI 技术相关的排放，这可能在 NHS 的净零路线图中留下重大缺口。本文认为，NHS 当前的净零战略可能低估或忽视了 AI 的碳足迹。
- 
- 
AI 碳排放报告中的三大问题
问题 1——粒度与高强度 AI 工作负载
通用排放因子提供的平均值可能会掩盖某些 AI 工作负载的极端能源强度。例如，OpenAI 的 GPT- 3 训练被估计等同于数百次跨大西洋航班的碳排放。这种一次性训练排放对于采购该模型作为服务的医院信托机构来说是不可见的。,
问题 2——AI 基础设施生命周期与嵌入排放
AI 系统依赖于耗电的硬件（图形处理单元、服务器），其制造和维护的碳成本仅通过查看电力消耗是无法核算的。研究人员强调，数字硬件中的嵌入碳是显著的。,
问题 3——日常实践中未采购的生成式 AI
当前报告不足的第三个领域是未采购的、免费可用的 AI，如 ChatGPT 和 Google Gemini。由于这些 AI 工具未被 NHS 正式采购，且其在医疗保健系统中的使用情况未知或未核算，因此其环境影响未被报告。,
未来展望
NHS 当前的碳报告指标不太可能完全捕捉到 AI 实施的环境影响。与更传统的来源（能源、旅行、废物）不同，这些来源有明确的报告协议，而 AI 在 NHS 背景下尚未有统一的碳核算方法。,
更广泛的影响
尽管本文的重点是 NHS 报告中遗漏的 AI 排放，但它说明了全球医疗保健中的一个更广泛的挑战。AI 正在实施，而没有充分核算外部性，环境只是其中之一，其他包括安全、公平、劳动力、供应链和服务弹性。
