Mistral AI發布全球首份AI模型的生命周期環境影響報告，揭露碳、水、資源消耗影響

法國AI新創Mistral AI周二（7/22）發布了全球首份針對大型語言模型（LLM）進行完整生命周期環境影響的評估報告，並以最新的旗艦模型Mistral Large 2為例，量化該模型從開發、部署到使用階段所產生的三大關鍵環境指標，涵蓋碳排放、水資源消耗，以及以銻當量來衡量的資源枯竭程度。

報告顯示，截至2025年1月，Mistral Large 2在18個月的開發及使用時間，累計產生20.4公噸的二氧化碳當量（涵蓋所有溫室氣體），耗用了28.1萬立方米的水資源，造成660公斤銻當量（以銻作為金屬資源代表物質）的資源枯竭。相當於150名歐洲居民一整年的碳足跡，超過1,800名法國居民一整年的飲用與家庭用水總和，以及生產數百臺高階筆電所需的金屬用量。

而Mistral Large 2在不同階段對環境的影響也不一，例如碳排放主要集中在模型訓練與推論階段，占了整體碳排放的85.5%，用水絕大多數來自訓練與推論，占了91%，資源枯竭則主要來自硬體製造（61%）與訓練階段（29%）。

此外，Mistral AI也公開每次執行推論時的邊際環境成本，指出一個回覆400字元的Le Chat對話將會產生約1.14公克二氧化碳排放、45毫升用水及0.16毫克銻當量資源損耗，但這並未計入使用者終端設備的耗能。

該研究是由Mistral AI、法國碳轉型機構ADEME，以及企業社會責任顧問Carbone 4共同進行，並經Resilio與Hubblo兩家數位永續審核公司審查。為確保科學性，研究方法遵循AFNOR提出的Frugal AI原則，並符合《溫室氣體盤查協定產品標準》（GHG Protocol Product Standard）與ISO 14040/44等國際標準。

該研究亦發現，模型規模與環境影響呈現高度正相關，若在產出相同Token數的情況下，一個10倍規模的模型，其總體環境影響也可能放大一個數量級。因此，選擇最適規模的模型，將是減少資源浪費的關鍵。另一方面，使用端若能教育人們更有效率地使用AI工具，將多個問題合併查詢，同時精準選擇模型大小，也能節能減碳。

Mistral強調，隨著生成式AI快速擴張，業界亟需建立統一的環境評估框架，例如標準化的環境影響評分系統，讓使用者、企業與政府能更清楚掌握模型的碳排、水耗與資源密集度，據以制定採購政策與永續策略。