🧬 biology

BIRDS: Characterizing and Understanding Biodiversity Impact of Large Language Model Serving

本文介绍了 BIRDS，这是一个通过定义请求级功能单元和质量归一化生物多样性影响指标来量化大语言模型服务对生物多样性影响的框架，旨在揭示生态权衡并指导质量感知的服务策略。

原作者： Tianyao Shi, Yi Ding

发布于 2026-05-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Tianyao Shi, Yi Ding

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你经营着一家巨大的高速面包店，每天生产数百万条面包。通常，当我们谈论这家面包店的“成本”时，我们只看两件事：运行烤箱所消耗的电力（碳）以及清洗餐具所消耗的水（水资源）。

但这篇名为BIRDS的论文指出，我们一直忽略了一项第三项、隐蔽的成本：对当地生态系统和野生动物的破坏（生物多样性）。

以下是研究人员发现的要点，使用了简单的类比：

1. “数字面包”的隐蔽成本

当你要求人工智能（大型语言模型）写一首诗或解决一道数学题时，这并非发生在某种魔法云端。它实际上是在真实建筑物中的真实物理计算机上运行的。

旧观点：我们只担心碳足迹（如二氧化碳排放）和用水量。
新观点（BIRDS）：该论文指出，制造这些计算机、运行它们以及将它们报废，也会释放化学物质和污染物。这些污染物可能导致土壤酸化、水源中毒并产生有毒烟雾。这会伤害动植物，导致生物多样性丧失（物种灭绝）。
类比：将人工智能想象成一家工厂。即使工厂使用“清洁”电力，其机器本身也可能是用有毒化学品制造的，而运行它们产生的废物可能会泄漏到附近的河流中。BIRDS 衡量的正是这种河流污染。

2. “质量与成本”的两难困境

研究人员意识到，仅仅选择“最小”或“最便宜”的人工智能并不总是最环保的选择。

问题：想象你有一个微小、廉价的机器人试图写一个故事。它非常节能，但它写出的是一堆胡言乱语。你不得不让它试一次、又一次、再又一次。
BIRDS 的洞察：如果你必须让那个小机器人尝试 10 次才能得到一个像样的故事，那么你实际上浪费的更多能源，造成的更多生态系统破坏，超过了直接使用一个稍大、更聪明的机器人并让它一次就成功的后果。
指标（QNBI）：他们创建了一个名为**质量归一化生物多样性影响（QNBI）**的新评分。这可以看作是一个“每次有用结果的代价”评分。它问的是：“为了获得一个成功的回答，我们对自然造成了多少破坏？”

3. 他们的发现（“甜蜜点”）

该团队测试了许多不同的人工智能模型，从微小的到巨大的，并在不同类型的计算机芯片（GPU）上运行它们。以下是他们的发现：

“金发姑娘”区域：最环保的模型并不总是最小或最大的。
- 太小：它们效率低下，因为会犯错并需要重试。
- 太大：它们过于庞大，消耗大量能源，且它们提供的额外“智能”不足以弥补对自然造成的额外破坏。
- 刚刚好：中等规模的模型（或“稀疏”模型，即只唤醒其大脑中所需部分的模型）通常能击中甜蜜点。它们能提供出色的答案，而不会浪费自然资源。
“思考”陷阱：一些人工智能拥有“思考模式”，即在回答前会暂停进行推理。虽然这使它们更聪明，但通常会使它们的运行时间翻倍。该论文发现，对于许多任务来说，这种额外的“思考”所付出的额外自然破坏代价如此之大，以至于除非任务极其困难，否则并不值得。
硬件很重要：使用更新、更快的计算机芯片（如 H100）通常比使用旧芯片更环保。为什么？因为新芯片速度极快，可以迅速完成任务并“休眠”，而旧芯片则挣扎着运行更长时间，为完成相同任务消耗更多电力。

4. “地点”的惊喜

你可能认为运行人工智能的最佳地点是电力“最绿色”（碳最低）的地方。但 BIRDS 发现，生物多样性并不总是与碳一致。

类比：想象两个城市。城市 A 拥有清洁的风能（低碳），但其水源来自脆弱的河流系统（高生物多样性风险）。城市 B 的电网稍微“脏”一些，但生态系统非常稳健。
结果：有时，在“较脏”的电网（城市 B）运行人工智能，实际上比在“清洁”的电网（城市 A）运行对野生动物造成的伤害更小。如果你只看碳排放，你可能会选错城市，从而意外地伤害更多的动物。

5. 大局观

该论文总结道，虽然单次人工智能请求就像一滴水（影响微小），但人工智能系统处理的请求量达数万亿次。

类比：一滴水不会淹没房子。但如果你让水龙头流上一万亿年，你就会淹死房子。
启示：为了保护自然，我们需要停止仅仅通过“碳”或“水”的透镜来看待人工智能。我们需要纵观全局：人工智能是否第一次就正确完成了工作，以及我们是否选择了正确的硬件和地点来执行它？

简而言之：BIRDS 是一项新工具，旨在帮助我们选择人工智能设置，这些设置不仅能节省能源，还能通过确保我们不在糟糕的答案或低效的设置上浪费自然资源，从而真正拯救地球上的野生动物。

技术摘要：BIRDS——表征与理解大语言模型服务对生物多样性的影响

1. 问题陈述

尽管近期研究已开始表征大语言模型（LLM）服务的碳排放和耗水量，但这些指标未能涵盖环境影响的全貌。电力生产和半导体制造会释放空气污染物和化学废物，导致酸化、富营养化和生态毒性，进而造成生态系统破坏和生物多样性丧失。

将现有的计算环境影响评估方法应用于 LLM 服务时，主要面临两大局限：

缺乏请求驱动的建模：现有框架通常依赖粗略的基础设施层面估算。它们缺乏专为 LLM 服务负载量身定制的功能单元（FU），而 LLM 服务负载本质上是由具有特定延迟约束（例如首字生成时间）和吞吐量要求的请求驱动的。
缺乏质量感知的权衡：现有方法未考虑生物多样性影响（BI）与输出质量之间的关系。较小的模型在每次请求上看似更环保，但可能产生低质量输出，导致需要重试或修正，从而抵消任何生态节约。

因此，仅针对碳或水进行优化并不一定能最小化生物多样性影响，仅基于这些指标做出的服务决策可能与考虑更广泛生态破坏的决策不同。

2. 方法论：BIRDS 框架

作者提出了 BIRDS（请求驱动的 LLM 服务的生物多样性影响），这是一个旨在通过三步流程量化和分析 LLM 服务生物多样性影响的框架：

步骤 1：建立请求驱动的功能单元（FU）

BIRDS 将 FU 定义为：由特定实例 $i$ 在吞吐量 $\lambda$ 下服务的、特定工作负载类型 $w$ 的一个已完成的请求，同时满足首字生成时间（TTFT）和每输出令牌时间（TPOT）的延迟服务等级目标（SLO）。这使得在不同服务配置和运行点之间进行公平比较成为可能。

步骤 2：量化 FU 级别的生物多样性影响

BIRDS 将 FU 的总 BI 计算为**运营 BI（OBI）与隐含 BI（EBI）**之和：
$BI_{fu}(\theta, r) = OBI_{fu}(\theta, r) + EBI_{fu}(\theta)$

运营 BI：源自稳态服务期间的能耗，利用区域特定的电网生态强度因子转换为生物多样性影响。
隐含 BI：归因于服务实例的硬件（制造、运输、报废）的摊销生命周期影响。
核算方法：该框架采用中点 - 终点方法（基于 ReCiPe2016 LCA 框架）。它将多种环境压力源（例如全球变暖、陆地酸化、生态毒性）汇总为一个终点指标，以物种·年（随时间丧失的物种数）表示。

步骤 3：分析质量感知的效率

为了解决影响与效用之间的权衡，BIRDS 引入了质量归一化生物多样性影响（QNBI）：
$QNBI(\theta, r) = \frac{BI_{fu}(\theta, r)}{\max(Q(\theta), \epsilon)}$
其中 $Q(\theta)$ 是平均响应质量（通过精确匹配准确率、通过率或 LLM 裁判分数测量）。较低的 QNBI 意味着获得成功响应所需的生物多样性影响较小。

3. 评估与关键结果

该框架在多样化的工作负载（聊天、推理、代码补全、长上下文 NLP）、模型系列（Llama、GPT-OSS、Qwen、Gemma）和 GPU 平台（L40、A100、H100）上进行了评估。

总体影响与累积效应

规模至关重要：虽然单个请求或令牌的 BI 数值很小（例如 $10^{-14}$ 到 $10^{-12}$ 物种·年），但累积影响在大规模下会迅速增长。外推至行业流量水平（例如每天 100 万亿个令牌），年度影响达到约 0.85 物种·年，代表了不可忽视的生态系统破坏。
运营主导：运营阶段（电力消耗）主导了总 BI，平均贡献超过 95% 的影响。隐含影响（制造等）是次要的。

与碳和水的比较

最优解的分歧：对生物多样性最优的区域不一定是对碳或水最优的区域。例如，虽然挪威对碳最优，英国对水最优，但在本研究条件下，法国成为生物多样性最优区域。这是因为 BI 汇总了多种路径（例如酸化、毒性），在这些路径中，一个区域即使碳强度较高也可能表现良好。

质量感知的权衡（QNBI）

“甜蜜点”：模型规模与生态效率之间的关系并非线性。非常小的模型通常 BI 较低但质量不足，而非常大的模型则产生高 BI 且质量回报递减。生态效率最高的模型（最低 QNBI）通常是中等规模的稠密模型（3B–8B）或稀疏混合专家（MoE）模型。
MoE 效率：与总参数量相当的稠密模型相比，稀疏架构通常能实现更低的 QNBI，因为它们仅激活参数子集。然而，超大规模的 MoE 模型（例如 235B）可能会因多 GPU 部署的开销而失去这一优势。
任务敏感性：响应较长的工作负载（例如推理、长上下文摘要）会因解码时间延长和吞吐量降低而显著增加 BI。“思考”模式虽然提高了质量，但往往使响应长度翻倍，导致更高的 BI，而这并不总能被质量提升所抵消。
硬件代际：新一代 GPU（例如 H100）通常比旧一代（例如 L40）实现更低的 QNBI，因为它们能维持更高的吞吐量并允许更高效的批处理，从而将固定开销分摊到更多请求上。

4. 意义与主张

该论文声称，BIRDS 提供了碳足迹和水足迹之外的补充性生态指标，揭示了单一指标优化所忽略的权衡。

可操作的见解：该框架表明，具有生物多样性意识的服务决策可能与碳或水意识策略显著不同。它指出，提高服务效率（吞吐量）以及选择中等规模或稀疏模型是缓解的主要杠杆。
质量意识：通过引入 QNBI，作者认为环境效率不能脱离模型效用单独评估。因质量差而需要重试的模型实际上增加了总生物多样性成本。
局限性：作者明确指出，他们的工作专注于非代理服务负载，未对模型训练或数据收集的完整生命周期进行建模。他们还承认 LCA 建模和区域环境数据存在固有的不确定性，将其结果定位为比较估算而非精确测量。

总之，BIRDS 将关于 AI 可持续性的讨论从碳和水扩展到更广泛的领域，提供了一个请求驱动、质量感知的框架，以表征 LLM 服务的生物多样性影响，并识别更负责任的部署策略。