💻 computer science

The Environmental Cost of LLMs in AIED: Reporting and Practices

本文强调了人工智能教育（AIED）领域中大型语言模型在隐藏的计算与环境成本方面缺乏标准化报告的问题，并提出了一个开源框架，包括软件工具和计算公式，旨在系统地衡量并透明地报告这些影响。

原作者： Sabrina C. Eimler, Lukas Erle, Daniel Flood, Aditi Haiman, Luca Häckert, André Helgert, Lachlan McGinness, Büsra Yapici

发布于 2026-06-11

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Sabrina C. Eimler, Lukas Erle, Daniel Flood, Aditi Haiman, Luca Häckert, André Helgert, Lachlan McGinness, Büsra Yapici

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，将人工智能教育（AIED）的世界看作一所繁忙且高科技的学校。长期以来，大家都对那些能够写论文、批改作业并与学生聊天的“智能导师”（大语言模型，即 LLMs）感到兴奋不已。这所学校一直如此专注于这些导师在教学方面有多么“出色”，以至于他们完全忘记了运行这些工具所需的电费和水费账单。

这篇论文就像是一群忧心忡忡的教师和工程师走进那所学校，说道：“嘿，我们需要开始读表看电表了。”

以下是他们发现的内容以及他们提出的建议，使用了简单的类比：

1. “隐藏账单”问题

研究人员查看了 AIED 2025 会议上的 396 篇近期论文。这就像是在检查 396 个不同学校项目的成绩单。

他们的发现： 几乎所有人（396 篇中的 257 篇）都在使用这些智能 AI 导师。
差距： 只有极少数人提到了这些工具消耗了多少能量。更少的人讨论了它们产生的环境“烟雾”（碳排放）。
类比： 想象一下，如果学校里的每个学生都被要求建造一个巨大的机器人来帮助他们学习。他们都会在报告中写这个机器人有多酷，但几乎没有人会提到这个机器人每天要吃掉 500 磅煤炭。论文认为，我们需要开始在成绩单上列出这种煤炭消耗量。

2. 现状的混乱：没有统一的尺子

目前，如果研究人员确实提到了成本，他们的做法各不相同。

有人说：“它花了 2 小时。”
有人说：“我们使用了一台特定的计算机。”
有些人只是说“这对地球有害”，却没有任何数字。
类比： 这就像每个人测量自己书桌的长度时使用的单位都不同——有人用英寸，有人用“手掌宽”，还有人用“披萨块”。你无法进行比较。论文指出，我们需要一把单一的标准尺，这样我们才能真正比较谁更高效。

3. 解决方案：一个新的“能量计算器”

作者提出了一个工具包来解决这个问题，他们称之为 TerraFlops（可以将其想象为“绿色计算器”）。

针对本地计算机（家庭办公室）：
如果你在自己的笔记本电脑上运行 AI，论文建议使用名为 CodeCarbon 的工具。
- 类比： 这就像一个智能插座，能告诉你咖啡机究竟消耗了多少电。论文指出，这个工具有时会低估账单，因为它忘记了计算用于冷却计算机的风扇或显示器屏幕的能量。为了解决这个问题，他们提出了一个“PUE 等效”因子。你可以把它想象成一个“浪费乘数”。如果你的计算机仅以 10% 的容量工作，但整台机器仍在嗡嗡作响，你就需要乘以这个能量成本，以考虑到那些闲置的浪费功率。
针对云端计算机（大型数据中心）：
许多研究人员使用大型服务器（如 AWS 或 Google）而不是自己的笔记本电脑。
- 类比： 由于你无法在另一个国家的服务器集群上插上“智能插座”，作者建议使用一种理论估算。他们创建了一个基于 AI 阅读和编写了多少词（token）的公式。
- “猜谜游戏”： 如果你使用的是某种秘密的、专有的 AI（比如来自大型科技公司的超级聪明模型），而你不知道它有多大，论文建议使用一种“经验法则”。他们假设大型模型的规模大致相当于已知的开源巨头（例如拥有 1000 亿个“脑细胞”或参数）。这并不完美，但它给了你一个一致的方法来说：“这项任务大约消耗了 X amount 的能量”，这样你就可以将其与其他任务进行比较。

4. 新的成绩单：“准确度每单位碳量”

论文建议，当研究人员发表他们的工作时，他们不应该只说“我们的 AI 达到了 90% 的准确度”。他们还应该说：“我们的 AI 达到了 90% 的准确度，但为了达到这个目标，它消耗了 5 公斤的二氧化碳。”

他们提出了几个新的指标：

修正后的碳强度： 总污染量，并根据计算机的使用效率进行了调整。
准确度每单位碳量： 为了获得一个点的提升，需要多少污染？
可持续性评分 (1-10)： 一个简单的等级，就像成绩单一样，结合了污染和性能。10 分意味着“超高效”，1 分意味着“非常浪费”。

5. 行动呼吁

作者们不仅仅是在抱怨；他们正在分发工具。他们已经将他们的软件开源（任何人都可以免费使用），并要求 AIED 社区采用这些标准。

目标： 他们希望未来的会议能够像要求作者匿名一样，要求提供这些“能量报告”。
愿景： 如果每个人都开始报告那个“隐藏账单”，社区就可以开始做出更明智的选择。也许我们会意识到，使用一个准确度稍低但能节省大量能量的 AI 是值得的，或者我们可能会找到运行现有 AI 的更好方法。

简而言之： 论文说，“我们热爱这些新的 AI 导师，但我们不能再忽视电费账单了。让我们测量它，报告它，并开始让我们的教育 AI 变得更绿色。”

技术摘要：AIED 中大语言模型的环境成本：报告与实践

问题陈述

尽管将大语言模型（LLM）集成到人工智能教育（AIED）中的进程正在加速，但与其使用相关的计算和环境成本在很大程度上仍未被报告且缺乏标准化。虽然 AIED 的伦理讨论经常涉及偏见、隐私和学生过度依赖，但训练和部署 LLM 的能源消耗和碳足迹却往往被忽视。这种透明度的缺失因缺乏衡量和报告这些影响的标准程序而进一步加剧。因此，学术界缺乏对教育 AI 环境负担的统一理解，导致难以比较不同系统的效率或建立可持续研究的规范。

研究方法

作者采用了一种混合方法，将系统性文献综述与用于测量和估算的开源技术框架开发相结合。

1. 文献综述

作者对 AIED 2025 会议论文集中发表的所有 396 篇论文进行了全面审查。他们使用编码框架分析了涵盖所有赛道（全文、研讨会、博士生论坛等）的投稿，以提取以下信息：

LLM 使用情况： 是否使用了 LLM（二元变量）以及具体角色（实验对象、数据分析、产品设计或用户交互）。
报告实践： 是否明确报告了计算成本（运行时间、能源、硬件）和环境可持续性。
模型细节： 特定的模型版本和参数信息。

2. 开发测量框架

为了解决已识别的差距，作者提出了并实现了三种技术解决方案：

本地硬件测量 (CodeCarbon)： 作者利用开源 Python 包 CodeCarbon，通过测量本地硬件功耗并根据当地电网混合比例将其转换为 CO2 来估算碳排放。他们指出，虽然 CodeCarbon 提供了一个基准，但由于未考虑电源供应效率或外围冷却，它通常会低估总消耗量约 20%。
TerraFlops 框架： 为了提高本地开发环境的准确性，作者引入了 TerraFlops，这是一个用于追踪工具的开源封装器。该框架为本地机器引入了 PUE 等效（电源使用效率） 指标。与高利用率的数据中心不同，本地设备无论机器学习工作负载如何，都存在显著的基础开销（操作系统、显示器、冷却）。TerraFlops 会动态调整 PUE 等效值（范围从低负载时的 1.60 到高负载时的 1.08），以解释这些浪费的能量。
- 该框架还包含一个 云模式 (Cloud Mode)，该模式应用基于主要供应商（AWS、GCP）的固定 PUE 值，以标准化部署成本预测。
- 它生成复合指标：修正后的碳强度 (Corrected Carbon Intensity)、单位准确度碳排放 (Carbon per Accuracy) 以及 可持续性评分 (Sustainability Score)（使用对数变换的 1–10 分制）。
LLM 的理论 FLOPs 估算： 对于无法直接测量的情况（例如通过 API 使用的专有模型），作者提出了一种使用 浮点运算次数 (FLOPs) 来估算计算成本的方法。
- 他们推导了仅解码器（decoder-only）Transformer 的公式（包括 Pre-Layer Normalization、RoPE 和 KV 缓存），以计算首个 Token 及后续 Token 的 FLOPs。
- 他们提出了一个简化的近似公式：$FLOPs = 2Nn $（其中$ N $是活跃参数，$ n$ 是总 Token 数）。
- 对于参数量 $N$ 未知的专有模型，他们建议使用数量级估计（例如，前沿模型约为 100B 参数，快速模型约为 30B 参数），并使用转换因子计算 CO2（假设使用 H100 GPU 和美国电网混合比例，约为每 T-FLOP $6 \times 10^{-5}$ 克 CO2）。

关键结果

对 396 篇 AIED 2025 论文的文献综述得出了以下发现：

高采用率： 257 篇论文 (65%) 使用了 LLM。
使用模式： 最常见的用例是 用户交互（176 篇），主要作为导师或助手。其他用途包括数据分析（79 篇）、内容设计（108 篇）和实验对象（100 篇）。
报告缺陷： 仅有 85 篇论文 提供了任何关于计算成本的细节，且仅有 57 篇论文 提到了可持续性或环境问题。
不一致性： 在那些进行了报告的论文中，指标、单位或分析深度均缺乏标准化。
模型盛行度： OpenAI 模型（GPT-4/4o）是最常被引用的，其次是 Anthropic Claude、Google Gemini 以及各种开源模型（Llama、Mistral 等）。

核心贡献

差距的实证证据： 本文首次系统地量化了 AIED 领域缺乏环境报告的现象，证明了虽然 LLM 的使用无处不在，但其成本在绝大多数研究中是不可见的。
TerraFlops 工具： 引入了一个开源工具，通过扩展 PUE 等效调整来追踪本地硬件，为消费级机器上进行的科研工作提供更现实的环境足迹估算。
标准化报告提案： 作者提出了一套复合指标（修正后的碳强度、单位准确度碳排放、可持续性评分），建议将其与传统的准确度指标一同报告。
专有模型的估算方法： 为使用基于 API 的 LLM 的研究人员提供了一个实用的三步程序，使其在无法访问内部硬件数据的情况下，能够利用 Token 计数和参数近似值来估算其计算成本和碳足迹。

重要性与主张

作者认为，LLM 在 AIED 中的环境成本是一个关键但被忽视的伦理维度。他们声称，通过使这些成本透明化，学术界可以：

建立关于隐藏成本的 透明报告 规范。
实现基于效率（单位 CO2 的性能）而非仅仅基于准确度的模型比较。
激励研究人员优化可持续性，从而可能降低教育 AI 的环境影响。

论文最后呼吁 AIED 社区采纳这些报告实践，并建议未来的会议可以将可持续性指标作为提交条件的强制要求，类似于匿名性要求。作者将他们的工作定位为并非最终解决方案，而是迈向更可持续、更负责任的 AIED 研究生态系统的基础性一步。