Meta AI旗下FAIR团队与佐治亚理工学院合作开发的CATransformers框架,为解决AI技术的环境代价提供了新路径。该框架以碳排放为核心设计考量,通过联合优化模型架构与硬件性能,显著降低总碳足迹。研究发现,传统单纯优化延迟的设计可能使隐含碳增加2.4倍,而CATransformers通过多目标贝叶斯优化引擎,平衡延迟、能耗、精度与碳排放,实现19-20%的总排放削减。
具体成果包括CarbonCLIP-S和CarbonCLIP-XS两款模型,前者碳排放降低17%,后者在提升8%精度的同时减少3%碳排放。这一框架不仅为可持续机器学习系统设计奠定基础,还展示了AI开发中结合硬件能力和碳影响考量的重要性,为行业减排提供了可行方案。