arXiv cs.CY· Guillermo Llopis-Garcia (SOMA AI, Barcelona)·· 11 小时前AI 评分31
基于 token 的 AI 推理碳排放核算方法：企业 Scope 3 温室气体清单新框架
Accounting for Purchased Artificial Intelligence Inference in Corporate Greenhouse Gas Inventories: A Token-Based Method
AI 导读
一篇论文提出基于 token 的方法与开放数据集，用于核算企业采购的 AI 推理在 Scope 3 Category 1 中的碳排放，替代会高估 1.7 至 12.3 倍的支出法因子。
正文 · AI 翻译
摘要：购买的人工智能（AI）推理应计入企业温室气体清单的范围 3 类别 1，但实践中却将其遗漏，或采用基于支出的因子，该因子给出的结果是物理估算值的 1.7 至 12.3 倍，且无法区分不同模型或地区。本文提出一种基于 token 的方法和开放数据集：从摇篮到大门的边界、四个层级的活动数据、有效 token 基准、四项因子（服务用电、硬件隐含排放、数据中心建设、已披露的最终训练运行）以及一条将任意模型标识符和地区解析为因子的规则。推理足迹在模型类别之间相差十二倍，在地区之间相差九倍。中档模型的因子为：在全球平均电网下，每百万计费 token 排放 0.039 千克二氧化碳当量（CO2e），这处于所述结构性范围的低端：效率较低的服务配置会将其提高 2.8 倍，而用全部模型开发（按其自身边界）替换训练项，则得到其 1.5 至 2.9 倍。仅输入区间就带来 -18% 至 +29% 的变化。已发表的、能够描述中档模型的每次查询能耗估算值，是中档模型能耗的 2.4 至 7.2 倍，在五行中有四行超出其结构性范围；那些能够描述前沿级模型的估算值则将其界定在 0.7 至 1.6 倍之间。计算示例给出：一家 200 人公司每年 8.5 千克 CO2e；五十名开发者在中档模型上使用智能体编程工具为 2.1 吨，在前沿级模型上为 8.3 吨。其贡献在于一个可追溯的数字；相对于计量能耗的准确性尚未经过测试。
| 评论： | v2：修订了方法和标题；在此 https URL 重新计算了数据集 v3.0.0。124 页：正文 48 页，4 幅图，14 张表；补充材料 76 页，7 幅图，24 张表。已提交至 Sustainable Production and Consumption |
| 主题： | 计算机与社会（cs.CY）；人工智能（cs.AI） |
| 引用为： | arXiv:2606.10660 [cs.CY] |
| （或 arXiv:2606.10660v2 [cs.CY] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2606.10660 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Guillermo Llopis [查看电子邮件]
[v1]
2026 年 6 月 9 日星期二 10:08:36 UTC（1,238 KB）
[v2]
2026 年 10 月 15 日星期四 14:25:34 UTC（3,088 KB）
来源：arXiv cs.CY · arxiv.org