大模型绿色发展综述：从资源高效架构到软硬件协同设计
机器学习
2026-07-10 v1 计算机与社会
摘要
大规模AI模型的快速扩展已在多个领域带来了显著的性能突破，但也引发了关于计算成本、能源消耗和环境可持续性的关键担忧。本综述全面概述了大模型的绿色发展，强调了资源高效的架构和全栈软硬件协同设计。我们系统回顾了高效模型构建的最新进展，包括注意力算子优化、线性复杂度架构、模型稀疏化与合并，以及训练和部署策略，如数据高效学习、参数高效微调和计算压缩。在算法改进之外，我们探索了节能的AI硬件，包括主流AI芯片、内存优化、跨平台部署和可持续基础设施。此外，我们研究了大模型如何被应用于可持续性关键领域，如DeepSeek、遥感解译、国家级基础设施和全球倡议。最后，我们讨论了关键挑战和未来方向，强调了对持续学习范式、以内存为中心的硬件和标准化评估协议的需求。本综述旨在为可持续、可扩展且对社会负责的大模型发展提供整体路线图。论文主页：https://cje.ejournal.org.cn/article/doi/10.23919/cje.2025.00.438
引用
@article{arxiv.2607.09084,
title = {A Survey on the Green Development of Large Models: From Resource-Efficient Architectures to Hardware-Software Co-Design},
author = {Linhui Xiao and Guiping Cao and Mingyue Guo and Xianchao Guan and Fan Yang and Ming Tao and Xin Li and Yuxin Peng and Yaowei Wang},
journal= {arXiv preprint arXiv:2607.09084},
year = {2026}
}
备注
This paper has been accepted by CJE (2026), paper homepage: https://cje.ejournal.org.cn/article/doi/10.23919/cje.2025.00.438