5月16日消息，据报道，Meta AI旗下FAIR团队携手佐治亚理工学院，合作开发CATransformers框架，该框架以降低碳排放为核心设计理念，旨在通过优化模型架构与硬件性能，显著减少AI技术在运营中的碳足迹，为可持续的AI发展奠定基础。

随着全球各行业加速采用AI技术，解决运营与隐含碳的双重来源成为迫切需求。CATransformers框架通过多目标贝叶斯优化引擎，综合评估模型架构和硬件加速器的性能，以实现延迟、能耗、精度和总碳足迹之间的平衡。

特别针对边缘推理设备，CATransformers通过剪枝大型CLIP模型生成变体，并结合硬件估算工具分析碳排放与性能。其成果CarbonCLIP-S与TinyCLIP-39M精度相当，但碳排放降低17%，延迟控制在15毫秒内；CarbonCLIP-XS则比TinyCLIP-8M精度提升 8%，碳排放减少3%，延迟低于10毫秒。

研究显示，单纯优化延迟的设计可能导致隐含碳增加高达2.4倍，而综合优化碳排放与延迟的策略可实现19-20% 的总排放削减，且延迟损失极小。