關於AI的風險，多聚焦在工作者是否「被取代」、訓練資料的版權爭議等。但，訓練AI的資料中心大量耗能，正在加劇環境衝擊，同樣需要關注與監管。
追求強大AI（人工智慧）的路上，需要耗費多大的資源？雖還沒明確答案，但確定的是，在打造足以解決人類社會難題的AI進程中，另一個難題卻因此更加急迫：氣候變遷。
自從ChatGPT催動全球規模的生成式AI競賽，科技巨頭接連推出、展示更強大的生成式模型。比這低調許多的，是企業年度永續報告。
推出ChatGPT的OpenAI等人工智慧公司，並未完整公布其碳足跡。但近期微軟、Google的環境報告中，都顯示這些宣誓邁向淨零排放的科技巨擘，正與自己設下的目標漸行漸遠，排碳量不減反增。
隨著人工智慧被視為未來經濟、地緣政治競爭力的決定性因素，多國開始砸下大筆投資計畫，打造所謂的「主權AI」，鞏固新興科技競賽中的地位。
在這樣的趨勢下，生態環境是否再次被犧牲？
AI原罪，能力強、耗能也大
前沿人工智慧發展，是能源密集的產業，因此被質疑是「吃電的怪獸」。在訓練階段，常需要數以萬計的GPU，夜以繼日地不停運作幾週或幾個月。近期一份康乃爾大學研究顯示，訓練GPT-3等級的大型語言模型，所需耗費的電力，相當於500萬噸的碳排量。每次更新資料時，也需要重新訓練。
然而，AI的生成式任務更為耗能。ChatGPT月活躍用戶約達兩億人，根據國際能源總署（IEA）數據，每次依據用戶指令生成回應所需的電力，幾乎是一次傳統Google搜尋的十倍。部分研究中，兩者落差更高達50～90倍。這類對話式介面，鼓勵使用者追問、反覆嘗試可能不必要的指令，也擴大了每次互動的能源消耗。
生成影像又比生成文字更加消耗電力。人工智慧開源平台Hugging Face與卡內基美隆大學（CMU）研究人員發現，生成一張圖片，可能等同於為智慧手機充電522次。模型愈強大，耗能也隨之增加，可想而知，Sora、Veo等影片生成式模型使用的能源與排碳量，會更高一級。
全球網路使用者已超過54億人。隨著生成式工具普及化，將同步推升全球電力需求。
為推進人工智慧進展，相關基礎建設也必須跟著升級。被視為「中央大腦」的資料中心肩負重任，其運作及擴建，就是耗能的一大源頭。畢竟，資料中心數量正在增加，而訓練人工智慧模型的資料中心，又比傳統資料中心更耗能。
的確，至2023年底，全球約有1萬1000座資料中心，約占據全球耗電量的1～2％。而IEA估計，到了2026年，資料中心的用電需求可能倍增，總耗電量超越1000太瓦時（TWh），約與全日本需電量相當。
IEA也警示，Google、微軟在2023全年各消耗約24TWh電力，已超過100多個國家的用電量，包括冰島、迦納和突尼西亞等國。
資料中心環境衝擊浮上檯面
人工智慧加速發展，促使資料中心成為全世界成長最快的產業之一。根據市調公司Research and Markets分析，到了2030年，全球資料中心建設市場將達到3717億美元；而2023至2030年的年均複合成長率為7.2％。
生成式AI競賽的主要玩家，也是資料中心產業的領導者。
提供OpenAI大量基礎建設、推出Copilot的微軟，2020年就設下2030年要達到負碳排放的目標。但根據2024年的環境永續報告，與2020年相比，微軟的排碳量增加了29％，能源需求也翻倍。微軟在上一財政年度的排碳量即增加3.8％，達到1537.7萬噸，相當於汶萊的全國排放量。
推出Gemini的Google，2023年的碳排放量比前一年提升13％，來到1430萬噸，五年間更提升48％。報告中雖迴避發展人工智慧耗用的能源量，但承認要在增設AI基礎建設的同時降低碳排，確實是個挑戰。
美國加州大學河濱分校（UCR）專精AI永續的電機與電腦工程副教授任紹磊，在接受外媒專訪中表示，這些公司的碳排與能耗，在過去兩年顯著提升，與大筆投資人工智慧與相關服務的時間相重疊，應可合理推測兩者的關聯性。
亞馬遜旗下的AWS，是全球最大雲端服務供應商及資料中心公司，據報將在未來15年，投入1500億美元擴展資料中心，亞太地區的強化點，包括台灣、新加坡與馬來西亞等。足見其對人工智慧及相關數位服務需求的高度預期。
不久前，亞馬遜宣布，在2023年的所有用電，將來自不排碳來源，提早七年達到2040年淨零目標。但部分專家質疑亞馬遜的計算方式太過寬鬆。
由自家員工組成的壓力團體「亞馬遜氣候正義員工」（AECJ）亦抨擊，公司透過大量購買再生能源憑證邁向淨零目標，但其中大部分的憑證品質低落，無助於支持新的再生能源；資料中心實則只有兩成左右電力來自再生能源。
資料中心能為當地帶來稅收與工作機會，但也為電網、汙水管線等基礎建設帶來龐大負擔，其環境影響已浮上檯面。多個新建案在地方層級造成爭議，例如在乾旱的智利，取用大量水資源的資料中心，引來居民反彈。德國、新加坡、愛爾蘭等國，近年也對新建資料中心加諸更嚴格的環境要求限制。
由於稅率低與廣泛的海底電纜，愛爾蘭成為各大企業建造資料中心的熱點。目前，愛爾蘭約82座資料中心，已占據全國約兩成的用電量。至少14座正在建造，另外40座已經獲准建設。IEA估計，到了2026年，愛爾蘭32％的電力需求，都將來自境內的資料中心。
在全歐規模，高盛研究估計，由於資料中心增建與能源消費由石化燃料向電力轉型等原因，近十年間的能源需求將成長四至五成。到了2020年代末，資料中心將消耗全球3～4％的電力。
現有的再生能源供給量，不足以滿足龐大的用電需求。部分投資人相信，人工智慧熱潮將加速能源轉型，因此加碼投資乾淨能源。例如，沙烏地阿拉伯公共投資基金（PIF）的新公司Alat，執行長米達（Amit Midha）近期表示，未來六年，沙國將投資2660億美元於能源基礎建設，回應全球綠能轉型的需求。
但風能、太陽能等再生能源供應較不穩定，核電又無法快速大量提升供給量。許多天然氣供應商相信，自己是短期內補位的首選，準備在未來十年間增產，而燃氣發電也會推升碳排量。
AI訓練、應用有節能機會
然而，樂觀主義認為，善用AI也能讓節能減碳更有效率，並加速能源轉型。例如，AI處理複雜數據的監控及分析能力，可用以偵測甲烷洩露、開發新材料、優化碳捕捉過程、加強風力與太陽能發電效率，以及促進核融合等技術的新突破。
根據Google委託波士頓諮詢公司（BCG）的報告估計，到2030年，人工智慧有機會減少全球5％～10％的溫室氣體排放量。
其次，是在物理定律的範圍內盡可能提升硬體效能，可能包括設計專用晶片、採用新的冷卻技術等。另一種作法，是讓資料中心進行彈性運算，例如將特定計算任務安排在離峰時期進行。
轉向邊緣運算的趨勢，也有助於降低能耗。
規模較小、分布較廣的邊緣資料中心，更可能使用當地的再生能源，降低需要遠距傳輸的資料量。可在終端裝置上運行的小模型崛起，除了減少資料來回雲端的耗能，也提供更高的資訊隱私安全。Google、蘋果與高通等公司，都正在強化行動裝置整合AI的能力。
在模型訓練方法上，也有許多改善空間。許多訓練資料集中包括不適用或不必要的資料，透過更精心篩選、策畫資料集，可減少迭代次數及所需算力。近期Google DeepMind研發的新訓練方法JEST，號稱可提升十倍的能源效率。
處於應用端的企業及一般使用者，亦有許多為節能減碳貢獻的機會。以「數位清醒」（la sobriété numérique）的態度，調節數位服務的設計與使用，代表能區辨哪些數位行動是需要或只是想要。例如，在不使用時關閉電子產品，減少寄送大型檔案或快速回覆沒有太多內容的電郵；認知到許多任務不需要用到生成式AI工具，傳統演算法即可執行。
如何把AI的能耗用在刀口上，值得各國政府、企業與使用者共同思考。
