投資入門｜人工智能運算生命週期分四階段：對環境的影響分析

【投資入門】施羅德投資可持續投資分析師 Samuel Thomas將從實體基礎設施和潛在應用方面，探究人工智能的碳足跡。人工智能 (AI) 正在迅速改變我們的生活及工作方式，雖然人工智能有可能顛覆許多行業的發展，但我們亦需要關注人工智能對環境造成的重大影響。人工智能變革對環境有何影響？詳情如下：

投資入門｜人工智能的實體基礎設施對環境有何影響？

人工智能對環境產生的直接影響，主要來自其所需的實體基礎設施，包括數據中心、處理器及其他專用電腦硬件，這些被稱為人工智能的基礎設施。不少證據顯示，人工智能運算對環境產生的直接影響，很大程度上都是負面的。

人工智能運算的生命週期分為四個階段：

生產階段
運輸階段
營運階段
報廢階段

當中，營運階段所產生的碳排放量高達70至80%。

（1）生產階段

生產階段涉及採用原材料的物理提取，以及建造人工智能硬件和基礎設施所需的組件。衡量碳排放量的其中一個難題，是所使用的資源通常與整體資訊及通訊技術 (ICT) 領域相關，而非只涉及人工智能領域。

人工智能在生產階段的碳足跡估計存在着差異，目前而言，生產階段的碳足跡仍相對輕微。然而，隨着可再生電力在營運階段消耗的能源佔比持續上升，生產階段對環境足跡的影響將會更為顯著。

（2）運輸階段

資訊與通訊科技硬件產生的排放量，只佔全球運輸溫室氣體排放的一小部份，與人工智能運算硬件相關的運輸排放所佔的比例甚至會更低。

（3）營運階段

在分析人工智能對環境的直接影響時，營運階段是主要關注的領域。這個階段的兩項環境主要考慮因素是能源消耗及用水量。

能源：全球約有1至1.5%的總用電量來自數據中心

施羅德投資以數據中心作為替代指標，以了解人工智能的能源消耗情況。雖然並非所有數據中心的用途都與人工智能有關，但愈來愈多人工智能模型在超大型倉庫規模的數據中心進行訓練、儲存及部署。據估計，全球約有1至1.5%的總用電量來自數據中心，相當於約220至320太瓦時 (terawatt hours)。

儘管數據中心的工作負荷大幅增加，但數據中心的耗電量在過去十年維持在相對穩定水平。出現這種明顯脫鈎情況的主要原因是：

一) 人工智能運算效率提升
二) 轉移至雲端
三) 轉向更大規模數據中心

就生成式人工智能 (generative AI) 的能源消耗而言，哈佛大學的一項研究發現，訓練ChatGPT-3需要1.3吉瓦時 (gigawatt hours) 電力，相當於120個美國家庭一年的用電量。與生成式人工智能相關的主要問題，在於模型複雜性飛速增長，因此所需的能源大大增加。

水：訓練一項生成式人工智能模型用28.4萬公升水

數據中心的水足跡，受發電時消耗的水資源及冷卻消耗的水資源影響。

麻省大學阿默斯特分校 (University of Massachusetts Amherst) 近期的一項研究發現，訓練一項生成式人工智能模型可能消耗多達28.4萬公升水。這相當於一個普通人27年的用水量。

（4）報廢階段

人工智能報廢階段對環境的主要影響是其產生的電子廢棄物。這些廢棄物含有重金屬和有毒的化學物質，這些物質一旦滲入我們居住的環境，將會造成污染。

實施循環經濟模型，即盡量減少廢物及最大程度上利用資源，對於管理人工智能的環境影響至關重要。

人工智能對環境具有正面影響嗎？

從正面的角度來看，我們可運用多種創新的方法，重新利用數據中心所產生的熱量，其中包括利用多餘的熱量支持地區性的供熱系統，將高溫水輸送到各個家庭住戶及不同的建築物。

此外，這種熱能亦適用於農業範疇，例如為溫室全年供暖，或為養魚場及公共游泳池的水加熱。

人工智能應用對環境有何影響？

人工智能幾乎可以解決現實世界的各種問題。就以可持續土地用途為例，人工智能的應用包括早期的農作物產量預測、精準量度農業及營養補給、用於農作物管理的超局部天氣預報、早期檢測農作物問題、自動化及增強土地用途變化檢測，以避免森林砍伐並監測牲畜的健康與福祉。

採用人工智能有望帶來顯著的環境效益

還有其他許多例子，但很明顯的是，採用人工智能有望帶來顯著的環境效益。然而，任何增強具有破壞性行業的人工智能應用都被視為有害。

在某些特定情況下，只有能源消耗下降，人工智能提高營運效率及繼而有利環境的論證才能成立。但隨着技術變得更有效率及更具成效，需求及消耗亦可能因而增加。這可能會抵銷效率提升所帶來的環境或經濟效益。

投資入門｜人工智能運算生命週期分四階段：施羅德投資對環境的影響分析