AI耗能驚人，但能否助我們節能減碳？

當我們使用ChatGPT進行查詢時，其耗電量竟是Google搜尋的十倍之多。然而，研究人員仍在努力釐清生成式人工智慧（AI）對能源的影響，無論是現在還是未來。許多人並未意識到，數位科技的碳足跡與航空業相當，佔全球碳排放的2%至4%，且這一數字正迅速攀升。目前全球約有11,000座資料中心，其耗電量與2022年整個法國的用電量相當，約為460 TWh。隨著生成式AI的廣泛應用，這些數字是否會進一步飆升？

這項新技術無疑會影響全球能源消耗，但具體影響程度仍難以量化。洛桑聯邦理工學院（EPFL）永續IT專案經理Manuel Cubero-Castan表示：「我們需要了解生成式AI系統的總成本，才能盡可能高效地使用它們。」他認為，我們應考慮生成式AI技術的整個生命週期，從礦物開採、元件組裝（這些活動不僅涉及能源消耗），到處理產生的數噸電子廢棄物（這些廢棄物常被非法傾倒）。從這個角度來看，生成式AI的環境影響遠不止於資料中心的電力與水資源消耗。

目前，關於數位科技能源消耗的資料大多僅限於資料中心。根據國際能源署（IEA）的資料，2022年這些中心（不包括資料網路和加密貨幣挖礦）消耗了240至340 TWh的電力，佔全球總用電量的1%至1.3%。儘管資料中心數量每年增長4%，但由於能源效率的提升，2010年至2020年間其總體用電量並未大幅增加。

然而，隨著生成式AI的大規模應用，這一情況將發生改變。生成式AI技術基於大型語言模型（LLMs），其耗電主要分為兩個階段：一是訓練階段，這涉及執行數TB資料以讓模型學會在特定情境下預測詞句；二是回應查詢時的資料處理階段。如今，LLMs已大規模應用，後者成為耗電最多的階段。Meta和Google的最新資料顯示，這一階段佔生成式AI系統用電量的60%至70%，而訓練階段僅佔30%至40%。

根據IEA的資料，一次ChatGPT查詢耗電約3 Wh，而傳統Google搜尋僅需0.3 Wh。若每天約90億次的Google搜尋全部轉為ChatGPT，每年將增加10 TWh的電力需求。高盛研究（GSR）預估，未來五年資料中心的用電量將激增160%，佔全球用電量的3%至4%。此外，其碳排放量可能在2022年至2030年間翻倍。

IEA資料顯示，歐洲的總電力需求連續三年下降，但2024年開始回升，預計2026年將恢復至2021年的水平（約2,560 TWh/年），其中近三分之一的增長來自資料中心。GSR預估，2023年至2030年間，AI相關的資料中心用電需求將每年增加約200 TWh。到2028年，AI將佔資料中心能源消耗的近19%。

然而，生成式AI的快速擴充套件可能打破這些預測。中國公司深度求索（DeepSeek）已於今年1月底推出一款生成式AI程式，其訓練演算法和回應查詢的耗能均低於美國同類產品。另一個可能抑制AI用電需求增長的因素是晶片生產所需的礦物資源有限。Nvidia目前主導AI晶片市場，市佔率高達95%。2024年，全球安裝的300萬顆Nvidia H100晶片耗電13.8 TWh，與瓜地馬拉的用電量相當。到2027年，Nvidia晶片的耗電量可能達到85至134 TWh，但該公司能否大規模生產仍是未知數。

此外，老化的電網能否承受額外負荷也是一大問題。許多國家和地區的電網已接近極限，而資料中心的地理集中性更使情況複雜化。例如，資料中心佔愛爾蘭用電量的20%，美國維吉尼亞州的25%以上。Cubero-Castan指出：「在水電供應緊張的地區興建資料中心，可能並非最永續的選擇。」

成本問題也不容忽視。若Google想處理生成式AI查詢，需增設40萬臺伺服器，成本約1,000億美元，這將使其營業利潤歸零，這顯然不太可能。儘管生成式AI會增加用電量，但AI的整體效益可能部分抵消這一影響。例如，AI可加速能源領域的創新，幫助使用者預測並減少用電、提升電網管理效率、改善資源管理，並推動建模、氣候經濟學、教育和基礎研究的前沿發展。

我們能否充分利用這些創新效益，取決於其影響、新技術的普及程度，以及政策制定者的理解與立法能力。目前正在建設的新一代資料中心更節能，且能更靈活地調配容量。Nvidia也在努力提升晶片效能並降低耗電量。此外，量子計算的潛力也不容忽視。IEA計算顯示，資料中心40%的電力用於冷卻，40%用於執行伺服器，20%用於資料儲存和通訊等系統元件。

在EPFL，Mario Paolone教授領導的「加熱位元」計畫正在測試新的冷卻方法。五個研究團隊與EcoCloud中心合作，目標是開發熱能回收、熱電聯產、整合可再生能源和最佳化伺服器使用的新流程。另一種（無痛且免費）減少資料中心用電的方法是清理無用資料。全球企業每天產生1.3兆GB的資料，其中大部分成為「暗資料」，即被收集和儲存但從未使用的資料。拉夫堡商學院的研究人員估計，目前儲存的資料中有60%是暗資料，其儲存產生的碳排放相當於300萬次倫敦至紐約的航班。今年的「數位清理日」於3月15日舉行，但你不必等到春天才開始清理！

然而，Cubero-Castan提醒我們要放眼全域性：「如果我們大規模使用生成式AI技術，並不斷擴大LLMs，由此帶來的能源效益將遠不足以實現整體碳排放的減少。降低使用量、提升基礎設施的使用壽命和效率仍是關鍵。」生成式AI的能源影響不容忽視，但目前在全球層面上仍屬邊緣，只是進一步增加了數位科技本就龐大的用電量。目前，影片佔全球資料流量的70%至80%，其他主要貢獻者包括多人線上遊戲和加密貨幣。當今電力需求的主要驅動力是經濟增長、電動車、空調和製造業，而大部分電力仍來自化石燃料。