歐尚恩 2025-06-04
生成式 AI（GenAI）引發龐大能源消耗的擔憂。根據最新研究，2022 至 2023 年間，北美資料中心的電力需求幾乎翻了一倍；預計到 2026 年，全球資料中心的總用電量將超越世界上大多數國家，幾乎躍升全球「第五大用電國」。各界紛紛將 AI 視為推高碳排放的元兇，呼籲對其發展進行更嚴格的審視。
然而，單純將人工智慧標籤化為「碳密集型」的觀點，可能過於簡化且失焦。
許多專家提出反駁，認為過度聚焦 AI 的碳足跡，反而可能掩蓋了它在實現永續發展轉型上的巨大潛力。
AI 碳排放「好追蹤」便成「代罪羔羊」？
AI 的碳排放之所以引人注目，也因為它容易追蹤。不同於製造業或全球供應鏈那些複雜又分散的排放，AI 的碳足跡主要來自於資料中心——這些固定地點的電力消耗都能測量。這使得碳排責任歸屬非常明確，可直接指向特定科技供應商與資料中心營運商。
這種高度的「可監控性」和「碳排透明度」，雖然使 AI 的碳足跡更容易被放大檢視，但同時也為其減排提供了清晰的依據。只是這種可追溯性也導致大眾和企業的注意力過度集中在 AI 上，而忽略了其他可能更重要、但更難量化的排放源。
事實上，對於許多公司而言，僅僅解決 AI 排放問題只是杯水車薪。
AI 正靠「模型瘦身」與「綠電」走向永續
對多數企業來說，特別是那些涉及實體商品生產或銷售的產業，人工智慧技術所產生的排放量，僅佔其總排放量的一小部分。若能運用得當，人工智慧不僅有潛力抵消自身的碳足跡，更能在邁向更綠色的未來中做出積極貢獻。
將 AI 一概而論為「能源黑洞」的悲觀觀點，其實忽略了科技領域正在同步進行的快速創新。
專家指出，認為人工智慧將持續成為能源消耗大戶的想法，並沒有看到模型設計、硬體優化、部署策略以及向再生能源轉型的飛速進步。例如「模型蒸餾（Model Distillation）」等技術正變得越來越普遍，這些技術能創造出更小、更節能的 AI 模型，有效降低運算需求。同時，晶片製造商也在不斷設計出更節能的 AI 晶片，從硬體層面減少能源消耗。
此外，全球能源結構也在加速轉型。IEA 國際能源總署預測，到 2030 年綠電佔比將達 50%。而且，包括 Google、微軟和亞馬遜在內的各大科技公司，也正積極投資清潔能源，為其不斷成長的資料中心提供潔淨電力。
拋開運算負擔，人工智慧本身也被證明是推進氣候解決方案的強大工具。
許多企業已將 AI 應用於多個永續發展領域，並取得顯著成效。這些應用包括：透過 AI 進行設備預測性維護，有效減少能源浪費和設備故障；優化能源調度，使能源使用效率最大化；監控和追蹤複雜的供應鏈碳排放，找出減排熱點；甚至為脫碳規劃與模擬提供精準分析。這些應用不僅提升了企業的營運效率，更能轉化為實質的碳排放減量。
對於資源有限的永續發展團隊來說，AI 更能成為「解放生產力」的利器。
AI 助 ESG 團隊「解放生產力」，讓減碳更精準
人工智慧可以協助自動化繁瑣的數據蒐集、初步的排放報告草擬，以及文件管理等重複性任務。例如，人工智慧解決方案能夠大規模匯總和分析供應商數據，為企業的採購政策提供即時資訊；企業因此無需關注廣泛的採購政策，而是可以直接與那些排放量過高的供應商進行溝通，從而實現更有效、更有針對性的減排。
目前市場上已有許多人工智慧驅動平台，專門支援 ESG 報告和資料管理。這些工具能夠自動化 ESG 報告流程，確保合規性，並提供具備實用價值的洞察，比如：利用人工智慧自動收集數據，並產生符合全球框架的 ESG 報告的 Microsoft Sustainability Manager；提供即時 ESG 洞察、影響評估和法規遵循檢查的 Clarity AI；碳核算平台 Persefoni，以及 IBM 出品的支援多種 ESG 框架並與商業智慧工具整合的 Envizi。
這些工具雖然功能範圍各不相同，但都共同利用人工智慧來提高自動化 ESG 報告的效率、準確性和決策能力，證明 AI 在永續發展領域的巨大潛力。
減碳成敗關鍵仍在「數據品質」與「人類智慧」
然而，人工智慧並非萬能的解決方案。若資料本身不完整、缺乏統一標準或可解釋性不足，即使有再強大的演算法也難以產生具備信賴度的減碳推論。
AI 本身無法直接解決氣候問題。它只是一種增強人類力量的工具，其演算法的優劣，終究取決於其所使用的數據品質。因此，永續發展的專業人士應充分利用人工智慧的脫碳潛力，但同時也必須清醒地認識到其潛在的負面影響，並積極應對。
在更廣泛的氣候行動背景下，人工智慧的能源需求固然是一個挑戰，但它並非我們面臨的最大挑戰。正如供應鏈永續管理解決方案平台執行長 Tim Weiss 所說：「如果人工智慧能幫助你更有效地完成工作，而你的工作是幫助地球脫碳，那就利用它吧。」
AI 在永續發展中的核心價值是一個強大的輔助工具，而非單一的解決方案，關鍵在於人類如何明智地運用它來實現綠色目標。
＊本文開放合作夥伴轉載，參考資料：《TechRadar》、《EnableGreen》，圖片來源：Unsplash
（責任編輯：鄒家彥）
線