Could net-zero AI become a reality?

淨零碳排的人工智慧有可能成真嗎？

隨著資料中心的發展，大規模運行人工智慧（AI）模型導致其碳排放激增。然而，AI同樣促進了永續解方的實現。在未來十年內，AI有望提升能源效率，節省與其自身所消耗相當的能源。
研究結果發現，若AI能夠以採用速度的十分之一提升整體經濟的能源效率，便能彌補資料中心所需的額外能源，使AI對能源使用和排放的整體影響達到中和。

AI發展使能源系統面臨壓力

強大的AI模型在各產業引領生產力提升與創新。然而，資料中心的蓬勃發展也為能源系統帶來壓力。根據國際能源署（IEA）預測，到2030年，全球資料中心的耗電量將略高於日本目前的總用電量。
為滿足用電需求，科技巨頭、投資人與能源公司展開合作以提升發電量，其中包含使用化石燃料與核能。部分大型科技公司也承認，大規模運行AI模型已經導致其碳排放激增。
然而，AI同樣促進了永續解方的實現。企業可利用AI來提升效率，尤其是在能源使用上。根據PwC、微軟和牛津大學的共同研究，相關應用包括預測房間升溫時間並自動提前預冷；優化商用飛機和貨船的路線；精煉水泥的成分與製程。
為了解AI能否透過識別並實踐提升效率的方法，抵消自身日益成長的能源消耗和碳排放，PwC建立了一個模型來模擬AI在資料中心和其他經濟領域下，對能源需求可能產生的影響。結果發現，若AI能夠以採用速度的十分之一提升整體經濟的能源效率，便能彌補資料中心所需的額外能源，使AI對能源使用和排放的整體影響達到中和。

本研究採用PwC建立的系統動態模型，根據不同的AI應用和氣候變遷減緩方法，模擬三種經濟情境下，AI應用對能源使用和排放的影響。此模型涵蓋七個區域、八個國家和17個產業，並基於兩個關鍵假設：

由AI所驅動的商業活動每增加一個百分點，資料中心的能源效率就提升0.4個百分點。
由AI所驅動的商業活動每增加一個百分點，資料中心以外的能源效率也提升0.1個百分點。例如，若十年內由 AI驅動的商業活動占比從12%增加到32%，則推估資料中心以外的能源效率將提升2%。

資料中心是AI相關能源使用的重要場所，它容納了執行AI訓練和計算工作的晶片和硬體，以及雲端運算等其他類型的服務。隨著越來越多人和組織使用AI，科技公司持續興建資料中心以滿足AI服務的需求，如微軟已宣布計劃在2025財年投資約800億美元於資料中心。
訓練和運行AI模型通常需要大量資源，然而近期有報告指出，中國新創DeepSeek所建立的模型聚焦於開發更經濟實惠的AI工具。研究也顯示出高效晶片和資料中心冷卻方法的發展潛力。但即使AI相關的軟硬體效率合理提升，資料中心的能源消耗量仍可能成長。
根據PwC模擬未來的三種情境，若AI使用持續增加，在2035年，資料中心的能源消耗量可能會比現在多出13%至16%。在2024至2035年間，若廣泛使用AI，資料中心的總能源消耗將比不使用AI高出18%至21%。

^{註：圖表資料涵蓋了資料中心所有形式的能源使用。基準情境為假設AI的使用與歷史水準保持一致。}

考慮到資料中心的能源消耗量增加以及AI所帶來的效率提升，PwC發現採用AI將在一定程度上減少整體經濟的能源消耗。目前已有許多應用協助企業利用AI來提升能源效率，例如自動調整電動車充電模式及微調製造流程。
根據PwC研究，2024年前九個月，AI領域的氣候科技新創公司已獲得60億美元的風險投資，較2023年全年多出10億美元。
假設AI使用比例每增加1個百分點，將直接或間接提高能源效率0.1個百分點。若AI受到廣泛應用，預估2035年資料中心以外的能源使用將較目前減少0.3%到1.3%。從2024年至2035年間，資料中心以外的總能源節省將達到0.1%到1.0%。
根據不同情境預估，2035年的能源淨減少量可能介於0.5%至1.1%。2024至2035年間，AI的應用可能會讓整體能源累積消耗量介於減少0.9%到增加0.1%。顯示資料中心新增的能源使用，大致上能被其他經濟領域所實現的能源節省所抵消。

此外，若估算資料中心和其他地方因廣泛採用AI而產生的溫室氣體（GHG）排放量差異，結果顯示，在2024至2035年間，廣泛採用AI可以使總溫室氣體排放減少0.1%至1.1%。
到2035年，若廣泛採用AI，排放量將比未採用AI的情況低0.3%至1.9%。

^{註：圖表資料涵蓋了所有形式的能源使用。基準情境為假設AI的使用與歷史水準保持一致。}

科技公司和資料中心營運商並不是唯一希望利用AI提升效能潛力、管理其能源需求和氣候影響的企業。任何使用AI應用的公司，無論是用來提升或創造新產品、優化客戶體驗或精簡業務流程，皆可透過優化能源需求來獲益。企業可透過以下四大措施，實現AI採用與能源消耗的平衡。

利用AI管理和優化能源使用需求：管理能源需求為企業提供了相對簡單的方法來降低成本和減少排放。WEF與PwC的研究表明，到2030年，全球企業如果能充分利用現有技術，每年可節省2兆美元。隨著全球能源系統更加數位化，企業將能夠為AI模型提供更多更好的資料，從而實現能源節約。
追蹤AI碳足跡：依賴雲端服務而非本地伺服器的公司，其AI使用會產生範疇三排放。主要的雲端AI供應商現在提供碳排放追蹤器給客戶，透過追蹤工具，企業的IT和永續發展團隊可評估AI應用對環境指標的影響，並找出降低相關成本的策略。
根據業務需求調整AI規模：舉例來說，大型語言模型（LLMs）執行指定任務的成本和能耗，通常高於為該任務設計的小型模型。因此為每個任務選擇合適的AI工具，而不是功能過剩的全能模型，將有助企業節省成本、避免過度排放。
選擇注重永續發展的AI供應商：提供大型語言模型的公司鮮少公布其能源消耗和環境表現的細節，且相關指標尚未標準化。儘管如此，企業的AI和永續發展團隊仍可以合作，尋找公開永續發展相關數據，並透過採用優化演算法等方式，致力於減少環境影響的AI供應商，以及使用再生能源作為主要和備用電力的資料中心。