AI現今成為永續環境的推手，一方面卻也消耗大量能源，形成兩難。示意圖。freepik by rawpixel.com
在 AI 人工智慧技術快速演進同時，全球也面臨永續轉型的關鍵時刻。AI 不僅是驅動第四次工業革命的核心力量，也逐漸被賦予推動環境與社會永續的期待。然而，當 AI 成為推手的同時，它所帶來的龐大能源消耗與碳足跡，也讓人不得不正視其對永續目標可能造成的反效果。這是一場科技進步與環境責任之間的拉鋸戰，我們應如何在兩者之間找到平衡？
AI 助力永續韌性，在ESG三面向提供實務應用
據《AI Readiness Index》報告指出，愈來愈多國家將 AI 作為因應氣候變遷、提升治理效率與強化社會韌性的關鍵工具——從智慧電網、智慧農業，到碳排放監控與循環經濟平台，AI 在 ESG（環境、社會、治理）各個領域的應用日益成熟。例如：在環境面（E），AI 可預測能源需求、優化電力分配，提升再生能源使用效率。如 Google 的 DeepMind 系統協助資料中心減少 40% 用電量，並讓 PUE （電力使用效率，Power Usage Effectiveness）降低了15%；台達電的虛擬機台開發平台，導入 AI 輔助來優化製程的耗能管理；中鋼導入 AI 技術提高鋼鐵燒結製程良率，一年約可減少生產過程中 2.2 萬噸的碳排。此外，AI 模型也被應用於碳捕捉效率評估、森林保護與極端氣候預警，強化環境管理的即時性與前瞻性。
在社會面（S），AI 也能協助疾病預測、城市規劃與偏鄉教育普及，進而促進社會公平。例如肯亞積極推動 AI 數位轉型，透過政府與企業協作擴展網路基礎建設，並成立創新實驗室與數位技能課程，推動 AI 在農業、醫療與語音應用等民生領域的實際執行。此外，AI 也正被廣泛應用在公共衛生與交通治理，如 AI 視覺技術監測道路安全，或協助醫療系統預測急診壅塞情形，提升資源配置效率。
★台灣第一個ESG與USR永續整合平台，加入ESG遠見共好圈★
在治理面（G），企業運用 AI 進行風險評估、供應鏈透明化與非財務報告分析，強化永續治理。像是聯合利華和微軟合作，用 AI 與雲端運算技術強化供應鏈永續治理，透過即時數據分析提升透明度，並追蹤其原物料採購流程更符合 ESG 準則。同時，越來越多金融機構利用 AI 工具進行 ESG 投資分析與監測，提升綠色金融決策品質與效率，也借助 AI 收集相關金融風險評估資訊。不僅如此，AI 結合邊緣運算與低功耗晶片，也正逐步解決高運算能耗的限制，展現永續技術的創新潛力。自駕車系統、農業感測平台、海洋垃圾監測系統等應用，逐步從實驗階段走向實用化，將進一步擴大 AI 在環境與社會議題中的角色。
能源隱憂浮現：大型模型背後的碳代價
然而，AI 的成長背後隱含著日益嚴重的能源問題。據普林斯頓大學研究指出，訓練一個 GPT－3 等級的大型語言模型，可能耗費超過數百兆瓦時的電力，碳排量相當於約 120 輛汽車一整年的排放量（根據美國環保署估算，每輛車年均碳排約 4.6 公噸 CO₂），若使用更高訓練能耗（如 GPT－3.5 或 GPT－4），碳排放量將更為驚人。從模型訓練延伸至推論階段，我們正進入一個「長期耗能時代」：每當使用者透過語音助理、搜尋系統或推薦引擎與 AI 互動時，都會累積龐大的能耗需求。尤其是生成式 AI 崛起，其即時處理的特性更加強了對運算與電力資源的依賴。
國際能源總署（IEA）的報告《World Energy Outlook 2024》指出，截至 2022 年，全球資料中心與資料傳輸網路的耗電量已達約 460 TWh，約佔全球電力需求的 2%－3%，相當於整個英國的用電量。若未強化能效與政策干預，至 2027 年全球資料中心可能因 AI 運算需求翻倍，其總耗電量將上升至 1,000 TWh。尤其是生成式 AI 查詢的平均能耗為傳統搜尋的 10 倍以上，對電網與水資源帶來明顯壓力。除非明確採取能源轉型與效率優化的行動，否則 AI 將對淨零排放目標造成莫大的衝擊。
台灣也正面臨同樣挑戰，甚至更加嚴峻。根據綠色和平於最新發表的《晶片榮景後的暗影》報告，台灣在 AI 晶片製造上的電力消耗與碳排放在東亞地區居於首位。雖然台積電是全球 AI 晶片供應鏈中的關鍵角色，但同時也是耗能與碳排的大戶，2022 年台積電用電量達到 196 億度，是全台最大單一用電戶，碳排放總量達 1,300 萬噸 CO₂e。更值得注意的是，2023 至 2024 年間，台積電在 AI 晶片生產上的用電增加了 2.92 億度，但綠電使用僅增加 2.33 億度，再生能源使用的增幅遠遠追不上用電成長。報告也表示，AI 晶片的製程越來越依賴極紫外光（EUV）技術與先進封裝，導致單位晶片製造所需能耗上升，進一步加重台灣電力與碳排負擔。
儘管台灣已有再生能源憑證制度與離岸風電投資規劃，卻仍面臨產業用電集中、區域配電壓力大與綠電轉供比例偏低等挑戰。如何兼顧 AI 產業發展與能源韌性，已成為未來關鍵產業議題。
全球因應行動：AI 耗能的政策與產業回應
當全球開始警覺 AI 對能源系統帶來的壓力，各國政府與產業也陸續展開應對行動，不僅針對技術本身的能效改善，也包含資料中心佈局、再生能源整合與永續治理架構等面向，為全球 AI 發展提供不同模式的永續實踐藍圖。
歐洲資料中心業者於 2021 年共同推動氣候中立資料中心協定（Climate Neutral Data Centre Pact），超過 60 家營運商簽署，承諾自 2024 年起揭露能源與碳排資訊，且在 2030 年達成氣候中和。德國政府也修正了國內《能源效率法案》，規定自 2026 年起新建資料中心須回收利用至少 10% 廢熱，並於 2027 年提高至 20%，同時達到 100% 的再生能源使用。
在美國，Google 與微軟等科技巨頭不僅積極採購再生能源，也將資料中心碳排納入供應鏈永續評估。Google 雖於 2007 年即宣布要實現碳中和，但因資料中心能源消耗大幅提升後難以達成，近年轉向投入碳移除技術；微軟也表示因 AI 擴張導致碳排上升 29.1%，將要求供應商提供給微軟的產品或服務，在 2030 年前需使用全面零碳發電。
亞洲方面，新加坡作為全球最大資料中心樞紐之一，於 2024 年公布「綠色資料中心路線圖」，將根據資料中心制定客製化冷卻解決方案、提升能源使用效率，引導資料中心綠色轉型；而逐步成為全球資料中心重地的馬來西亞，近年來對於資料中心建置的審查也越加嚴格，柔佛州就因營運商提出的申請中缺乏節能與節水的永續措施，而拒絕了 30% 的資料中心申請。
企業加入回應：Arm 以創新技術應對能源挑戰
「沒有電力，就沒有AI」是企業必須認知的現狀，企業更應重新審視全局來因應能源效率問題。有鑑於 AI 伺服器的數量在未來幾年將成長超過 300%，高能源效率不再是競爭優勢，而是該產業的基本要求。如今，資料中心設計所考量的功耗單位，已從兆瓦級躍升到千兆瓦的級別。因此，能源效率直接決定了資料中心的盈利能力，超大規模雲端資料中心也必須積極尋求節能解決方案。
創新技術包括從源頭端的運算架構設計，優化記憶題層次架構、先進的封裝技術，以及AI調優的框架，進以高效率的管理運算及資料流動。其中，追求能源效率始終是 Arm 的 DNA。Arm 最早推出的產品即是運用電池供電，並啟動了手機革命。隨著高能源效率成為最重要的產業焦點，如今的雲端運算和資料中心，從晶片到軟體，也都優先採用 Arm 架構進行設計，成功地為超大規模雲端資料中心解決卓越效能與能源消耗的兩難，包含 AWS、Google Cloud、Microsoft Azure 及 Oracle Cloud等。
雖然 AI 成為導致全球資料中心耗電量劇增的源頭，但其實 AI 也可加速融入永續發展的實踐。除了使用高效技術，「綠色 AI」策略也將受到越來越多的重視。例如，AI 模型訓練可能會逐漸調整在碳排放較低的地區和電網負荷較低的時間段進行，並有機會成為未來的標準作法。透過平衡電網上的能源負載，這種方法將能緩解峰值需求壓力，減少總體碳排放量。因此，預計會有更多雲端服務提供者，推出針對效率優化模型訓練的調度服務。
未來，AI 將能夠更準確地預測能源需求，且即時地最佳化電網運行，並提高再生能源的效率，進而解決這些問題。電能儲存解決方案也將受惠於 AI，像是優化電池效能和壽命，這對於平衡可再生能源的間歇性特性十分關鍵。再生能源領域中，Arm 技術被應用於風力發電的智慧監控系統中，這些系統利用基於 Arm 的感測器來最佳化風機的運作效率，進而最大化能源產出並減少能源損失。另一個案例是 Arm 技術在智慧水表中的應用，這些水表能夠精確監測水流，有效減少水資源的浪費，並通過資料分析來最佳化水資源管理。
Arm 執行長 Rene Haas 提到，「AI 是我們這一生中最重要的機會。這個時刻至關重要——不論是對人類、地球，以及我們所有人的未來。」而根據 Arm 最新發表，根據針對全球 655 位企業領袖訪查而成的 AI 就緒指數報告，82% 的全球領先企業已經採用 AI，80% 的組織已經編列預算，甚至 87% 的企業也表示已增列預算，而且 80% 的企業領導者將優先考慮將 AI 投資用做加強組織營運的方式。AI 技術的躍進及企業組織的大幅採用與計畫導入，相關的能源需求預計仍將持續成長。Arm 正在積極開發新一代更高效率的運算技術，以應對這一挑戰。這包括進一步優化處理器架構，以及開發專門針對AI應用的低功耗晶片，以確保在滿足日益成長的運算需求的同時，能夠有效控制能源消耗。
展望未來：綠色 AI 成為業界共識
面對這場「進步與代價」的兩難，我們需要的不只是更快的 AI，而是更負責任的 AI。Arm 報告指出，各國在 AI 發展政策中應納入能源效率、資料治理與社會影響的衡量機制。未來的 AI 需具備以下三個方向：
- 低碳運算架構：推動綠色資料中心與高效能低功耗晶片，降低 AI 訓練與推論的能源需求。透過液冷式散熱、AI 運算專用晶片（如 Arm Neoverse 架構）等技術革新，可大幅提升運算能源使用效率。
- 邊緣智慧推廣：將 AI 模型部署於本地（Local）裝置，減少雲端傳輸與集中運算的負擔。這不僅降低了網路基礎設施壓力，也有助於減少碳足跡，尤其適用於偏遠地區的智慧農業或環境感測設備。
- 永續評估準則建立：制定 AI 對 ESG 的貢獻評估標準，確保技術導入過程中的透明與負責任。歐盟與國際標準化組織（ISO）正研議針對 AI 相關碳足跡的通用計算指標，未來可望納入企業永續報告框架。
此外，「綠色 AI」概念逐漸成為業界共識，意指在模型研發與部署時，需將碳成本納入考量指標之一。部分 AI 開發團隊也開始在論文中附上訓練過程的能源估算，增加技術透明度與倫理審視。
例如 Skoltech 團隊開發的開源工具 Eco2AI，能即時記錄訓練過程中的碳排放與能源使用量，並鼓勵研究人員公開這些資料以利外界評估其環境影響。Google Brain 研究團隊也曾指出，選擇資料中心區域、硬體平台與模型架構，會造成 AI 訓練碳排量高達上千倍差異，呼籲業界將碳排納入模型效能考量。此外，史丹佛大學的 AI Index 報告亦揭露 GPT－4、LLaMA、Claude 2 等模型的訓練碳足跡，顯示大型語言模型訓練對環境影響不容忽視。
AI 絕非洪水猛獸，也不是萬能靈丹。它既能為永續發展帶來突破性的助力，也可能在不知不覺中成為淨零路上的大魔王。從資料中心的能源壓力，到模型部署的實務成本，這些現實挑戰提醒我們，在擁抱技術的同時，也要學會設下邊界。與其一味追求「最綠」或「最先進」，或許我們更該關注的是：怎麼樣的路徑最符合自身條件、最能穩健前行。AI 能否成為通往永續未來的加速器，取決於我們願不願意從今天起，就為它設定一條負責任的發展軌跡。
本文轉載自CSRone永續智庫／文：CSRone 何雨婕（專欄觀點不代表本社立場）
原文標題：AI 的永續兩難：科技推進與能源代價的平衡之道
相關文章：
如何藉由財務與 AI 科技轉型應對氣候挑戰
永續顧問洞悉：「大國博弈、小國適應」永續轉型邁入新局！降速或失速？ 2025永續領航必看5大注意要點