Climate impacts of AI hardware manufacturing rival those of data centers
这项研究表明，制造人工智能硬件所产生的温室气体排放量可能与人工智能数据中心运营产生的排放量相当，甚至更高，这凸显了在评估人工智能的总气候足迹时，将硬件生产和企业脱碳努力纳入考量的紧迫性。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
大局观：不仅仅是“运行”成本最高
想象一下，你正在担心你的新电动汽车会产生多少污染。大多数人关注的是汽车在行驶过程中使用的电力（即“运行”阶段）。他们认为：“如果我用太阳能充电，我就很环保了！”
这篇论文指出，在使用人工智能（AI）时，我们正在犯同样的错误。我们过度关注数据中心运行 AI 时消耗的电力，却忽略了仅仅为了制造 AI 硬件所产生的巨大污染。
作者发现，在 2024 年，制造 AI 芯片所产生的污染与运行数据中心的污染一样严重，甚至可能更高，这取决于你如何计算。
两种统计污染的方法
论文使用了两种不同的“计分卡”来衡量排放量，这为我们展示了两个截然不同的故事。
1. “基于位置”的计分卡（物理现实）
这就像是在查看一张显示烟囱实际位置的地图。
- 数据中心（运行）： 这些中心通常位于能源结构较清洁的地区（如美国或欧洲的部分地区）。因此，“运行”阶段的污染看起来相对较低。
- 硬件制造（建造）： 制造芯片的工厂主要位于台湾、韩国和中国的部分地区。这些地区严重依赖煤炭和其他化石燃料。
- 结果： 如果你只看物理位置上的烟雾，制造芯片会产生约 600 万至 800 万吨 的二氧化碳，而运行中心则会产生约 2000 万至 2100 万吨。在这种视角下，运行中心仍然是更大的问题。
2. “基于市场”的计分卡（企业承诺）
这就像是在查看一份公司的“绿色报告”。大型科技公司（如 Google 或 Meta）经常签署合同，声明：“我们购买了足够的再生能源证书，以抵消我们的用电量。”
- 数据中心（运行）： 由于这些公司非常擅长购买这些“绿色证书”，它们报告的污染量大幅下降。看起来它们几乎是零排放。
- 硬件制造商（建造）： 制造芯片的工厂（如台积电或三星）所在的地区，购买再生能源更加困难或供应不足。它们签署的“绿色协议”较少。
- 结果： 当你使用这种“企业承诺”计分卡时，差距完全消失了。制造污染保持在高位（约 500 万至 700 万吨），而运行污染则降至相似水平（约 500 万至 600 万吨）。
类比： 这就像一名运动员为参加比赛购买了一张“碳中和”机票。在纸面上，他们的旅程是清洁的。但制造他们跑鞋的工厂仍在燃烧煤炭，而且那个工厂并没有购买任何绿色机票。论文指出，我们不能只看运动员的机票；我们也必须关注鞋厂。
AI 机器中的“沉重”部分
论文详细拆解了硬件中究竟是什么导致了最多的污染。他们将 AI 服务器与一个由 12 个不同部件组成的复杂机器进行了对比。
- 罪魁祸首： 最大的污染源并不是主处理器（大脑），而是高带宽内存 (HBM)。
- 隐喻： 想象 AI 芯片是一辆超高速跑车。HBM 就是那个涡轮增压器。为了让车跑得更快，你需要一个更大、更复杂的涡轮增压器。但制造这个涡轮增压器需要极其复杂且耗能的过程。
- 趋势： 随着 AI 变得越来越聪明，我们需要更多的这类“涡轮增压器”（HBM）。论文指出，内存的碳足迹增长速度比芯片的其他部分都要快。
“绿色差距”
论文强调了一个令人沮丧的脱节现象：
- 买方（科技巨头）： 像 Google 和 Microsoft 这样的公司非常积极。他们宣称：“我们是 100% 绿色的！”并且他们的数字也支持这一点（在基于市场的规则下）。
- 卖方（芯片制造商）： 实际制造芯片的公司（三星、SK 海力士、台积电）则相对滞后。它们仍然主要由当地肮脏的电网驱动。
- 问题所在： “绿色”数据中心只是在从“肮脏”的工厂购买芯片。论文认为，除非芯片工厂也转向清洁能源，否则即使数据中心声称自己是绿色的，AI 行业的总污染量也不会真正下降。
总结
论文告诉我们，不要只盯着数据中心的电费单。我们需要关注硬件的建造账单。
如果你只解决数据中心使用的电力问题，你只解决了半个问题。另一半是制造 AI 芯片所需的庞大且高能耗的工厂作业，而这目前正发生在能源结构更肮脏的地区。要真正解决 AI 对气候的影响，我们需要清理的是工厂，而不只是数据中心。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。