在電影《焚城》中，有關(guān)電子垃圾的不當(dāng)處置及泄漏產(chǎn)生的危害震驚了公眾。這些電子垃圾往往蘊(yùn)含大量有毒物質(zhì)，不僅對地球生態(tài)構(gòu)成嚴(yán)重破壞，更對人們的生命健康構(gòu)成了巨大威脅。因此，加強(qiáng)對電子垃圾處置的關(guān)注和監(jiān)管刻不容緩。
在數(shù)字化時(shí)代，AI 特別是生成式 AI（GAI，Generative Artificial Intelligence）在文本、圖像、視頻等內(nèi)容生成上展現(xiàn)出的巨大潛力，其正以前所未有的速度重塑人們的生活和工作方式。
然而，該技術(shù)背后卻隱藏的資源環(huán)境代價(jià)，特別是與 GAI 相關(guān)的電子廢物（e-waste）問題，卻鮮少受到關(guān)注。
最近，中國科學(xué)院城市環(huán)境研究所與英國劍橋大學(xué)、以色列瑞赫曼大學(xué)團(tuán)隊(duì)合作，基于“服務(wù)-算力-算法-芯片”框架，開發(fā)了一種稱為“算力物質(zhì)流”的新方法，量化解析了 GAI 的硬件需求及其產(chǎn)生的電子廢物挑戰(zhàn)，并識別評估了相關(guān)循環(huán)經(jīng)濟(jì)措施及其影響。
研究結(jié)果顯示，如果不采取任何減少電子廢物的措施，GAI 將在 2023 年至 2030 年累積產(chǎn)生 120 萬至 500 萬噸電子廢物。
隨著 AI 技術(shù)的不斷進(jìn)步，電子廢物問題將成為人們不得不面對的挑戰(zhàn)。通過實(shí)施循環(huán)經(jīng)濟(jì)策略，不僅可節(jié)約資源、保護(hù)環(huán)境、減少電子廢物的產(chǎn)生，還同時(shí)為經(jīng)濟(jì)發(fā)展創(chuàng)造了新的機(jī)會。
該研究不僅為 AI 領(lǐng)域的可持續(xù)發(fā)展提供了新的視角，也為全球電子廢物管理和循環(huán)經(jīng)濟(jì)策略的制定提供了科學(xué)依據(jù)。
圖丨人工智能需求-算法-算力-硬件關(guān)聯(lián)的物質(zhì)流核算方法（來源：Nature Computational Science）
審稿人對該論文評價(jià)稱，“AI 發(fā)展導(dǎo)致的電子廢物這個(gè)議題鮮少被關(guān)注。該研究通過量化分析方法，為該填補(bǔ)研究領(lǐng)域認(rèn)識缺口做出了寶貴貢獻(xiàn)，研究不但揭示了該問題的嚴(yán)重性，并為未來的實(shí)際解決方案提供了指導(dǎo)�！�
另一位審稿人指出，“算力物質(zhì)流”方法的顯著的意義在于，能夠定量測算 AI 算力需求與底層硬件發(fā)展的關(guān)聯(lián)影響，突破傳統(tǒng)方法的單一解析思路，從而實(shí)現(xiàn)更為系統(tǒng)的解析測算。其認(rèn)為，這項(xiàng)工作為可持續(xù)的 GAI 發(fā)展提供了關(guān)鍵方法，具有廣闊應(yīng)用前景。
近日，相關(guān)論文以《生成式人工智能的電子廢物挑戰(zhàn)》（E-waste challenges of generative artificial intelligence）為題發(fā)表在 Nature Computational Science[1]。
該論文主要由中國科學(xué)院城市環(huán)境研究所汪鵬研究員、張凌宇同學(xué)、該單位陳偉強(qiáng)研究員和劍橋大學(xué)/瑞赫曼大學(xué)阿薩夫察科爾（Asaf Tzachor）博士合作完成。
圖丨相關(guān)論文（來源：Nature Computational Science）
“從零開始”的方法
該論文領(lǐng)銜作者汪鵬在澳大利亞新南威爾士大學(xué)制造工程及管理專業(yè)獲得博士學(xué)位，并繼續(xù)在該校可持續(xù)制造及生命周期工程實(shí)驗(yàn)室從事博士后研究，之后歸國加入中國科學(xué)院城市環(huán)境研究所，持續(xù)開展研究工作。
長期以來，他專注于新興技術(shù)背后的資源環(huán)境影響及其管理措施研究，特別是在鋰電池、光伏和風(fēng)電等新能源技術(shù)影響和分析方面進(jìn)行深入研究。
這項(xiàng)研究的靈感源自于一次觀看反腐紀(jì)錄片《永遠(yuǎn)沖鋒號》的經(jīng)歷，其中提到了“比特幣挖礦”所引發(fā)的電子垃圾問題。
那一刻，一個(gè)研究構(gòu)想瞬間出現(xiàn)在汪鵬腦海中：當(dāng)前迅猛發(fā)展的 GAI 技術(shù)背后資源環(huán)境代價(jià)會是怎樣的呢？
目前，AI 技術(shù)正處于高速發(fā)展時(shí)期，雖然很多人已關(guān)注到該技術(shù)在算法、碳排放和能源消耗方面的挑戰(zhàn)，但其背后更深層次的物質(zhì)資源消耗及其環(huán)境代價(jià)尚未受到關(guān)注。
汪鵬解釋說道：“日常使用生成式 AI 如 GPT 看似在數(shù)字世界進(jìn)行交互，其背后也需要物理世界的物質(zhì)資源作為基礎(chǔ)，我們對 AI 的資源環(huán)境影響應(yīng)該做到‘有跡可循’�！�
圖丨汪鵬（來源：汪鵬）
然而，尋找 AI 在物理世界的“痕跡”，即如何用科學(xué)方法量化 GAI 的硬件需求及其所產(chǎn)生的電子廢物，是該課題組面臨的首要挑戰(zhàn)。
主要問題包括：
首先，如何全面準(zhǔn)確估算 GAI 未來發(fā)展的態(tài)勢及相關(guān)關(guān)鍵硬件如圖形處理器（GPU ，Graphics Processing Unit）的技術(shù)進(jìn)步趨勢，以及不同國家的差異是怎樣的？
其次，如何將日常的 GAI 服務(wù)（如利用 GPT 來處理文字）轉(zhuǎn)化為硬件需求，即如何實(shí)現(xiàn) GAI 服務(wù)、算法、算力以及硬件的關(guān)聯(lián)解析？
最后，如何解析 AI 硬件的運(yùn)營情況及使用壽命等情況，實(shí)現(xiàn)對電子廢棄物估算及其循環(huán)利用措施的識別？
通過大量的文獻(xiàn)調(diào)研及企業(yè)專家訪談，研究團(tuán)隊(duì)發(fā)現(xiàn)，現(xiàn)有模型和方法根本無法直接解決上述問題。因此，研究人員決定在方法論上“從零開始”，建構(gòu)新的量化方法體系。
該課題組以往對能源-金屬關(guān)聯(lián)研究領(lǐng)域的研究基礎(chǔ)，提供了相關(guān)思路和理論框架。
具體來說，他們基于以往開發(fā)“能源需求-技術(shù)設(shè)施-關(guān)鍵部件-金屬循環(huán)”，提出了 AI“服務(wù)-算力-算法-芯片”的量化框架，進(jìn)而成功地實(shí)現(xiàn)了 GAI 服務(wù)與 AI 硬件的關(guān)聯(lián)和解離，支撐了對 AI 資源環(huán)境代價(jià)的精準(zhǔn)測量。
針對未來 AI 的發(fā)展和算力需求，該課題組收集了來自學(xué)術(shù)界和業(yè)界的多種推演和專家觀點(diǎn)，但這些預(yù)測存在很大差異，從極端樂觀到過于保守。
為了確保研究的嚴(yán)謹(jǐn)性，他們將所有相關(guān)信息整合并引用在文獻(xiàn)中，并構(gòu)建了三種不同的未來增長前景模型，分別是：激進(jìn)型、中等型和保守型。
例如，如果 AI 服務(wù)覆蓋廣泛，可能會采取更激進(jìn)的增長預(yù)測；像 TikTok 這樣局部快速傳播的服務(wù)，可能增長速度較快；而專業(yè)領(lǐng)域的服務(wù)，則可能增長較慢。
“盡管做了多種情景預(yù)測，AI 未來發(fā)展態(tài)勢仍然充滿了太多不確定性，同時(shí) AI 芯片及硬件效率也在不斷提升，因此我們的預(yù)測是有很多前提假設(shè)的。為此，建議開展 AI 電子廢物的監(jiān)測及定期的預(yù)測更新，用來更加準(zhǔn)確指導(dǎo)廢棄物管理�！蓖豉i表示。
圖丨當(dāng)沒有進(jìn)行進(jìn)一步處理時(shí)，從 2020 至 2030 年每季度產(chǎn)生的電子廢物（來源：Nature Computational Science）
特別是，在一次對某影像軟件公司訪談中，研究團(tuán)隊(duì)受到企業(yè)按所需算力采購芯片和設(shè)備策略的啟發(fā)，決定以英偉達(dá) DGX H100 為標(biāo)準(zhǔn)量化單元，進(jìn)而推演中央處理器（CPU，Central Processing Unit）、存儲器、不間斷電源等硬件需求，并以此推算電子廢物的報(bào)廢量。
汪鵬表示，這項(xiàng)研究涉及跨學(xué)科的知識整合和消化，構(gòu)建整體框架實(shí)現(xiàn)跨學(xué)科交流也是一大挑戰(zhàn)。
“早了解、早行動、收益大”
據(jù)聯(lián)合國機(jī)構(gòu)發(fā)布的《2024 年全球電子垃圾監(jiān)測》報(bào)告 [2]，2022 年全球產(chǎn)生了 6200 萬噸電子垃圾，相比 2010 年增長了 82%。然而，只有 22.3% 的電子垃圾被妥善收集和回收。
需要了解的是，聯(lián)合國機(jī)構(gòu)發(fā)布的全球電子廢棄物管理的數(shù)據(jù)，是以傳統(tǒng)電子廢物為統(tǒng)計(jì)對象，目前其尚未將 AI 及數(shù)據(jù)中心產(chǎn)生的電子廢物納入到監(jiān)測和評估體系范圍內(nèi)。
汪鵬表示：“在我們的研究發(fā)布后，上述報(bào)告的領(lǐng)銜作者專門點(diǎn)評我們研究的首創(chuàng)性及重要價(jià)值。對此，我們備受鼓舞，并建議由 AI 產(chǎn)生的電子廢物問題應(yīng)盡早納入全球電子廢物監(jiān)測網(wǎng)絡(luò)范疇中，以便在全球范圍內(nèi)定期評估、分析并監(jiān)管其潛在影響，行動時(shí)機(jī)將會特別重要�！�
汪鵬說：“我們開展預(yù)防性或前瞻性研究遵循基本原則是：了解得越早，行動得越早，獲得的收益也越大�！�
例如，在塑料污染問題和電動車電池問題，由于技術(shù)發(fā)展早期缺乏有效的預(yù)防和管理措施，現(xiàn)在變得難以控制。而 AI 技術(shù)也存在這樣的問題。
面對這一挑戰(zhàn)，研究團(tuán)隊(duì)針對性提出了循環(huán)經(jīng)濟(jì)策略，旨在通過減少、再利用、修復(fù)和回收數(shù)據(jù)中心的過時(shí)設(shè)備，來減少電子廢物的產(chǎn)生。
除了硬件之外，在服務(wù)層面對 AI 消費(fèi)的增長進(jìn)行適當(dāng)引導(dǎo)，同時(shí)在算法開發(fā)階段降低模型的算力需求，極為重要。
汪鵬指出，相關(guān)措施越靠近源頭，其效果越發(fā)顯著。比如，在算法層次進(jìn)行優(yōu)化不僅能減少能耗和成本，還能帶來巨大的整體效益。
圖丨人工智能服務(wù)器不同生命周期階段的循環(huán)經(jīng)濟(jì)策略（來源：Nature Computational Science）
因此該研究提到，需要在 AI 低算力模型和算法的開發(fā)上加大投入，以促進(jìn)技術(shù)進(jìn)步和商業(yè)化應(yīng)用。盡管目前低計(jì)算力的 AI 模型和算法的選擇有限，但這些研究對于 AI 的可持續(xù)發(fā)展至關(guān)重要。
在硬件層面，先進(jìn)芯片開發(fā)及推廣利用也極為關(guān)鍵。
一方面，隨著技術(shù)進(jìn)步，先進(jìn)芯片能以更少的硬件資源消耗實(shí)現(xiàn)更高性能，進(jìn)而會大幅減少對物質(zhì)資源消耗。然而，受到地緣政治的影響，某些國家級企業(yè)限制出口高端芯片，這將導(dǎo)致電子廢物的增加。
