AI(人工智能)技术，尤其是生成式大语言模型，正迅速渗透到大家日常。然而，一项最新研究提醒大家，生成式人工智能的电子废弃物问题不容忽略。据《自然·计算科学》发表的研究论文，2020年至2030年间，生成式人工智能带来的电子废弃物可能激增近1000倍，产生最高达500万吨的电子垃圾，这与约250亿部iPhone 16 Pro的重量相当。这类废弃物含有些有害材料，可能对环境导致严重干扰。

隐忧浮出水面

在关注生成式人工智能带来的能耗和碳排放的同时，大家总是忽略了算力设施及硬件报废产生的电子废弃物问题。近期，中外科学家合作拓展的一项最新研究让这一隐忧浮出水面。

生成式人工智能的底层是一个材料密集型行业，它依靠于数据中心等数字基建设施。而且，伴随算力需要及技术进步，有关数据中心的电子芯片及硬件构造越发复杂，重量也不断增加，并在迅速更新迭代。业内专家称，两年前，GPU(图形处置器)重0.0318吨，有35000个零件；目前GPU有60万个零件，重1.36吨。而且数据中心和服务器群中包括的多种高性能计算硬件譬如GPU、内存模块、存储设施等，常见寿命在3年左右，当其寿命结束后，势必会产生很多电子废弃物。

人工智能技术正迅速渗透到大家日常

就生成式人工智能而言，一方面，其迅猛进步带来了大规模计算需要，对计算硬件和基础设施的需要持续增长；其次，芯片制程工艺的进步带来芯片性能的迅速提高，单个芯片性能越高，同样算力需要下所需的芯片数目越少。将来生成式人工智能的应用会怎么样进步？又会产生多少算力需要？具体到硬件层，需要多少芯片和服务器？为关联、量化生成式人工智能硬件需要，与产生的电子废弃物数目，须对这类问题做出回话。

为获得更贴近实质的数据，中外科学家联合研究团队既考虑了将来算力需要的多样性，又兼顾了对芯片性能的考量。在预测将来大语言模型的算力需要时，他们广泛参考了产业界的各类预测及行业研究报告，精心预设了三种完全不同的进步情景：一种是广泛应用的“激进进步情景”，一种是有限应用的“中等进步情景”，还有一种则是少数特定应用的“守旧进步情景”。通过全方位评估大语言模型的参数规模、练习数据量、全球大语言模型数目，与每天活跃用户数等重点原因，他们推导出不同进步情景下算力需要的复合年增长率，分别为136%、115%和85%。

对芯片性能的考量中，联合研究团队基于摩尔定律，结合2020年至2022年服务器增长数目的实质数据，推算出了2023年至2030年服务器算力水平的变化趋势。同时，他们还充分考虑了地缘上的复杂原因，对中国、美国及欧洲等国家和区域的芯片性能及进步水平进行了细致调整。除此之外，鉴于现在仅有少数企业拥有生产先进GPU芯片的能力，他们还基于这类企业过往两年的产能及交付量状况，合理设置了将来GPU产能扩展率的限制条件，从而构建了一个更为贴近现实的产能约束进步情景。

基于较全方位的剖析和考量，联合研究团队革新性地开发了“算力物质流”模型。这一模型对AI的“需要—算法—算力—芯片”进行了明确的分层解构及参数化建模，有效串联了AI终端服务需要与底层物理世界的紧密关联。

模型计算推演结果显示，假如不采取任何循环经济手段，在2023年到2030年期间，在激进、中等和守旧三种进步情景下，产生的电子废弃物总量分别达到了500万吨、300万吨和180万吨。

亟待全球合作

依据2024年《全球电子垃圾监测报告》，现在仅有约22%的电子垃圾被正式采集和收购，大多数电子垃圾都是通过非正式途径收购。

电子垃圾中包括铜、金、银、铝和稀土元素等贵重金属，这部分元素因为其经济价值总是能得到收购。然而，部分电子垃圾会被出口至环境监管相对宽松的国家和区域进行收购。在这类地区，电子垃圾中的铅、汞和铬等有害物质总是没办法得到有效处置。

现在，仅有少部分电子垃圾被正式采集和收购

为应付电子垃圾可能导致的紧急环境污染问题，联合研究团队基于“需要—算法—算力—芯片”框架，提出了全链条循环经济方案。从算法层面，设计愈加高效的算法，可以降低算力消耗；从芯片层面，通过高效芯片开发，可以降低非必须的计算和存储，提升数据处置的性能和效率，较预期可降低约50%的电子废弃物；在运营层面，将寿命结束的服务器降级循环借助，额外用一年，就可以防止约62%的电子废弃物；拆卸、翻新和重新制造已过时服务器的重点模块则能降低42%的电子垃圾。

但这类手段要想真的落地，还有非常长的路要走。目前，生成式AI的进步仍在“跑马圈地”，迅速增长的背后，潜藏着不少问题。除此之外，部分国家和企业对先进芯片出口的限制，或许会促进其他国家增加对上一代芯片的消费，从而在全球范围内加剧电子废弃物的产生。

为更好促进人类社会的可持续进步，全球范围内亟需加大合作，采取愈加负责任的生成式AI用与治理方案，并辅以积极的电子废弃物管理手段，以有效减轻AI对资源环境的负面影响。

Tags：电子垃圾