30 秒看重點
- 事件:微軟為投入AI,大砍八成碳移除採購量,衝擊其2030年淨零碳排承諾。
- 意義:揭露AI發展與環境永續的巨大矛盾,企業減碳壓力與日俱增,全球淨零目標面臨考驗。
- 影響:科技業ESG承諾恐集體動搖,台灣半導體與資料中心綠電壓力更大,牽動產業鏈與能源政策。
這則新聞點出AI熱潮下最赤裸的現實:即使是承諾在2030年實現淨零排放的科技巨頭微軟,面對AI龐大的能源需求,也不得不犧牲部分減碳目標。這不只讓微軟的綠色形象蒙塵,更敲響了全球科技業與環境永續發展之間日益加劇的警鐘。
AI,是創新引擎還是碳排放巨獸?
近年來,全球科技巨頭紛紛投入生成式AI的軍備競賽,從OpenAI的ChatGPT到Google的Gemini,再到微軟Copilot,一波波AI應用浪潮席捲而來。然而,這股創新熱潮背後,卻隱藏著巨大的「能源隱藏帳單」和環境衝擊。微軟作為AI領域的領頭羊之一,其最新的決策無疑將AI的碳足跡問題,直接攤在陽光下。
微軟原本雄心勃勃地承諾,要在2030年實現淨零碳排放,這項承諾的關鍵一環就是透過「碳移除」技術,將已經排放到大氣中的碳捕捉回來。但DIGITIMES報導指出,微軟最新公布的採購數據卻讓人跌破眼鏡,碳移除的採購量大幅縮減,從2022年的140萬噸,暴跌至2023年的僅約20萬噸,降幅高達八成以上。
為什麼會這樣?簡單來說,AI就像一個超級耗能的「智慧大腦」。每一次AI模型訓練、每一次使用者呼叫AI進行推理運算,都需要無數顆高性能的AI晶片在「資料中心」裡高速運作。這些資料中心就像AI的「超級工廠」,不僅需要驚人的電力來驅動晶片,更需要龐大的電力來維持這些晶片在適當溫度下運作,否則就可能過熱當機。想想看,你家電腦玩個遊戲都會發燙,何況是全球數十億人都在使用的AI模型,它背後的資料中心散熱需求有多大!
微軟坦承,其範疇三碳排放量——也就是供應鏈和產品使用產生的間接排放——在2023年增加了29.1%,遠超其自身的減碳目標。這主要是因為與AI和雲端服務相關的基礎設施擴張所致。換句話說,AI的需求成長速度,遠遠超出了他們透過再生能源或碳移除技術來抵消碳排放的能力。這迫使他們在「衝刺AI」與「實踐減碳」之間,做出了艱難的抉擇,而現階段,AI的優先級明顯更高。
台灣怎麼看這件事?
微軟的案例對台灣來說,絕對是個重磅警訊,牽動著台灣在AI全球供應鏈中的關鍵地位。台灣身為全球半導體製造重鎮,舉凡AI晶片、伺服器等核心元件,幾乎都由台灣供應鏈負責。當全球對AI的需求越旺盛,台灣的晶圓代工廠(如護國神山台積電)和相關供應商就必須投入更多的生產,這意味著更高的能耗和碳排放。另一方面,台灣也積極發展AI產業,國內的資料中心建置需求只增不減,這些都是吃電怪獸。這讓台灣的能源轉型壓力倍增,特別是在綠電普及率仍有待提升的背景下,如何滿足AI帶來的巨量電力需求,同時又能符合國際客戶的ESG要求,是擺在政府與企業面前的嚴峻考驗。若無法有效解決,恐影響台灣在全球AI供應鏈中的競爭力。
編輯觀點
微軟這次的「碳移除大砍價」事件,像一記警鐘,提醒我們AI的發展不能只追求效能與速度,更要嚴肅面對其背後的環境成本。科技巨頭的ESG承諾,絕不能在商業利益前說變就變。我們需要更積極發展「綠色AI」技術,從晶片設計、演算法優化到資料中心運營,全面提升能源效率。否則,我們享受AI便利的同時,可能正悄悄加速氣候變遷,這將是所有人類的「隱藏帳單」。
常見問題
- 什麼是「碳移除」?
- 「碳移除」是指透過自然(如植樹)或工程技術(如直接空氣捕捉)將大氣中的二氧化碳移除,以抵銷排放,是實現淨零排放的關鍵手段。
- 為什麼AI會消耗大量能源?
- AI訓練與運算需要高性能晶片在資料中心高速運行,產生巨大熱量,需要大量電力來驅動晶片並進行冷卻,導致能源消耗巨大。
- 微軟的決定會影響其他科技公司嗎?
- 微軟作為產業龍頭,其決策可能產生示範效應,促使其他科技公司重新評估自身AI發展與減碳承諾的平衡,甚至可能引發對ESG目標的普遍審視。
- 這對台灣有什麼影響?
- 台灣是AI晶片與伺服器主要供應國,AI發展將增加半導體生產能耗。同時,國內資料中心建置增加,對台灣的綠電供應和能源轉型帶來巨大壓力。
- 我們能做什麼來減輕AI的碳排放?
- 可從技術層面優化AI演算法減少算力需求、提高資料中心能源效率、推動使用再生能源供電,並研發更高效的綠色AI硬體。
名詞小教室
- 碳移除 (Carbon Removal)
- 想像地球是個大氣球,二氧化碳是讓氣球膨脹的氣體,碳移除就像是從氣球裡抽氣,把多餘的二氧化碳吸出來,減少其在大氣中的濃度。
- 資料中心 (Data Center)
- 可以把資料中心想成AI的「超級電腦機房」,裡面塞滿了幾萬甚至幾十萬台高性能伺服器,負責處理所有AI運算、儲存大數據,是AI賴以生存的大腦中樞。
- AI訓練 (AI Training)
- 就像教小孩讀書一樣,讓AI模型看過海量資料、從中學習模式,以提升其智慧程度,這過程需要極大的運算量和電力。