人工智能(AI)技術，特別是生成式大語言模型，正快速滲透到人們日常生活中。然而，一項最新研究提醒我們，生成式AI的電子廢棄物問題不容忽視。據《自然·計算科學》發表的研究論文，2020年至2030年間，生成式AI帶來的電子廢棄物可能激增近1000倍，產生最高達500萬噸的電子垃圾，這與約250億部iPhone 16 Pro的重量相當。這些廢棄物含有的有害材料，可能對環境造成嚴重影響。

隱憂浮出水面

在關注生成式AI帶來的能耗和碳排放的同時，人們往往忽視了算力設施及硬件報廢產生的電子廢棄物問題。最近，中外科學家合作開展的一項最新研究讓這一隱憂浮出水面。

生成式AI的底層是一個材料密集型行業，它依賴于數據中心等數字基建設施。而且，隨著算力需求及技術發展，相關數據中心的電子芯片及硬件架構越發復雜，重量也不斷增加，并在快速更新迭代。業內專家稱，兩年前，GPU(圖形處理器)重0.0318噸，有35000個零件;現在GPU有60萬個零件，重1.36噸。而且數據中心和服務器群中包含的多種高性能計算硬件比如GPU、內存模塊、存儲設備等，普遍壽命在3年左右，當其壽命結束后，必然會產生大量電子廢棄物。

AI技術正快速滲透到人們日常生活中

就生成式AI而言，一方面，其迅猛發展帶來了大規模計算需求，對計算硬件和基礎設施的需求持續增長;另一方面，芯片制程工藝的進步帶來芯片性能的快速提升，單個芯片性能越高，同樣算力需求下所需的芯片數量越少。未來生成式AI的應用會如何發展?又會產生多少算力需求?具體到硬件層，需要多少芯片和服務器?為關聯、量化生成式AI硬件需求，以及產生的電子廢棄物數量，須對這些問題做出回應。

為獲得更貼近實際的數據，中外科學家聯合研究團隊既考慮了未來算力需求的多樣性，又兼顧了對芯片性能的考量。在預測未來大語言模型的算力需求時，他們廣泛參考了產業界的各類預測及行業研究報告，精心預設了三種截然不同的發展情景：一種是廣泛應用的“激進發展情景”，一種是有限應用的“中等發展情景”，還有一種則是少數特定應用的“保守發展情景”。通過全面評估大語言模型的參數規模、訓練數據量、全球大語言模型數量，以及每日活躍用戶數等關鍵因素，他們推導出不同發展情景下算力需求的復合年增長率，分別為136%、115%和85%。

對芯片性能的考量中，聯合研究團隊基于摩爾定律，結合2020年至2022年服務器增長數量的實際數據，推算出了2023年至2030年服務器算力水平的變化趨勢。同時，他們還充分考慮了地緣上的復雜因素，對中國、美國及歐洲等國家和地區的芯片性能及發展水平進行了細致調整。此外，鑒于目前僅有少數企業具備生產先進GPU芯片的能力，他們還基于這些企業過往兩年的產能及出貨量情況，合理設置了未來GPU產能擴展率的限制條件，從而構建了一個更為貼近現實的產能約束發展情景。

基于較全面的分析和考量，聯合研究團隊創新性地開發了“算力物質流”模型。這一模型對人工智能的“需求—算法—算力—芯片”進行了清晰的分層解構及參數化建模，有效串聯了人工智能終端服務需求與底層物理世界的緊密關聯。

模型計算推演結果顯示，如果不采取任何循環經濟措施，在2023年到2030年期間，在激進、中等和保守三種發展情景下，產生的電子廢棄物總量分別達到了500萬噸、300萬噸和180萬噸。

亟待全球合作

根據2024年《全球電子垃圾監測報告》，目前僅有約22%的電子垃圾被正式收集和回收，大部分電子垃圾都是通過非正式渠道回收。

電子垃圾中包含銅、金、銀、鋁和稀土元素等貴重金屬，這部分元素由于其經濟價值往往能得到回收。然而，部分電子垃圾會被出口至環境監管相對寬松的國家和地區進行回收。在這些區域，電子垃圾中的鉛、汞和鉻等有害物質往往無法得到有效處理。

目前，僅有少部分電子垃圾被正式收集和回收

為應對電子垃圾可能造成的嚴重環境污染問題，聯合研究團隊基于“需求—算法—算力—芯片”框架，提出了全鏈條循環經濟策略。從算法層面，設計更加高效的算法，可以減少算力消耗;從芯片層面，通過高效芯片開發，可以減少不必要的計算和存儲，提高數據處理的性能和效率，較預期可減少約50%的電子廢棄物;在運營層面，將壽命結束的服務器降級循環利用，額外使用一年，就能夠避免約62%的電子廢棄物;拆卸、翻新和重新制造已過時服務器的關鍵模塊則能減少42%的電子垃圾。

但這些措施要想真正落地，還有很長的路要走。當前，生成式人工智能的發展仍在“跑馬圈地”，快速增長的背后，潛藏著很多問題。此外，部分國家和企業對先進芯片出口的限制，可能會促使其他國家增加對上一代芯片的消費，從而在全球范圍內加劇電子廢棄物的產生。

為更好促進人類社會的可持續發展，全球范圍內亟需加強合作，采取更加負責任的生成式人工智能使用與治理策略，并輔以積極的電子廢棄物管理措施，以有效減輕人工智能對資源環境的負面影響。