在 AI 人工智慧技術快速演進同時，全球也面臨永續轉型的關鍵時刻。AI 不僅是驅動第四次工業革命的核心力量，也逐漸被賦予推動環境與社會永續的期待。然而，當 AI 成為推手的同時，它所帶來的龐大能源消耗與碳足跡，也讓人不得不正視其對永續目標可能造成的反效果。這是一場科技進步與環境責任之間的拉鋸戰，我們應如何在兩者之間找到平衡？
（圖片來源：unsplash）
AI 助力永續韌性 在 ESG 三面向提供實務應用
據《AI Readiness Index》報告指出，愈來愈多國家將 AI 作為因應氣候變遷、提升治理效率與強化社會韌性的關鍵工具──從智慧電網、智慧農業，到碳排放監控與循環經濟平台，AI 在 ESG（環境、社會、治理）各個領域的應用日益成熟。例如：在環境面 (E)，AI 可預測能源需求、優化電力分配，提升再生能源使用效率。如 Google 的 DeepMind 系統協助資料中心減少 40% 用電量，並讓 PUE （電力使用效率，Power Usage Effectiveness）降低了15%；台達電的虛擬機台開發平台，導入 AI 輔助來優化製程的耗能管理；中鋼導入 AI 技術提高鋼鐵燒結製程良率，一年約可減少生產過程中 2.2 萬噸的碳排。此外，AI 模型也被應用於碳捕捉效率評估、森林保護與極端氣候預警，強化環境管理的即時性與前瞻性。
在社會面 (S)，AI 也能協助疾病預測、城市規劃與偏鄉教育普及，進而促進社會公平。例如肯亞積極推動 AI 數位轉型，透過政府與企業協作擴展網路基礎建設，並成立創新實驗室與數位技能課程，推動 AI 在農業、醫療與語音應用等民生領域的實際執行。此外，AI 也正被廣泛應用在公共衛生與交通治理，如 AI 視覺技術監測道路安全，或協助醫療系統預測急診壅塞情形，提升資源配置效率。
在治理面 (G)，企業運用 AI 進行風險評估、供應鏈透明化與非財務報告分析，強化永續治理。像是聯合利華和微軟合作，用 AI 與雲端運算技術強化供應鏈永續治理，透過即時數據分析提升透明度，並追蹤其原物料採購流程更符合 ESG 準則。同時，越來越多金融機構利用 AI 工具進行 ESG 投資分析與監測，提升綠色金融決策品質與效率，也借助 AI 收集相關金融風險評估資訊。不僅如此，AI 結合邊緣運算與低功耗晶片，也正逐步解決高運算能耗的限制，展現永續技術的創新潛力。自駕車系統、農業感測平台、海洋垃圾監測系統等應用，逐步從實驗階段走向實用化，將進一步擴大 AI 在環境與社會議題中的角色。
能源隱憂浮現：大型模型背後的碳代價
然而，AI 的成長背後隱含著日益嚴重的能源問題。據普林斯頓大學研究指出，訓練一個 GPT-3 等級的大型語言模型，可能耗費超過數百兆瓦時的電力，碳排量相當於約 120 輛汽車一整年的排放量（根據美國環保署估算，每輛車年均碳排約 4.6 公噸 CO₂），若使用更高訓練能耗（如 GPT-3.5 或 GPT-4），碳排放量將更為驚人。從模型訓練延伸至推論階段，我們正進入一個「長期耗能時代」：每當使用者透過語音助理、搜尋系統或推薦引擎與 AI 互動時，都會累積龐大的能耗需求。尤其是生成式 AI 崛起，其即時處理的特性更加強了對運算與電力資源的依賴。
國際能源總署（IEA）的報告《World Energy Outlook 2024》指出，截至 2022 年，全球資料中心與資料傳輸網路的耗電量已達約 460 TWh，約佔全球電力需求的 2%–3%，相當於整個英國的用電量。若未強化能效與政策干預，至 2027 年全球資料中心可能因 AI 運算需求翻倍，其總耗電量將上升至 1,000 TWh。尤其是生成式 AI 查詢的平均能耗為傳統搜尋的 10 倍以上，對電網與水資源帶來明顯壓力。除非明確採取能源轉型與效率優化的行動，否則 AI 將對淨零排放目標造成莫大的衝擊。
台灣也正面臨同樣挑戰，甚至更加嚴峻。根據綠色和平於最新發表的《晶片榮景後的暗影》報告，台灣在 AI 晶片製造上的電力消耗與碳排放在東亞地區居於首位。雖然台積電是全球 AI 晶片供應鏈中的關鍵角色，但同時也是耗能與碳排的大戶，2022 年台積電用電量達到 196 億度，是全台最大單一用電戶，碳排放總量達 1,300 萬噸 CO₂e。更值得注意的是，2023 至 2024 年間，台積電在 AI 晶片生產上的用電增加了 2.92 億度，但綠電使用僅增加 2.33 億度，再生能源使用的增幅遠遠追不上用電成長。報告也表示，AI 晶片的製程越來越依賴極紫外光（EUV）技術與先進封裝，導致單位晶片製造所需能耗上升，進一步加重台灣電力與碳排負擔。
