人工智能（AI）熱潮下概念股備受追棒，AI科技看來潛能無限，但經驗及實驗均顯示AI科技要達到改變生活的普及程度，將面對艱巨挑戰，當中能源是最大阻力。AI系統消耗大量能源，而能源開發是個難題。
讓我們從實體基礎設施和潛在應用方面，來探究人工智能的碳足跡。人工智能的實體基礎設施包括數據中心、處理器和其他專用電腦硬件。研究顯示，人工智能運算的生命週期分為四個階段：生產、運輸、營運和報廢。其中，營運階段所產生的碳排放量高達70%至80%。
大型語言模型（LLM）是一種AI程式，屬聊天機械人ChatGPT及類似AI系統背後的科技。LLM是理解和產生人類語言文字的機械學習模型，透過「閱讀」大量文章和影音進行演算，學習單詞和句子之間的關係，通過資料辨識模式，產生自然且可讀的輸出。但這需要海量計算，動用大量能源。
數據中心是人工智能的能源消耗重點。目前全球約有1%至1.5%的總用電量來自數據中心。生成式人工智能（如ChatGPT-3）的訓練需要大量電力，相當於120個美國家庭一年的用電量。
製造AI晶片需要能源，運算能力耗用能源，AI系統冷卻系統消耗水源和能源，數據中心的水足跡受發電時消耗的水資源和冷卻消耗的影響。訓練一項生成式人工智能模型可能消耗多達28.4萬公升水，相當於一個普通人27年的用水量。至於報廢階段主要影響是其產生的電子廢棄物，含有重金屬和有毒的化學物質。
能源轉型惟消耗量持續上升
雖然全球踏上能源轉型之路，減少以燃燒化石燃料來生產及供暖，但能源消耗量未見大幅下跌。以美國為例，過去10年電力需求增加兩倍，對電網構成更大壓力。AI科技和加密貨幣是美國耗電量增加的原因之一，顧問公司麥肯錫（McKinsey）去年在研究報告指出，數據中心的電力需求量將不斷攀升。
近日《紐約客》（New Yorker）一篇文章引述ChatGPT開發商OpenAI行政總裁阿爾特曼（Sam Altman）在瑞士達沃斯世界經濟論壇（WEF）提出類似關注，阿爾特曼聲稱大家都未意識到AI科技對能源的需求，相信能源供應將追不上需求，除非能源開發取得突破，例如核聚變發電或太陽能發電，以及儲能成本大幅縮減，甚至出現仍然未有人預計的大規模能源開源計劃。
