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。
目前再生能源快速發展，成為混能領域的重要一環，卻具有局限性，包括存在「斷斷續續」的問題，相關設施在陽光普照或颳起大風才能發電。綠色能源，儲能技術的開發及突破，或會是一個長青的行業。據報，微軟正投資於小型模組化反應堆科技，這類小型反應堆可興建在數據中心對面，提供其他潔淨能源難以供應的穩定電源。
在取得重大突破前，化石燃料仍然是全球能源供應的重要一環，也不會在不久將來被淘汰。除了能全天候開採，而且供應充足，相關基建也發展完善，難怪國際能源署（IEA）每年都調高化石燃料需求預測，有時甚至一年內上調兩次。石油價格或許在一段時間內會易升難跌。
心安自在
【關於 #龍稱】
佛教徒。龍天護法之象，心法相稱之本。少年時移居香港，高中開始接觸財經訊息並學習投資，至今凡三十年。投資既是個人興趣，亦為終身事業。曾任職於《信報》，與曹仁超先生結下忘年之交，有師徒之情。後曾就職於歐美投資銀行。
財富多寡與否在因果，也在心量，因果展現為運氣與能力，心量可改理解為布施、渴望、蓄水池等等，心量越大，福報也越大。在每一個當下把握主動，以積極態度守護財富乃至人生愿望，財富增長、心想事成是必然結果，也能為有緣人帶來光明和快樂。
