人工智能的环境代价日益攀升，玻璃材料或成破局关键
新型硬件创新或成关键：为人工智能提供更高效、更可持续的算力支持。
人工智能的迅猛发展正与气候危机的现实发生碰撞，而玻璃基板等芯片材料的突破性进展，为改变现状提供了充满希望的技术路径。
- 人工智能需求激增正推高碳排放量，并使电网持续承压
- 传统芯片材料正逼近物理性能极限
- 玻璃基板可赋能更高能效、更强算力、更优热稳定性的芯片
- 尖端材料科学为大规模降低人工智能能耗提供技术路径
一方面，势不可挡的科技洪流 —— 若您尚未觉察到人工智能正如何悄然渗透日常生活，这种转变很快将显现。皮尤研究最新数据显示，已有34%的美国成年人使用过ChatGPT，使用率较2023年近乎翻倍。当全球科技巨头每年向AI技术、基础设施与广告领域注入数百亿美元时，这一数字必将持续攀升。
另一方面，存在不可逾越的物理边界：我们唯一的地球。正如麻省理工学院气候门户网专家艾伦·克罗尔(Aaron Krol)所言：“人工智能引发能源需求意外暴涨，同时加剧了导致气候变暖的温室气体排放。要化解这一矛盾，我们需要更高效的计算模型、更节能的数据中心，以及为这一切提供动力的新型清洁能源。”
换言之，人类正置身于地球环境承载力与人工智能技术必然崛起的两难困境中。若无实质性的重大变革，当前发展轨迹终将引向灾难性的碰撞。除此之外，难道还有别的结局吗？
人工智能的环境代价
生成式人工智能的碳排放成本之高已成共识。根据现行发展路径，国际能源署预测：到2030年，全球数据中心的电力需求将“增长逾一倍，达到约945太瓦时，这个数字略微超过日本当前全国的年耗电量”。
值得关注的是，微软和谷歌近期发布的报告显示，过去几年间两家企业的碳排放量均出现两位数增长，并将主要原因归结为人工智能技术及其支撑基础设施的扩张。
那么，为何人工智能本质上就是“耗能巨兽”？究其根本，在于处理海量同步数据所需的巨大算力支撑，以及承载这些运算的硬件系统。
正如AnitaB.org数据科学总监凯·双羽·奥顿(Kai Two Feathers Orton)博士所言：“训练人工智能模型需要借助配备GPU或TPU的高能耗数据中心，对庞大数据集进行持续数周甚至数月的处理。这相当于让数千台高性能计算机全天候运转，经年累月地进行大规模数据存储与运算。”
为您介绍凯·双羽·奥顿(Kai Two Feathers Orton)博士
凯·双羽·奥顿(Kai Two Feathers Orton) 博士，一位根植于第一民族（伊努伊纳伊特、特利乔、内兹珀斯、克里）传统的加拿大裔美国学者，集网络安全、数据与人工智能治理专家、科学家、伦理学家及视觉艺术家于一身。在跨越非营利组织、学术界与工业界的二十载生涯中，她始终致力于构建兼具伦理韧性、包容性的信息生态系统。这位受过严格训练的生物物理学家与人工智能科学家，其工作核心贯穿着一个深刻信念：科技、土地与传统智慧本质相连 —— 而真正的可持续未来，源于对这三者的共同敬畏。
除了模型训练，即便只是使用人工智能辅助搜索这类日常应用，同样需要消耗惊人的算力。“用户每次向生成式人工智能提问，系统本质上都是在进行全量计算，”专注于人工智能效率优化的Atombeam公司创始人兼CEO查尔斯·约曼斯(Charles Yeomans)解释道，“它必须重新解析全部数据关联，基于概率分布生成新答案。而每一次这样的交互，其能耗强度都毫不衰减。”
查尔斯指出，其结果是“形成一条平坦的能耗曲线，无论系统使用频率如何、无论问题重复多少次，能效都不会随时间提升。”
当洪流冲击磐石之局
人工智能的环境代价已进入现实清算阶段。在美国加州圣克拉拉，数据中心吞噬全市60%电力，居民电费账单持续飙升；俄勒冈州爆出某数据中心耗水量占据城市供水总量逾四分之一，使民生与农业用水陷入紧缺；五月弗吉尼亚州更发生数据中心柴油备用发电机污染事件，造成约1.5亿美元公共健康损失。
联合国环境规划署最新预测显示，全球人工智能基础设施耗水量即将“达到丹麦全国耗水量的六倍，而这个北欧国家的总人口为六百万人”。
“我们对人工智能的环境影响认知仍存在大量空白，但已知数据已拉响警报，”联合国环境规划署首席数字官戈勒斯坦·萨莉·拉德万(Golestan Sally Radwan)在报告中强调，“在规模化部署前，必须确保这项技术对地球产生的是正向净效应。”
查尔斯对此深表认同：“若不彻底改变技术路线，不找到更可持续的人工智能供能方案，其能耗规模将很快媲美全球最大经济体。而我们当前清洁能源的产能无法满足这种量级的需求，届时将被迫依赖更多高污染能源：更密集的化石燃料、更严重的温室气体排放，甚至可能仓促推进核能基础设施的增长。”
作为原住民学者，凯为这场技术伦理辩论注入了独特视角：“医疗AI确实能拯救生命，但若其算力建立在污染空气、掠夺资源的基础之上，我们就是在制造失衡，”她强调，“而这种失衡的代价，往往最先冲击一线社区。”
曙光正在技术裂缝中显现。
正在研发中的是"小型模块化反应堆（SMR）“，查尔斯解释道。"这些紧凑型核能装置比传统核电站更安全、更清洁地为数据中心供能 —— 鉴于人工智能的能耗规模极其庞大，这类技术已成为关键议题。”
他指出，除开发新能源之外，最大的机遇在于提升人工智能自身的效率。“由于大语言模型实际上并不从环境或交互中学习，我们可以设计出能够从环境中学习的模型，从而随时间推移实现效率提升，”他解释道。
凯进一步指出，除了构建更高效的模型和寻找更清洁的可再生能源外，科技公司还应为其能源消耗承担责任。“可以类比营养成分标签，"她说道，"但这里标注的是工具碳足迹。”
即便算法持续进化，人工智能依然需要消耗巨大算力，这正将传统芯片推向物理极限。
数十年来，由硅技术驱动的计算机芯片性能提升已成为行业标准。正是这种技术将我们推至今日高度，最初为人工智能的兴起提供了计算动力。但随着需求增长，这些技术和材料正触及物理极限 —— 无论是在热管理、能效还是互连密度方面。
为了满足人工智能的能源需求同时避免加剧气候负担，更高效的硬件能作出重大贡献。这意味着我们需要日益突破传统材料的局限。
“当人们谈论半导体时，脑海中浮现的总是硅晶圆上蚀刻的微型芯片，”肖特半导体玻璃解决方案业务发展经理柯林·施穆克(Colin Schmucker)解释道，“但这些精密的硅芯片需要经过封装才能赋能电子设备。”
因此，半导体封装既要保护硅芯片，还需配置电子线路以传输设备信号。柯林指出：“当前基板主要采用介电聚合物与铜的复合结构，但支撑人工智能的高性能计算设备，需要更大尺寸、更精密的基板与封装解决方案。”
针对这些挑战性应用，玻璃成为领先的解决方案。作为基板核心材料，这种古老的材料焕发出全新优势：更平整的表面、改善的热性能、更大的尺寸以及更高的机械稳定性。
“在传统介电层与铜层之间嵌入玻璃芯层，我们能创造出更大尺寸、更平整、更精密的基板架构，”柯林透露。这项变革意味着芯片元件可以实现更高密度集成封装以及结构微型化。
换言之，玻璃基板能以更少的材料承载更强算力，从而实现芯片数量精简、材料浪费减少和总体能耗降低。这种效率提升不仅让人工智能系统变得更快速、更经济，更从根本上重塑其可持续性发展路径。
破局之道，尽在材料革新
“人工智能应用的耗电曲线正在呈指数级增长，”柯林指出，“这意味着需要重建整个能源基础设施来维持算力供给，但玻璃基板哪怕只能节省千分之一的能耗，都将显著降低这些永久性人工智能应用的整体能耗。”
“玻璃基板‘可能会真正改变人工智能系统的效率表现’，Sprout Innovate 创始人兼人工智能专家维普尔·贾恩 (Vipul Jain) 表示。‘仅仅是更好的热管理就意味着更少的热量，因此冷却所需的能量也更少，而冷却是数据中心电力使用的重要部分。’”
“即使在芯片层面上实现适度的能耗削减，也可能带来巨大的全球能源节省。” 维普尔接着说：“如果芯片的效率提高一倍，节省的电力可能相当于像日本这样的国家的总电力消耗，这能让你感受到我们所谈论的规模。” “所以如果这项技术能够实现规模化，它不仅仅是硬件上的突破，更是朝着基础设施层面真正实现脱碳迈出的关键一步。”
从更宏观的角度来看，凯认为减少人工智能能源消耗的影响是全方位的。
“万物都是相互关联的，例如土地、水、人类和技术。但如果我们在构建人工智能的过程中忽视其能源需求，就有可能破坏维系生命的基本系统，”她说。 “这也是我相信可持续人工智能的原因：我们可以打造一种既能帮助人类，也能让地球繁荣发展的技术。”
玻璃本身无法单独解决气候危机。但随着人工智能越来越深入我们的日常生活，像玻璃封装这样的创新为减少碳排放提供了一条切实可行的路径，而无需牺牲技术进步。这可能正是让“不可阻挡的力量”不至于击碎“不可移动的物体”的关键所在。
