聯合國直屬機構指香港數據中心碳排放 強度全球第三高

直屬聯合國的學術機構聯合國大學環境與健康研究所（The United Nations University Institute for Water, Environment and Health - UN INWEH）上周發表一份題為《人工智慧能源使用的環境成本》的報告顯示，香港數據中心的碳排放強度為全球第三高，原因主要是香港的數據中心主要倚賴以石化燃料能源網，令碳排放超標。

目前，全球數據電網平均碳強度約為395至411克 CO₂\ kWh，而碳強度最高的國家均在亞洲，分別為印尼、印度和香港，分別超出全球平均值62%、51% 和43%，而它們倚賴石化燃料的比例則分別為91%、78%和67%。

人工智能的急速發展，全球運算力需求大增，而數據中心則成為必不可少的基礎設施，但隨之而來是龐大的電能需求。

INWEH 的報告指出，在2023至2033十年間，AI 的市場規模將增加25倍，由美元1,890億增加至近5兆。然而 AI 的訓練和應用都需要龐大的電力供應，單單 GPT-4 的訓練過程，就產生相等於25,000噸CO₂的碳足跡，這相當於420,000棵樹苗生長10年的碳封存能力。但80％至90%與 AI 相關的電力將花在應用層面，生成一張普通人工智慧圖像所需的能源，相等使用一盞10瓦的 LED 燈泡17分鐘；而生成一段較複的人工智慧影片所需的能源，則足以讓這盞燈泡運作42小時。

2025 年中，單單 ChatGPT 每天的用戶指令達25億個，而全球數據中心的用電量達448 TWh，當中20%用於 AI 運算。估計到2030年，全球數據中心的用電量將達 945 TWh，當中40%將用於 AI 運算。

報告指出，全球數據中心於2030年的用電量「幾乎是巴基斯坦、孟加拉和尼日利亞三個國家每年電量總和的三倍，而這三個國家的總人口超過6.5億」。

目前全球數據中心的容量分布極不均衡，少數國家承載了全球大部分的運算基礎設施，美國的數據容量就佔全球接近一半，而香港的容量亦躋身全球第二十位。

香港目前有61間數據中心，算力為 5,000 PFLOPS，隨著沙嶺數據園於2029年續步投入營運，數據中心將於2030年增至81間，而沙嶺全面落成後，將提供18萬PFLOPS，即目前的36倍。然而，香港幾乎完全倚賴進口能源，亦沒有足夠土地發展可再生能源，如何持續以能源支持這些算力，並且控制能源成本，以及減低數據中心能源網的碳排放強度將是一大挑戰。

目前，香港的數據中心能源供應中，有67%來自化石燃料，32%來自核能，只有1%來自再生能源。若香港要做到政府口中所說的亞太區「國際智算中心」，在水和能源方面的需求會激增。目前，香港對應數據中心的能源政策，主要是加強能源效益，如允許高端數據中心申請使用水冷式空調系統、推動「直接晶片液冷（Direct-to-Chip）」和「浸沒式液冷」技術，以及向內地購買更多潔淨能源。

然而，儘管中國有發展核能和可再生能源，其電力供應仍高度依賴輸入的石化燃料，而中國數據中心的碳排放強度，亦高於全球平均值21%。

相對亞洲各國，歐美數據中心的能源網在碳排方強度和設備的能源使用效益領先。美國、德國和義大利的數據中心電力碳排放強度分別比全球平均低18%、24% 和32%。佔全球超級電腦算力近半（48.4%）的美國，其數據中心的電力供應私的比例為化石燃料58％、可再生能源23％及核能19％。

INWEH 的報告最後強調AI企業、政府和用戶決在設計、管治和使用 AI 時要秉持以下的原則：
1. 透明：要披露 AI 發展對能源、水和土地造成的消耗和影響，讓公眾在知情的狀況下有選擇權。
2. 資源效益：強化運算系統、裝置在能源和水資源上的效益，減少因器材的消耗而製造的廢料。
3. 公平與正義：確保那些生活在電網碳排放強度、用水強度及土地強度較高地區，或資源受限地區的人們，不會因人工智慧的發展而承擔不成比例的負擔。
4. 責任：人工智慧所消耗的每一單位能源都伴隨著相關的水資源、土地及碳足跡影響，且硬體生產、礦物開採與廢棄處理同樣會產生後果。每一個生產環節都要考慮當中所包含的社會責任。
5. 全球合作：由於存在嚴重的科技鴻溝，很多發展中國家沒有資源發展數據中心，應以互相協調而非純競爭的關係去發展和共享相關基礎設施。
6. 永續使用：企業在日常應用可選擇碳足跡較低的工具、較輕巧的模型，甚至傳統搜尋方式去處理任務，以減少資源浪費。

（本網歡迎各界投稿，文章內容為作者個人意見，並不代表本網立場。）