“`html
人工智慧（AI）的快速發展，正以前所未有的速度改變著我們的生活與工作。然而，在這股科技浪潮的背後，隱藏著一個不容忽視的問題：AI到底有多耗能？尤其是在資料中心運作、模型訓練和推理過程中，AI系統消耗了大量的電力和水資源，對環境造成了長遠的影響。本文將深入探討AI的耗能問題，聚焦於Google Gemini的用水量，並分析專家對Google研究的質疑，揭示AI發展背後的環境代價，希望引發更多關於永續AI的討論。
Gemini 耗能爭議：5 滴水真的夠嗎？
Google聲稱Gemini應用程式處理文字提示平均消耗0.26毫升的水，約等於5滴水。這個數字一經發布，立刻引發了業界專家的質疑。
加州大學河濱分校副教授Shaolei Ren指出，Google的研究忽略了間接用水量。除了資料中心冷卻系統的直接用水外，AI電力需求增加所帶動的新電廠建設（如天然氣、核能發電）也需要大量用水。這些間接用水量並未被納入Google的計算中，導致其對AI環境影響的理解並不完整。
間接用水量是衡量AI耗水量的關鍵因素。Ren教授的研究表明，考量資料中心的直接和間接耗水總量，每次文字提示可能消耗約50毫升的水，遠高於Google聲稱的5滴水。這種量級上的差異，凸顯了全面評估AI耗水量的必要性。
AI 能源消耗：不只晶片，還有基礎設施
Google的研究也揭示了AI能源消耗的構成。除了運行模型的AI晶片（TPU）所使用的電力外，支援AI晶片的所有基礎設施，包括主機的CPU和記憶體、備用設備，以及資料中心的電源轉換和散熱冷卻等，也消耗了大量的電力。這意味著，要降低AI的能源消耗，不僅要提升AI晶片的效率，還需要優化整個基礎設施的能源效率。
碳排放的迷思：市場基礎 vs. 所在位置基礎
在碳排放方面，Google的研究僅分享了「以市場為基礎」的碳排放衡量標準。然而，更全面的做法應納入「以所在位置為基礎」的碳排放衡量指標，即綜合考慮當地電網的潔淨能源和非潔淨能源組合。這能更深入了解資料中心所在位置的環境影響，避免數據上的誤導。
AI 耗能的相關實例
除了Gemini之外，其他AI模型的耗能情況也備受關注。例如，大型語言模型的訓練需要消耗大量的計算資源和電力，這也促使研究人員不斷探索更高效的模型訓練方法，以及更節能的硬體設備。
優勢和劣勢的影響分析
AI在提升效率、解決問題方面具有巨大的優勢，但其高耗能的劣勢也帶來了環境挑戰。如何在享受AI帶來便利的同時，降低其對環境的影響，是我們需要共同思考的問題。這需要技術創新、政策引導以及企業和個人的共同努力。
深入分析前景與未來動向
未來，隨著AI技術的不斷發展，我們需要更加關注其對環境的影響，並積極探索解決方案。例如，開發更節能的AI
相關連結：
Share this content:
