人工智能（AI）和机器学习（ML）有望让世界变得更美好，但它们的快速发展也带来了日益增长的环境影响。这主要源于大规模数据中心对能源和水资源的巨大需求，以及硬件生产相关的资源消耗。

不过，材料创新者正在开发解决方案应对这些影响，具体包括延长性能寿命、提高能源效率，以及增强人工智能生态系统的基础设施韧性。例如，借助先进材料科学，陶氏化学（Dow）推出的技术能优化热管理，相比采用空冷进行热管理的方案，可降低数据中心的能源消耗，进而助力减少温室气体（GHG）排放。

这些努力体现了有针对性的创新如何应对人工智能的环境影响，为负责任且可持续的数字化转型铺平道路。

主要要点

• 
  
• 人工智能和机器学习正在改变行业，但它们的快速扩张带来了巨大的环境影响，且影响不断扩大。
• 数据中心能耗中高达40%的大部分用于冷却系统。高效的热管理对于减少温室气体排放和运营成本至关重要。
• 组织采用可持续的人工智能实践，如设计节能网络、使用可再生能源以及将回收材料融入硬件。
• 企业们还在探索先进的核技术，这是一种清洁、可靠且近乎净零排放的能源，以帮助满足日益增长的能源需求。
• 陶氏的先进材料——如消费设备热管理解决方案、冷却系统数据中心解决方案以及电信基础设施的硅基胶粘剂、密封剂和界面材料——在实现可持续AI生态系统中发挥着关键作用。

人工智能对环境的影响有哪些？

人工智能对环境的影响贯穿了人工智能系统整个生命周期，包括能源、水资源消耗以及废弃物产生等方面。

驱动人工智能运营的数据中心消耗大量电力。预计到2026年，它们的全球用电量将接近1050太瓦时。换句话说，如果数据中心是一个国家，它们将是全球第五大能源消费国——低于俄罗斯，但比日本多。¹如果能源主要来自化石燃料，这种能源需求可能导致温室气体排放增加。

除了能源，AI系统还消耗水资源，主要用于冷却数据中心运行。数据中心全球年用水综合量预计到2027年将达到42亿至66亿立方米。²根据伦敦市当前的用水量，整个伦敦市需要超过4年才能使用这么多水。³

技术的快速进步也可能导致更多电子浪费，当设备和组件过时被替换以运行更复杂的人工智能模型时。用于训练生成式人工智能模型和运行人工智能应用的硬件和其他设备，到2030年可能产生多达500万吨电子废弃物。⁴

解决这些挑战对于确保人工智能的益处不被不可持续的做法所削弱至关重要——这也引导行业领袖和政策制定者走向可持续的做法。