研究人员预测，人工智能模型庞大且迅速增长的算力需求可能导致到2030年，该行业每年产生的电子废弃物相当于超过100亿部iPhone。
在发表于《自然》杂志的一篇论文中，来自剑桥大学和中国科学院的研究人员试图预测这一不断发展的行业可能产生多少电子废弃物。他们的目的并非限制该技术的采用，他们在开篇就强调该技术前景广阔且很可能不可避免，而是为了让世界更好地为其快速扩张带来的实际后果做好准备。
他们解释说，能源成本已经受到密切关注，因为它们已经在发挥作用。
然而，其生命周期中涉及的物理材料以及过时电子设备产生的废物流……受到的关注较少。
我们的研究旨在不精确预测AI服务器及其相关电子废弃物的数量，而是提供初步的总体估算，以突出即将到来的挑战的潜在规模，并探讨潜在的循环经济解决方案。
这必然是一项粗略的工作，因为要预测一个 notoriously（臭名昭著地）快速变化且不可预测的行业所带来的次生后果。但总得有人至少尝试一下，对吧？重点不在于将误差控制在百分比级别，而在于确定数量级。我们谈论的是数万、数十万还是数百万吨的电子废弃物？根据研究人员的数据，这个数字可能接近该区间的上限。
研究人员模拟了低、中、高增长几种情景，以及支持这些情景所需的计算资源类型及其使用寿命。他们的基本发现是，与2023年相比，废弃物量可能增加多达一千倍：
“我们的结果表明，电子废弃物的快速增长潜力为：从2023年的2.6千吨（kt）[每年]增长到2030年的约0.4–250万吨（Mt）[每年]，”他们写道。
诚然，以2023年作为起始指标可能有些误导：由于大部分计算基础设施是在过去两年内部署的，2.6千吨的数字并未将其计入废弃物。这使得起始数字大幅降低。
但从另一个角度来看，这个指标相当真实准确：毕竟，这是生成式AI热潮前后的大致电子废弃物数量。随着第一批大型基础设施在未来几年内达到使用寿命终点，废弃物数据将出现急剧上升。
研究人员提出了多种缓解措施（同样仅以宏观概述）。例如，处于寿命末期的服务器可以进行降级再利用而非直接丢弃，通信和电源等组件也可以被重新利用。此外，通过改进软件和提升效率，可以延长特定芯片代际或 GPU 类型的有效使用寿命。有趣的是，他们主张尽快升级到最新款芯片，因为否则公司可能不得不购买两块性能较慢的 GPU 来替代一块高端 GPU 的功能——这会导致废弃物数量翻倍（甚至可能加速产生）。
这些缓解措施可将废弃物负担减少 16% 至 86% 不等——显然这是一个相当大的范围。但问题主要不在于效果的不确定性，而在于这些措施是否会被采纳以及采纳程度的不确定性。如果每一块 H100 都能在某个大学的低成本推理服务器中获得第二次生命，那么环境清算的压力将大大分散；但如果只有十分之一的 H100 能获得这种待遇，效果则有限。
这意味着，在他们看来，实现废物的低估值与高估值之间的差异是一种选择——而非必然结果。您可以在此处阅读完整研究。