為何透過設計實現人工智慧的永續性，是邁向綠色未來的關鍵

隨著人工智慧（AI）加速滲透能源、氣候、供應鏈與決策系統，全球正逐步意識到一項關鍵矛盾： AI 既是實現永續發展的重要工具，同時也是高耗能、高耗水與高資源密集的數位基礎設施。此一矛盾正在重塑科技治理與企業策略，使「永續 AI（Sustainable AI）」從技術議題，快速升級為國際政策、產業競爭與 ESG 治理的新核心趨勢。

AI 基礎設施能源需求暴增，永續風險進入政策視野

當前大型模型訓練、資料傳輸與高效能運算高度依賴資料中心，而資料中心的電力結構正因 AI 需求急速改變。研究預估，到 2028 年， AI 可能消耗超過一半的資料中心電力，年度用電量甚至可比擬美國 22% 家庭用電總量。此一趨勢意味著， AI 將從「數位創新工具」轉變為「能源密集型基礎設施」，其碳排、水資源與電力負載將直接影響各國淨零與氣候政策規劃。亦使得 AI 環境影響不再僅是碳排問題，而是進一步提高企業營運與供應鏈的永續風險。

「設計即永續」成為 AI 治理新典範

過去十年， AI 技術發展主要以準確率、模型規模與效能為導向。然而，國際科技與永續界正出現明顯轉向——將「效率、責任與生命週期影響」納入 AI 評估標準。所謂永續 AI ，強調從設計、訓練、部署到退役的全生命週期管理，涵蓋原料開採、晶片製造、資料處理、模型推論及電子廢棄物處理等環節。

在實務層面，這意味著企業開始：

優先採用小型或蒸餾模型取代過度大型模型
透過微調與重用模型降低重訓成本
建立高資源效率的程式架構與運算流程
將透明揭露納入 AI 開發治理機制

此趨勢顯示，「最先進技術」的定義正從單一效能競賽，轉向「效能 × 生態績效」的雙軌標準。

AI 環境揭露與量測標準仍處早期，治理缺口浮現

相較於傳統產業已有成熟的溫室氣體盤查框架， AI 目前尚缺乏統一的生命週期環境量測標準。企業難以全面追蹤 AI 在能源使用、碳排放、水消耗與電子廢棄物方面的整體影響，導致評估結果零散且不一致。

此外， AI 環境足跡高度依賴地區能源結構、資料中心效率及運算策略，使跨國企業面臨更複雜的治理挑戰。未來國際趨勢將朝向：

即時生命週期評估（Lifecycle Assessment, LCA）
AI 能源與碳強度指標標準化
模型卡與永續揭露制度化
跨區域環境數據整合治理

這也意味著 AI 治理將逐步接軌 ESG 揭露體系，成為企業永續報告與風險管理的重要新指標。

算力供應鏈與關鍵礦物風險同步升高

AI 硬體需求快速擴張，使關鍵礦物（如稀土與高階晶片材料）需求大幅上升，進一步推升供應鏈地緣政治與資源風險。從晶片製造到資料中心建設， AI 供應鏈已與能源轉型、礦物開採及電子廢棄物處理深度綁定，形成「數位—能源—資源」三位一體的新型永續風險架構。

因此，國際企業正將 AI 基礎設施納入供應鏈盡職調查與企業人權、環境治理範疇，顯示 AI 已從單純IT議題升級為 ESG 治理核心議題。

產業協作成為推動永續 AI 的關鍵機制

AI 的環境足跡涉及能源供應商、雲端服務商、硬體製造商、開發者、投資人與監管機構，任何單一組織皆難以獨立解決。國際趨勢正朝向多方協作治理，包括：

建立開放能源與用水基準
推動綠色軟體設計標準
發展 AI 能源評分與碳強度指標
促進跨產業最佳實務共享

此種集體治理模式，亦呼應近年 ESG 由自願性揭露轉向制度化與標準化的發展路徑。

永續 AI 將成企業競爭力與投資評估新指標

值得注意的是，永續 AI 並非限制創新，反而正成為新一代競爭優勢來源。追求運算效率的企業，往往同時獲得更低成本、更快模型與更具擴展性的產品。

對董事會而言，導入永續 AI 亦有助於強化淨零目標、自然相關揭露及長期風險韌性，並回應投資人對科技環境影響的關注。

未來，「 AI 治理成熟度」可能如同企業人權與氣候治理一樣，成為國際評等機構與資本市場的重要評估面向。

結語

整體而言，全球 AI 發展正從「規模導向」邁向「責任導向」，並從技術競賽轉型為治理競賽。當 AI 逐漸成為氣候治理、產業轉型與公共決策的關鍵基礎設施，其永續性將不再是附加選項，而是核心設計要求。未來能夠在模型效率、能源使用、供應鏈責任與透明揭露上建立完整治理架構的企業與國家，將更具長期競爭力與政策正當性。換言之，將永續性內建於每一項模型設計、運算決策與採購流程，將是邁向低碳數位經濟與韌性科技治理的核心路徑。

資料來源： 