人工智能產生大量碳排放它也開始減少排放了 - 彭博社

插圖：Petra Péterffy為彭博綠色頻道創作人工智能因其高耗電特性被冠以氣候公害之名。訓練單一模型消耗的電量可能超過100户美國家庭全年用電量。

隨着全球對人工智能需求的增長，數據中心的能耗也將攀升——國際能源署預測到2030年將翻倍以上。這將對能源轉型產生實質影響：彭博新能源財經最新報告顯示，未來十年數據中心新增電力需求中三分之二將依賴化石燃料。

儘管對人工智能的擔憂不無道理，該技術在應對氣候變化方面仍大有可為。減排方案往往需要分析海量數據並識別新規律——這正是計算機比人類更擅長的工作。算法還能幫助社區更好地防範氣候風險，例如通過篩查火災易發地區攝像頭拍攝的圖像，在肉眼尚未察覺時提前發現野火苗頭。

國際能源署(IEA)估計，擴大現有AI解決方案的應用規模，其減排效果可能超過所有數據中心產生的排放總量。不過該機構也指出，AI並非全球氣候危機的"靈丹妙藥"。

麻省理工學院教授、非營利組織"Climate Change AI"主席普麗婭·東蒂(Priya Donti)指出，目前很難衡量AI避免的環境破壞是否超過其造成的損害。由於開發者很少追蹤碳足跡，大多數情況下無法將計算機模型產生的排放與它們消除的排放進行直接比較。她補充説，這種平衡往往比簡單的同類比較更為複雜——例如，能發現氣候適應性作物的AI工具，其效益就無法用減排量來衡量。

好消息是：並非所有模型都需要消耗鉅額能源，且監管機構正在加強對AI應用環境代價的監管。“從宏觀社會層面看，其收益可能超過成本，“東蒂表示。

以下是企業運用AI應對氣候變化的四種方式。

插圖：Petra Péterffy為彭博綠色頻道創作### 以更低能耗運輸人與貨物

自動駕駛汽車不僅是科技噱頭：它們能實現實質性減排。Waymo LLC的無人駕駛汽車目前僅在少數城市運營，但該初創公司投資者G2 Venture Partners分析發現，若其能佔據歐美10%的客運里程，將減少1.04億噸排放。

所有車輛均為電動，這貢獻了減排量的一半。但由Waymo人工智能驅動的高效駕駛方式額外減少了2300萬噸排放，這一數字超過了2023年所有特斯拉上路車輛實現的減排總量。

“他們在更多城市部署，就能獲取更多數據，其人工智能也會變得更智能、更具普適性，“G2風投合夥人尼爾·梅塔表示。

人工智能還在幫助削減船舶和火車的碳排放。讓大型交通工具電力化存在技術難度和高成本問題，而清潔版化石燃料的普及尚需時日。雖然鐵路和航運公司最終必須轉型，但當前每節省一滴柴油都能實現即時減排。

但將節能目標轉化為日常操作並非易事。試想駕駛火車穿越丘陵地帶：當部分車廂正在爬坡而其他仍在下降時，是該滑行省油還是加大油門？在人類需要憑經驗判斷之處，人工智能能精確計算出最省油的駕駛模式。

總部位於加拿大蒙特利爾的Railvision Analytics公司開發了一款應用程序，幫助機車工程師進行微調操作，從而實現柴油的大幅節約。據該公司數據，工程師遵循程序建議時，柴油消耗量通常比自主駕駛時減少約15%。

人工智能還能幫助貨船以更少燃料航行相同距離。香港初創企業Neptune Robotics研發的水下機器人通過圖像處理算法，可在渾濁水域清除船體附着物（包括藻類、海藻和藤壺），從而減少航行阻力。

插圖：Petra Péterffy為彭博綠色頻道創作### 全球威脅排查行動

電力線路橫跨廣袤土地，小段故障可能導致大面積停電。隨着氣候變化加劇自然災害頻發，電網運營商面臨越來越大的基礎設施監控壓力。

總部位於舊金山的Pano AI公司已在美國、加拿大和澳大利亞的火災高發區部署了數百座高科技防火瞭望塔。其全景攝像頭每分鐘拍攝周邊環境快照，經算法分析可識別火情徵兆。俄勒岡州最大電力公司波特蘭通用電氣表示，藉助這些數字防火員，其員工不再需要24小時不間斷監控約3000箇中央公園大小的服務區域。該公司稱，該AI系統還發現了人眼未能察覺的煙霧。

野火併非電網運營商的唯一威脅，風暴可能導致瘋長的樹木和其他植被倒伏在電力線上。過去行業慣例是每隔幾年修剪樹木，但氣候變化正加劇風暴頻率和強度，並改變植被生長速度，因此電力公司現在必須制定更精確的維護計劃。

部分企業正運用人工智能技術提供助力。總部位於加州帕洛阿爾託的AiDash公司通過計算機模型處理衞星圖像，預測植被未來生長趨勢，從而識別需要修剪的區域。該公司表示，其AI賦能的分析系統已幫助超過100家公用事業公司更有效地保護電網安全。

插圖：Petra Péterffy為彭博綠色頻道創作### 打造氣候適應性食品

許多傳統農作物難以抵禦氣候變化導致的極端天氣。但通過隨機雜交培育抗逆性作物的傳統方法耗時漫長。由於人工智能能快速分析海量數據並生成數百萬種植物基因組合，既可加速育種進程，又能預測哪些組合在乾旱條件下仍能保持良好產量。

這正是北卡羅來納州達勒姆市Avalo公司採用的方法。育種人員根據AI生成的指導（例如將A植株與B植株雜交），以傳統方式進行作物培育，並循環該過程直至獲得理想品種。

“我們讓自然規律主導進程，人類只需輔助調控，“Avalo聯合創始人Brendan Collins解釋道。

Collins指出，傳統育種需15年開發新品種，而AI輔助育種僅需3年且成本降低80%。這家初創公司預計其首款產品——生長週期更短的西蘭花將於今年登陸美國超市。正在研發的節水型棉花和甘蔗等作物也將陸續面世。

總部位於加利福尼亞州聖拉蒙的Beewise正在解決農業中的另一個問題：蜜蜂數量下降。根據一項行業調查，截至2024年4月的12個月內，美國養蜂人因氣候變化和其他威脅損失了超過一半的蜂羣。

Beewise利用計算機視覺技術監測蜂羣健康。當軟件識別出問題時，它會派遣安裝在蜂巢附近的機械臂為蜜蜂餵食或治療疾病。這家初創公司表示，通過及時提供護理，其產品自2022年以來已拯救了超過2億隻蜜蜂。

插圖：Petra Péterffy為彭博綠色頻道繪製### 加速綠色創新

許多綠色產品面臨推廣緩慢的問題，因為它們的成本高於高排放的同類產品。以可持續航空燃料為例，根據歐盟航空安全局的數據，其價格可能比傳統航空燃料高出10倍。一家名為Kaio Labs的初創公司正在利用機器學習和自動化尋找更便宜的配方。

利用捕獲的二氧化碳作為原料的可持續燃料，是通過一系列化學反應在催化劑輔助下製造的。這家總部位於新澤西的初創公司聯合創始人威廉·珀維斯表示，反應效率越高，燃料成本就越低。他將科學家比作傳統上需要穿越廣袤大地尋找最佳催化劑的探險者。得益於人工智能和自動化技術，他説：“我們擁有精密的雷達系統，能夠直達目標。”

在其實驗室裏，Kaio公司的人工智能設計出能將捕獲的二氧化碳轉化為乙烯的分子——這是合成燃料的關鍵成分。機器人執行實驗將這些分子設計轉化為實際產品，而實驗結果又會反過來優化算法，改進下一次設計。珀維斯透露，其初創公司計劃從明年開始運用這項AI工具開發可持續燃料的新型催化劑。