什么是 AI 的材料足迹？

AI 模型看似只是屏幕上的软件，但运行它需要一条漫长的实体链条。矿山和精炼厂提供原材料，半导体工厂制造处理器和存储器，设备制造商组装服务器，数据中心则提供供电、网络和冷却。

这一区分很重要，因为运行用电只是生命周期的一部分。在服务器处理第一条提示词之前，制造芯片、电路板、电源、存储设备、冷却硬件以及建造容纳这些设备的建筑，就已经消耗了能源和材料。

没有一个数值能够概括全部环境足迹。不同研究的核算边界有所差异：有些只计入计算设备，有些则涵盖建筑、电力基础设施、水、网络、更换周期或报废处理。可信的估算必须说明其涵盖范围。

AI 加速器集成了处理器、高带宽存储器、电路板、冷却组件和复杂的封装技术。其生产需要严格受控的制造环境、反复进行的加工步骤、超纯水、电力、特种气体和化学品。

更小的半导体工艺节点可以提供更高的计算性能，但这并不意味着制造过程没有环境影响。The Shift Project 的综述指出，随着制造工艺不断进步，单位硅面积对应的能源消耗、水消耗和温室气体影响可能上升，而公开的产品数据仍不完整。

因此，需要从两个层面考量效率。新一代加速器可能用更少的电力完成相同的工作负载，但提前更换设备也会产生新的制造足迹。能否取得最佳结果，取决于工作负载的处理效率、实际使用寿命、利用率，以及被替换硬件的后续去向。

服务器包含钢、铝、铜、硅，以及多种用量较少的专用材料，这些材料用于电子器件、电池、磁体、连接器和供电系统。The Shift Project 汇总的 ADEME 研究指出，各类数字设备中可能含有超过 50 种金属。

问题不仅在于每种材料的质量。采矿、精炼和零部件生产分布在不同国家，其能源、水、污染、劳动和治理条件可能相差很大。少量难以精炼的材料，也可能带来无法从服务器最终重量中看出的影响。

供应链在地理上也高度集中。Stanford 的 AI Index 强调，先进半导体制造和 AI 算力集中在少数国家。这种集中可能造成产业瓶颈，并使收益和环境负担分配不均。

AI 基础设施所需的不只是装有加速器的机架。数据中心还使用混凝土、结构钢、变电站、备用系统、电池、变压器、开关设备、电缆、水泵、换热器、冷却塔和网络设备。

在高度依赖化石能源的电网中，制造和建设产生的隐含排放通常低于运营排放，但并非可以忽略。随着电力的碳强度降低，隐含排放的相对重要性会增加，因为混凝土、钢材、电子设备和替换设备仍是生命周期的一部分。

设施与 IT 设备的老化速度也不同。Google 于 2026 年提交的一份关于内布拉斯加州 Agate 数据中心的文件指出，设施的典型设计寿命超过 25 年，建筑结构主体的寿命为 30 至 50 年，而内部的计算、电气和冷却子系统则按模块更换或升级。这是运营商对某一座数据中心的描述，并非适用于整个行业的通行规则。

对更快加速器的需求，可能使仍可正常运行的旧硬件提前被更换。新设备或许能提高每瓦性能，但制造这些设备需要再次投入材料、工业能源、运输和安装。

退役硬件并不必然成为废弃物。一些服务器和组件可以转用于要求较低的工作负载，也可以翻新、转售或用作备件。数据安全处理、兼容性、能源效率和维护成本，决定了再利用是否切实可行。

无法再利用的设备会进入电子废弃物处理体系。UNU-INWEH 报告引用的一项预测显示，到 2030 年，AI 相关电子废弃物每年可能高达 2.5 百万吨。这是一项前瞻性估算，并非当前实测总量，而且高度依赖对部署规模和更换周期的假设。

半导体和电子设备制造可能消耗水，并使用溶剂、特种气体和持久性化学品。PFAS 用于某些半导体工艺和传热应用，但公开证据不足以将一个精确的全球 PFAS 总量归因于 AI 本身。

土地占用是另一个核算维度。矿山、工厂、发电设施、输电线路和数据中心园区都占用空间，但土地足迹的核算结果在很大程度上取决于电力来源和核算方法。UNU-INWEH 报告说明，低碳、低耗水和低土地占用并不总是对应同一种选择。

这些影响可能发生在远离最终服务使用者的地方。矿物可能在一个地区开采，在另一个地区精炼，在其他地方制成芯片，然后安装到服务全球用户的数据中心。生命周期分析有助于呈现这些分散在各地的影响，同时不假定所有影响都能简化为一个分数。

最直接的措施包括延长硬件实际使用寿命、提高服务器利用率、采用可维修的模块化系统、优先再利用而后回收、推进更清洁的制造，以及改善有价值材料的回收。运营商还可以公开产品层面的环境足迹和设备更换政策，使改进成效能够得到核验。

软件层面的决策同样重要。采用适合用途的小型模型、高效推理、批处理、量化，以及将简单任务分配给更轻量的系统，都可以让现有硬件完成有用的工作。只有当需求增长没有抵消节约效果时，效率提升才会减少总环境足迹。

改进测量至关重要。报告应区分运行用电与隐含排放，明确生命周期核算边界，并将公司整体平均值与设施层面的数据区分开来。目标不是为每条提示词附上一个精确的材料数值，而是让基础设施决策更加透明、更具可比性。