環境部於 COP31 周邊活動中舉辦國際論壇,邀請各界專家共同探討人工智慧(AI)快速普及所引發的能耗挑戰。專家警告,企業若無差別地將生成式 AI 整合至各項常規服務中,將使日常網路行為累積成巨大的能源與環境負擔。
搜尋引擎預設 AI 摘要引發電力消耗疑慮
在論壇中,加拿大麥基爾大學副教授兼 Climate Change AI 共同創辦人 David Rolnick 提到,當前許多科技巨頭與企業爭相將生成式 AI 導入營運流程,甚至在搜尋引擎中預設自動產生 AI 答案。這種設計強迫原本簡單的關鍵字搜尋也必須經歷複雜的模型推論程序,導致運算資源過度消耗。
專家指出,雖然單次 AI 搜尋所額外消耗的電能看起來微不足道,但當相關功能被全球使用者呼叫數十億甚至數兆次時,總體能源累積起來將變得極為驚人。因此,科技公司應提供彈性選項,讓使用者自行決定是否啟用生成式 AI 回答,而非一律設定為預設運算模式。
「大象與蜜蜂」比喻:區分生成式 AI 與傳統演算法
針對環境部部長彭啟明提出是否應教育大眾依據問題難易度選擇適合模型的疑問,Rolnick 提出了「大象與蜜蜂」的比喻。他說明,即便使用者在 ChatGPT 等服務中切換到參數較小的模型,其背後本質上依然屬於「大象」等級的大型語言模型(LLM)。
實際上,許多日常的資訊處理、分類或搜尋需求,完全可以交由資源消耗極低、如同「蜜蜂」一般的傳統機器學習(Machine Learning)演算法或基礎規則系統來執行。過度依賴生成式 AI 處理簡易任務,猶如殺雞焉用牛刀,會無謂增加算力負擔。
減碳責任轉向企業與政府政策引導
關於減碳責任的歸屬,專家認為過往的氣候倡議常過度強調個人消費者的永續行為選擇,但在科技能耗議題上,企業的產品設計與架構規劃才是關鍵所在。單靠個人改變使用習慣效果有限,更需要科技企業主動優化演算法調用機制。
同時,政府政策也應透過合理的法規誘因或綠色算力標準,引導產業發展低能耗的技術替代方案,確保技術升級的同時不會與淨零排放的氣候目標相背離。
這代表什麼
對於台灣的中小企業與軟體開發者而言,這項討論揭示了 AI 導入過程中的成本與永續課題。盲目追求在產品中堆疊生成式 AI 功能,不僅會推升雲端 API(應用程式介面)的訂閱費用與伺服器租用支出,也可能無意間增加企業的碳足跡報告負擔。
台灣產業在推動數位轉型時,應建立分層呼叫機制。針對簡單的資料查詢、表單過濾或邏輯判斷,優先採用耗電極低的傳統程式碼或輕量化機器學習模型;僅在需要跨領域推理、複雜文本生成或多模態創作時,才動用大型生成式 AI,才能兼顧營運效率與綠色永續。
背景補充
這場研討會係由台灣環境部在 COP31 氣候峰會期間舉辦的「綠色算力與氣候數位科技」國際論壇。隨著生成式 AI 崛起,全球資料中心(Data Center)對電力的需求大幅上升。高效能 GPU 晶片在進行推論與訓練時耗電極高,促使國際社會開始重新評估數位轉型對環境的副作用。
Climate Change AI 則為國際知名的非營利組織,致力於評估 AI 技術對氣候變遷的衝擊與潛在貢獻。該組織倡導科技界應善用 AI 協助能源調度與減碳,同時防範 AI 本身成為新的耗能源頭。
常見問題
為什麼使用生成式 AI 搜尋會比傳統搜尋更耗電?
生成式 AI 必須透過大型語言模型進行複雜的矩陣運算與文字推論,每次查詢消耗的伺服器算力與電能,遠高於僅檢索資料庫索引的傳統搜尋。
企業應該如何降低使用 AI 帶來的碳足跡與營運成本?
企業應建立分層架構,將日常簡易的資料過濾與規則判斷交給傳統演算法處理,僅在面對複雜推理或生成需求時才呼叫大型生成式 AI 模型。
切換至生成式 AI 的輕量版模型就能完全解決耗電問題嗎?
專家指出,生成式 AI 的小型模型本質上仍屬於大型模型結構,能耗依然高於傳統演算法。關鍵在於依據任務選擇合適的技術,而非一味套用生成式模型。