事实上，世界经济论坛等权威机构发布的多项预测均指出，人工智能在应对全球气候挑战、助力“拯救地球”方面具有关键潜力。这听起来令人振奋，不是吗？

从自动驾驶到更敏捷的灾害应急系统，从智能建筑到数据采集网络，AI技术已广泛渗透至各个领域。它不仅能实时监控能源消耗，还能精准追踪森林砍伐情况，展现出巨大的应用潜力。

然而，任何技术都有其两面性。尽管前景乐观，但道德层面的考量同样不可忽视。更直接的矛盾在于，AI自身对气候的影响正日益受到关注——其庞大的电力消耗、日益增长的电子废弃物，都是不容回避的现实代价。

马萨诸塞大学阿默斯特分校的一项研究表明：训练一个神经网络——使其具备决策能力或从海量数据中检索答案——在整个生命周期内产生的碳排放量，相当于美国普通汽车的五倍。这一数字令人警醒。

沿着这一趋势思考，未来将走向何方？

目前，全球数据中心的用电量已约占全球总量的2%。半导体企业Applied Materials的首席执行官Gary Dickerson曾在2019年8月发出警告：按照当前AI的采用速度，若底层服务器硬件与软件不经历根本性变革，运行这些应用所需的数据中心最终可能消耗全球15%的电力负荷。即便行业已有所进步，他在近期的SemiconWest会议上依然忧心忡忡地指出：“定制化设计才是破局关键。新的系统架构、专用芯片设计、连接存储与逻辑的新方案，乃至新型存储技术与存内计算，都能成倍提升每瓦的计算性能。”

那么，解决方案究竟何在？

来自Applied Materials、Arm、谷歌、英特尔、微软和VMware的技术专家，在近期分享了许多进展。如果投资AI技术的企业愿意共享这些成果，或许能帮助我们避免最糟糕的未来。尽管讨论多涉及复杂的技术细节，但对于关注AI在气候领域应用的读者而言，仍可提炼出几条核心思路。

首先，值得关注硬件设计中的“管芯堆叠”技术。众所周知，摩尔定律（集成电路上晶体管数量约每两年翻一番）的推进速度正在放缓。因此，越来越多的半导体工程师开始探索如何将多个芯片像搭积木一样垂直堆叠，在有限空间内集成更强的处理能力。Arm的研究员Rob Aitken预测，这种设计将率先应用于需要高性能处理与超本地内存相结合的计算架构。他解释道，垂直堆叠可提供更大的连接带宽，同时以更低的电容实现这一带宽，从而降低功耗和延迟，自然提升整体性能。

因此，未来势必会出现更多专业化的硬件。

另一个值得关注的缩写是：MRAM（磁性随机存取存储器）。这种存储器在待机状态下的功耗远低于现有技术。传统存储器需要持续供电以维持数据“状态”，而MRAM不仅更为省电，还能在处理请求时快速响应。英特尔、美光、高通、三星、东芝等厂商均已投入大量研发资源。

另一个方向是尽可能使用无碳能源来运行云数据中心中的AI应用。具体而言，可以将某些需要大量计算能力的任务，推迟到一天中清洁能源利用率较高的时段再执行。英特尔云解决方案架构师Samantha Alt提出了一个设想：“如果我们能在绿色、清洁、节能的环境下运行这些高计算负载，那自然是最理想的。但更进一步——如果我们只在清洁能源可用时才启动数据中心，平时则让其休眠呢？”这一想法曾在4月份被Google讨论过，但尚未大规模实施。要实现它，还需要开发新的冷却设计以防止设备过热，同时确保存储组件能在休眠与唤醒之间动态响应。

对于边缘应用，则意味着直接在需要智能化的小型设备或系统中嵌入专用AI处理器——例如汽车、智能手机或楼宇控制系统。这样，至少部分数据处理可在本地完成，无需将所有信息上传至庞大的云端。

微软智能设备总经理Moe Tanabian强调：“边缘计算潜力巨大。为何边缘如此关键？因为许多AI驱动的任务及其收益，本质上都具有本地化特征。例如，你想了解一个房间内的人数，该数字是动态变化的。如果整栋楼的暖通空调系统能够根据实时人数高效运行，能耗就能大幅降低。”

归根结底，要让AI真正承担起应对气候危机的重任，基础设施必须经历一次大规模的升级。

这些系统升级对环境的影响，必须从一开始就纳入数据中心的采购标准。半导体行业也需要采取切实行动。英特尔和AMD一直走在前列，Applied Materials近期也接过了挑战。但整个行业仍需更多企业拿出实际行动。