到 2030 年，生成式 AI 每年可能会产生相当于 100 亿部 iPhone 的电子垃圾 |TechCrunch

研究人员预测，到 2030 年，人工智能模型巨大且快速增长的计算需求可能会导致该行业每年丢弃相当于超过 100 亿部 iPhone 的电子垃圾。

在《自然》杂志上发表的一篇论文中剑桥大学和中国科学院的研究人员尝试预测这个不断发展的行业可能产生多少电子垃圾。他们的目的不是限制这项技术的采用，他们从一开始就强调这项技术是有前途的，而且可能是不可避免的，而是为了让世界更好地为其快速扩张的实际成果做好准备。

他们解释说，能源成本已经受到密切关注，因为它们已经在发挥作用。

然而，其生命周期中涉及的物理材料以及废弃电子设备的废物流……却很少受到关注。

我们的研究目的不是精确预测人工智能服务器及其相关电子垃圾的数量，而是提供初步的总体估计，强调即将到来的挑战的潜在规模，并探索潜在的循环经济解决方案。

这必然是一项需要手动操作的业务，预示着一个众所周知的快速发展和不可预测的行业的次要后果。但至少得有人尝试一下，对吧？关键不是要在一个百分比之内做到正确，而是在一个数量级之内。我们谈论的是数万吨、数十万吨还是数百万吨电子垃圾？研究人员表示，它可能接近该范围的高端。

研究人员模拟了一些低、中、高增长的场景，以及支持这些场景需要什么样的计算资源，以及它们能持续多久。他们的基本发现是，到 2023 年，浪费将增加数千倍：

“我们的研究结果表明，电子垃圾有可能从 2023 年的 2600 吨（每年）快速增长到 2030 年的 0.4-250 万吨（每年）”，他们写。

现在无可否认，使用 2023 年作为起始指标可能有点误导：由于过去两年部署了很多计算基础设施，因此 2.6 吨的数字并未将其视为废物。这大大降低了起始数字。

但从另一种意义上来说，这个指标是相当真实和准确的：毕竟，这些是生成式人工智能繁荣前后的电子垃圾数量的大致数字。当第一个大型基础设施在未来几年达到使用寿命时，我们将看到废物数量急剧上升。

研究人员概述了多种方法可以缓解这种情况（同样，只是粗略地描述）。例如，使用寿命结束的服务器可以进行降级循环而不是扔掉，通信和电源等组件也可以重新利用。软件和效率也可以得到改善，从而延长给定芯片代或 GPU 类型的有效寿命。有趣的是，他们赞成尽快更新到最新的芯片，因为否则公司可能不得不购买两个速度较慢的 GPU 来完成一个高端 GPU 的工作，从而导致浪费加倍（或许还会加速）。

这些缓解措施可以将废物量减少 16% 至 86%——显然是一个相当大的范围。但这与其说是有效性的不确定性问题，不如说是是否会采取以及采取多少措施的不确定性问题。如果每台 H100 在某所大学的低成本推理服务器中获得了第二次生命，那么计算就会大大分散；如果只有十分之一的人得到这种治疗，那就没有那么多了。

这意味着，在他们看来，实现低浪费与高浪费是一种选择，而不是必然。您可以在这里阅读完整的研究报告。