在发表于《自然》杂志的一篇论文中，剑桥大学和中国科学院的研究人员试图预测快速发展的AI行业可能产生的电子垃圾量。他们的目标不是限制这项技术的采用，而是在论文开头强调，这项技术是有前途且可能不可避免的。他们的目的是更好地为世界准备其快速扩张的实际结果。
当前关注点
研究人员指出，能源成本已经受到广泛关注，因为它们已经在实际应用中显现。然而，生命周期中涉及的物理材料以及过时电子设备的废物流却受到了较少的关注。
研究目的
他们的研究目的不是精确预测AI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，突出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。尽管这是一个快速变化和不可预测的行业，但至少有人需要尝试进行预测。
预测结果
研究人员模拟了几种低、中、高增长的情景，以及支持这些情景所需的计算资源类型和它们的使用寿命。他们的基本发现是，电子垃圾的产生量将显著增加：
“我们的结果表明，电子垃圾的潜在快速增长从2023年的2.6千吨（每年）增加到2030年的约0.4-250万吨（每年），”他们写道。
需要注意的是，2023年的2.6千吨数字不包括过去两年已经部署的大量计算基础设施，这大大降低了起始数字。但从另一个角度来看，这个数字非常真实和准确，因为它反映了生成式AI繁荣前后的电子垃圾量。当第一批大型基础设施在未来几年达到使用寿命时，我们将看到废物数字的急剧上升。
缓解措施
研究人员提出了几种缓解电子垃圾的方法：
- 降级再利用：服务器在寿命结束时可以降级再利用，而不是直接丢弃。
- 组件再利用：通信和电源等组件可以重新利用。
- 软件和效率改进：通过改进软件和提高效率，延长特定芯片代或GPU类型的有效寿命。
- 及时更新：尽快更新到最新芯片，避免公司购买两个较慢的GPU来完成一个高端GPU的工作，从而减少废物产生。
这些措施可以将废物负荷减少16%到86%。这个范围很大，主要取决于这些措施是否会被广泛采用以及采用的程度。
结论
研究人员强调，实现废物负荷的低端与高端是一个选择，而不是不可避免的结果。通过采取适当的措施，我们可以显著减少AI行业产生的电子垃圾。完整的研究报告可在《自然》杂志上查阅。