绿色智能：为什么AI基础设施和治理必须协同发展

人工智能（AI）技术的快速部署正在改变从数据基础设施到全球治理的方方面面。

尽管AI带来了显著的益处，包括提高效率，促成可持续发展举措，如追踪产品生命周期的碳足迹和优化能源管理，但其大规模应用也带来了挑战。

随着AI模型的规模和复杂度不断提升，其物理足迹正在激增，如算力和热管理。

这种影响引发了人们有关能源和水资源消耗、电子废弃物（如电池和旧服务器），以及硬件制造对稀土元素等不可再生资源的依赖的担忧。

尽管技术创新常常旨在控制资源消耗，但杰文斯悖论表明，随着AI使用的增长，效率的提高反而可能导致整体资源消耗的增加。

与此同时，从环境法到数字监管，治理框架难以跟上步伐。一种新的紧张态势正在出现：AI基础设施的发展速度快于监管和治理的完善速度，以确保AI基础设施服务于公众和地球的利益。

这种态势将日益影响政策制定、商业和基础设施投资等领域的决策。

尽管基础设施与数字治理明显分属不同领域，但二者正在趋于融合。不过，这种融合仍未在公众中得到充分讨论。当今的数字化揭示了三个重要的错配现象：

职能错配：AI基础设施、环境可持续发展以及金融等领域之间存在“筒仓”效应。
空间错配：地方、国家和国际治理之间缺乏充分的协调。
时间错配：AI系统的快速部署周期与环境和社会复原力的长期需求之间存在冲突。

应对这些错配现象需要全局视野，让基础设施的发展与治理协同进步。这一点对于亚太地区来说尤为重要，该区域受到城市密度、气候脆弱性及数字化进程加速的交叉影响。

新加坡的方法包括：由信息、通信及媒体发展管理局（IMDA）和经济发展局牵头制定的绿色数据中心路线图；由IMDA和AI Verify基金会制定的生成式人工智能治理框架模型；以及更广泛的《2030年新加坡绿色计划》。

这些举措展现了基础设施与治理框架相协调以推动可持续数字生态系统发展的早期努力。

AI的发展增加了对先进数字基础设施的需求，特别是数据中心。从电网到电子废弃物管理，整个生态系统在多个维度都面临压力。

风冷技术正接近其热力学极限。由于机架密度预计最高可达600千瓦，传统的风冷系统难以应对下一代AI硬件所产生的巨大热负荷。

向液冷和混合冷却技术的转变至关重要，并且对基础设施的设计、融资、安全和国际标准产生深远影响。

直接芯片冷却和浸没式冷却等液冷方案有远远更高的传热效率，并减少能耗与空间占用。

但这些方案也带来了新的操作挑战，包括冷却液的选择、维护规范和风险管理等。这些挑战必须与最新的治理机制相匹配，以确保安全、可持续的部署。

与此同时，对AI基础设施的全面环境评估应涵盖范围一、二、三排放，符合温室气体核算体系，覆盖能源使用、制造过程中的碳以及废弃材料的影响。

监管框架难以跟上AI基础设施和系统的快速发展。如果不积极主动管理，以下风险将日益凸显：

1. 跨司法管辖区的监管合规机制呈现碎片化。
2. 监管套利，导致标准更低的环境。
3. 可持续性报告不一致或不完整。

有效应对上述风险需要为AI基础设施制定清晰、可互操作的可持续发展标准。这些标准应支持环境影响评估、跨境监管协同以及协调一致的报告框架。

随着AI系统日趋复杂，基础设施需求将出现明显分化，涵盖通用型基础模型与特定领域的部署。治理框架足够灵活，以适应此类差异，同时不损害可持续发展目标。

实时的基础设施遥测数据，涵盖能源使用、水资源消耗、热效率和排放等，应以透明的方式收集，并作为可信AI环境评估的一部分披露。

这些做法应与当前不断发展的标准保持一致。国际标准化组织ISO/IEC SC42，以及电气与电子工程师学会P7100人工智能环境影响工作组制定的标准是两个例子。

新加坡所做的努力，例如建设局和IMDA推出的2024年数据中心绿色标志计划以及由新加坡企业发展局管理的数据中心能源效率补助金，都是通过积极监管创新来鼓励可持续发展领导力的范例。

实现可持续AI需要政府、业界人士、学术机构和更广泛的群体共同行动，以确保数字基础设施的增长与环境和社会目标协调一致。

全球范围内，旨在将可持续发展融入AI发展核心的合作框架正在出现。

在欧洲，欧盟的《2024年人工智能法案》要求通用型AI模型的供应商记录其能耗。这是推动该行业对其环境足迹负责的第一步。

同时，新加坡的绿色数据中心路线图推动能效升级、认证标准和可持续运作。

该路线图可以与《东盟人工智能治理与伦理指南》配合实施。若使用得当，该指南可能引导成员在AI整个生命周期内开展更有力的环境评估。

电气与电子工程师学会、ISO/IEC SC42、联合国教科文组织、经济合作与发展组织等国际组织也在为制定专门针对AI基础设施的全球公认的可持续发展标准奠定基础。

由此可见，亚洲拥有一个率先垂范的重要机遇，不仅通过采用最佳做法，也通过塑造未来的标准和治理模式。

人们越来越认识到，可持续发展必须深植于AI生命周期的每个阶段——从模型和基础设施的设计，到其部署，再到最终停用。

要取得成功，亚洲必须优先关注以下关键领域：

1. 开展全生命周期影响评估。
2. 应对基础设施的复杂性。
3. 提高资源利用的透明度。
4. 推动监管创新。推进跨境标准化。

通过将基础设施发展与环境责任直接联系，亚洲能够示范具有前瞻性的综合AI生态系统可以且必须展现的面貌。

本文作者：

Lee Poh Seng，新加坡国立大学机械工程系主任、教授、能源研究所执行主任

Heng Wang，新加坡管理大学杨邦孝法学院法学教授、教职和科研事务副院长

本文原载于世界经济论坛Agenda博客，转载请注明来源并附上本文链接。

翻译：狄陈静

编辑：万汝鑫