智通財經APP獲悉，TechInsights發佈的《2025-2030年全球AI GPU碳排放預測》免費報告預測，從2024年到2030年，基於GPU的AI加速器製造所產生的二氧化碳當量(CO2e)排放量將驚人的增長16倍。到2030年，這些半導體排放預計將達到1920萬噸二氧化碳當量(MtCO2e)，與2024年記錄的121萬噸相比形成了鮮明對比，這代表了58.3%的複合年均增長率(CAGR)。

人工智能的迅猛發展正引領進入一個全新的技術創新時代，但這一進程也付出了巨大的環境代價。人們廣泛關注的是數據中心中AI服務器所消耗的電力。然而，隨着AI應用的日益複雜，這些AI設備中硅的整體碳足跡也在不斷攀升。對高性能計算的需求，特別是來自強大的GPU的需求，正急劇增長。這一需求的激增導致這些芯片的生產量大幅增加，從而加劇了碳排放的增長。

推動AI GPU碳影響的因素

多個因素共同促成了這一令人擔憂的趨勢：

硅的巨大需求：AI加速器以其龐大的尺寸爲特徵，通常需要多個硅片來容納大量的處理核心和內存。硅需求的增加直接轉化爲製造過程中更高的能源消耗和半導體排放。

能源密集型的製造：這些大型複雜芯片的製造涉及諸如光刻和蝕刻等能源密集型工藝，進一步加劇了半導體碳足跡。

先進封裝的複雜性：雖然先進的封裝技術(如3D堆疊和芯片集成)提高了性能，但它們也增加了生產和測試階段的複雜性和能源消耗。

HBM和其他因素的作用

高帶寬內存(HBM)的集成對於AI加速器的性能至關重要。然而，支持這些強大GPU所需的HBM堆棧和芯片的數量不斷增加，顯著的增加了整體半導體排放。

重要的是要注意，這一預測是一個保守估計。向更小工藝節點(如2納米)的過渡雖然可能減少每晶體管的排放量，但也帶來了新的製造挑戰，並且可能無法顯著抵消芯片尺寸增大所帶來的影響。

緩解環境影響

儘管挑戰重重，但緩解AI加速器生產對環境的影響還是有可能的。這包括：

採用可再生能源：將製造工廠轉向可再生能源可以顯著減少Scope 2的半導體排放。

過程優化：持續改進製造工藝，如優化光刻技術和減少化學品使用，可以最大限度的減少能源消耗和廢物產生。

先進封裝創新：在封裝技術方面的進一步進步，如更高效的互連和減少材料使用，有助於最小化環境足跡。

數據中心效率：優化數據中心基礎設施，包括改進冷卻系統和採用可再生能源替代方案，對於減少與AI工作負載相關的整體能源消耗至關重要。

結論

AI的興起既帶來了前所未有的機遇，也帶來了重大的環境挑戰。解決AI加速器日益增長的半導體碳足跡需要一種多方面的方法，涉及供應鏈、行業、學術界和政策制定者之間的合作。通過投資可持續技術、優化製造過程和促進負責任的AI開發，可以確保實現AI的益處，同時限制其對環境的影響。