火箭进行时

最近，中国科学院城市环境研究所的一个城市环保专家团队与以色列赖希曼大学的同事合作研究了生成人工智能（GAI）在模型训练和推理过程中所需的大量计算资源，以及这些资源消耗产生的电子废物（e-waste）问题，并提出了管理和减少 e-waste 的策略。

研究成果

研究成果发表在《自然计算科学》杂志上。

这项研究表明，根据生成式人工智能的采用率，到 2030 年，该技术可能会总共增加 120 万至 500 万吨电子垃圾。

以色列赖希曼大学的研究员、该研究的合著者阿萨夫·察乔尔 (Asaf Tzachor) 通过电子邮件表示：“这将加剧现有的电子垃圾问题”

生成式人工智能产生的电子垃圾的主要来源是数据中心和服务器群中使用的高性能计算硬件，包括服务器、GPU、CPU、内存模块和存储设备。，这些设备与其他电子垃圾一样，含有铜、金、银、铝和稀土元素等有价值的金属，以及铅、汞和铬等有害物质。

电子废弃物中蕴含着数量众多的有毒金属以及其他各类材料，它们会给整个生物群体带来（无论是直接还是间接的）诸多不利影响。其中，酸、重金属、致命化学物质以及化合物的释放能够从直接影响的角度加以阐释，而间接影响方面则涵盖了重金属生物放大这一概念。

在电子废物的非正规处理领域，诸如妇女和儿童等工人会接触到有毒金属，这些污染物会在脂肪酸中积聚，进而引发一系列健康问题，例如致癌风险的增加、DNA 遭受损伤等等。电子废物若进行直接丢弃以及不恰当的回收操作，将会致使空气、土壤、地表水以及地下水遭受污染。如下图：

尤其是像 ChatGPT 这类生成式人工智能应用程序在全球范围内掀起热潮，在其崛起的历程中，有一个常被忽视的方面便是用于支撑其运行的硬件。此类应用程序通常在接入专用计算机的特定 GPU 上运作。它们往往集中于数据中心和服务器集群之中，并且数量颇为可观。

人工智能公司之所以会产生如此大量浪费，原因之一在于硬件技术的进步速率。计算设备的使用期限通常为两至五年，并且常常会被更换为最新版本。

尽管电子垃圾问题远远超出了人工智能的范畴，然而快速发展的技术为我们提供了一个契机，能够评估我们处理电子垃圾的方式，并为解决该问题奠定基础。好消息是，存在一些策略有助于减少预期中的浪费。

例如，通过延长设备的使用时长来延展技术的使用寿命，这是减少电子垃圾的最为重要的方法之一。翻新以及重复利用组件也能够发挥重要作用，就如同以更易于回收和升级的方式设计硬件一样。研究预测，在最佳状况下，实施这些策略能够将电子垃圾的产生量降低高达 86%。

依据 2024 年全球电子废物监测报告，当前仅有约 22% 的电子废物得到正式的收集与回收。更多的垃圾是通过非正式系统进行收集和回收的，这包括在那些尚未建立电子废物管理基础设施的低收入和中低收入国家。巴尔德表示，这些非正式系统能够回收有价值的金属，但通常不涵盖危险材料的安全处置。

减少与人工智能相关的电子垃圾的另一大主要阻碍在于对数据安全的忧虑。

销毁设备能够确保信息不会外泄，而重复使用或回收设备则需要借助其他方法来保护数据。

尤其是对于那些处理机密数据的公司而言，确保敏感信息在回收之前从硬件中被删除至关重要。由于电气和电子设备的报废率大幅攀升，电子废物管理已成为全球关注的焦点问题。将废弃的电子电气设备直接丢弃到环境中会给环境以及人类健康带来不利影响。

对于电子废物的管理，人们已经展开了大量研究，以利用火法冶金、湿法冶金以及生物冶金等方法来提取金属（包括贱金属、贵金属以及稀土）。尽管这些方法具有诸多优点，但在将这些方法作为处理技术加以采用时，每一种方法仍然存在一定的局限性。下图展示了电子废物的初级和二级回收流程。

在初级回收和二级回收过程中，运用各种方法对塑料废物进行机械回收，涵盖破碎、拉伸、成型、码垛以及挤压等操作，这些是初级和二级回收的基础。

然而，该技术仅对回收未受污染的一次性塑料有效。二次回收主要利用消费后的塑料，而一次回收则需要清洁且均质的塑料废物。

塑料电子废物的机械回收可能会产生微塑料，这些微塑料有可能释放到废水中，从而给水生环境带来风险。接下来是废物的三次回收（热能和化学）：化学回收，也被称为三次回收，有望从塑料电子垃圾中提取有价值的化学品和燃料。塑料的化学回收包括溶解、加氢、气化、热解以及催化裂解等方式。

总之，在开发可持续、高效的电子废物管理解决方案方面，还有大量的工作亟待完成。通过创新以及协作式的解决方案来应对与电子废物管理相关的各类挑战，我们能够为我们的星球缔造一个更为可持续且繁荣的未来。

迫切需要各利益相关方共同携手努力，应对电子废物挑战，并推动可持续的电子消费与处置做法。最终，电子废物管理的成功将取决于我们采取可持续实践与技术的集体努力程度，要将地球及其居民的长期健康与福祉置于优先地位。

来源：AI智导者