近日，剑桥大学和中国科学院的研究人员在《自然》杂志上发表了一篇引人关注的论文，预测到2030年，随着生成式人工智能的迅速发展，行业可能会每年产生相当于超过10亿部 iPhone 的电子废物。研究者们表示，他们的目的是为了提前了解这一快速扩张技术的实际后果，而不是限制其使用。

图源备注:图片由AI生成，图片授权服务商Midjourney

在论文中，研究团队提到，虽然能源消耗早已成为关注的焦点，但与这一过程相关的物理材料和淘汰电子设备的废弃物流却没有受到足够重视。他们的研究并不旨在精确预测 AI 服务器的数量和由此产生的电子废物，而是为了提供初步的粗略估计，以突出未来挑战的规模，并探讨可能的循环经济解决方案。

研究者们采用了不同的增长情景模型，包括低、中、高增长模式，分析所需的计算资源和它们的使用寿命。结果表明，从2023年的2600吨电子废物，到2030年，废物数量可能会增长至40万到250万吨之间，增长幅度可能高达千倍。

需要说明的是，2023年的2600吨这个数据可能略显误导，因为在过去两年中，许多计算基础设施已经部署，而这些还未被计入废物之中。然而，这个数据的确可以作为生成式 AI 浪潮来临前后电子废物变化的一个参考标准。

研究者们提出了一些可能的减缓电子废物增长的方法，比如在服务器达到使用寿命后，进行降级处理而不是直接丢弃，或是将其通信和电力组件进行再利用。此外，软件和效率的提升也可以延长特定芯片或 GPU 的有效使用时间。研究中提到，快速更新到最新芯片可能是有益的，因为如果不及时升级，企业可能需要购买两块性能较低的 GPU 来完成原本一块高端 GPU 的工作，这样会加剧电子废物的产生。

通过采取这些减缓措施，研究者们估算，电子废物的产生量可以减少16% 到86%。不过，是否能够实现这一减量，更多地取决于这些措施是否会被采纳及其执行力度。如果每一块 H100芯片都能在大学的低成本推理服务器中继续使用，那么未来的电子废物压力将大大减轻;反之，如果只有十分之一的芯片得到了再利用，电子废物问题将依然严峻。