AI飛速發展的同時，巨大的能源消耗和碳排放問題對全球能源和碳中和目標也構成了嚴峻挑戰，企業需從提升AI自身能效、採用可再生能源、優化數據中心營運、利用AI賦能自身减排、開發低碳商業模式及應對政策與供應鏈風險等多方面入手，以實現AI發展與可持續發展的平衡。

以目前的AI發展來看，全球數據中心的能源消耗驚人，預計到2030年，數據中心的電力消費將達到全球電力消費的3~4%。這種能源需求的激增，無疑给全球能源供應體系帶來了巨大壓力，並直接導致了碳排放量的增加。

以中國電網平均排放因子測算，當前中國數據中心的二氧化碳排放約佔全部温室氣體排放的0.4%，預計到「十四五」底將增加到1%左右。

另一方面，AI模型的訓練過程，特别是大規模預訓練模型的訓練，更是能源密集型活動。舉例來說，訓練一次GPT-3模型所消耗的電量，足以支撑丹麥126個普通家庭一年的用電量，其產生的碳排放量相當於一輛汽車行駛80萬公里，幾乎等同於開車往返月球的里程。

研究顯示，從2012年到2018年，AI研究的能源成本增長了约30萬倍。這種指數級的能源消耗增長，使得AI技術成為碳排放的重要來源之一。

全球生成式AI（GAI）模型的年耗電量已達到24.97-41.1 TWh，約相當於中國三峡工程年發電量的40%，由此產生的二氧化碳排放量高達1067萬至1861萬噸。

值得注意的是，這些碳排放主要集中在能源結構中化石燃料佔比較高的地區，例如中國和美國，分别占全球GAI碳排放的54.4%和45.5%；瑞典等低碳密度地區的排放量僅占0.1%。數據凸顯了區域能源結構對AI碳足跡的關鍵影響。

此外，AI模型的運行（推理）階段同樣消耗大量能源，例如用戶每次向ChatGPT提出5-50條提示，就會消耗約500毫升的水用於冷却。

數據清晰地揭示了AI技術發展背後不容忽視的能源和環境代價。目前國際間AI數據中心開啟綠電直供模式，讓電力排放因子為零的國際規範，在新疆伊吾就是個成功案例，它初期200MW太陽能發電直供降低排放量，企業應可以參考研究其模式，唯有低碳的數據中心成本最低，要有低價的綠電才能成功，高價的綠電未飲還是會被淘汰。