隨著生成式AI逐漸走入人類生活，大家可能會好奇地問，用一次ChatGPT會花多少資源呢？相信答案會讓一些人覺得驚訝，但也有人說很值得。在這個處處都在談永續的時代，人們開始注意到，這些軟體應用背後的能源消耗和碳排放究竟是多少？
面對這個議題，綠色軟體基金會（Green Software Foundation）在2022年發布了碳感知運算（Carbon-aware computing） 的軟體碳強度（Software Carbon Intensity，SCI）指引，並提供軟體開發套件。目的是將軟體運算所需要的電力，轉移到該時間或地點相對低碳排放的電網上（如圖1）。
圖片來源: greensoftware.org，2022年10月
大家可以想像，當資料中心需要訓練大語言模型的時候，有個軟體可以讓資料中心從電網找到當時排放量最低的電力，讓地球不會因為AI承受更多的碳排放。這樣的作法獲得非常多國際大廠的支持，包含Google、Apple、微軟、高盛等公司。現在微軟的Windows 11、或是Google雲服務都有內建碳感知軟體。
碳感知運算是否成為大廠漂綠工具?
然而，Ismael Velasco，這位提出碳感知運算的創始人之一，在2024年開始憂心碳感知運算是否會成為大型科技公司漂綠的工具。原因在於，目前的碳感知運算並未考量電力電網的運作方式。我們可以想像，碳感知運算就像是一個最佳化軟體，在我們要運行軟體的時候，去找一個碳排量最低的電網供電。但現實世界的電網運作，並不是那麼的有彈性，尤其是屬於低碳的再生能源或核能，對於突然的需求上升，調度的靈活性反而很差。由於碳感知運算主要是協助需求方關注供給方（電力系統）的碳排狀況進行調度，當過度的需求集中在低碳時段上，反而會使得供給方（電力系統）尋求更多可調度的電力（主要來自傳統燃料），造成碳排上升。
當然，碳感知運算的初衷是讓算力設施朝低碳化邁進，不過，考慮電網運作的特性，這樣的理想或許需要再持續的演化。如同電子製造業一樣，隨著地緣政治因素，集中式的超大工廠已經逐漸走到盡頭，取而代之的是分散式，離客戶近的中小型工廠。同樣的，當算力設施能夠走向分散式，供電也可以使用包括直接離網的自建再生能源、儲能系統或傳統電網電力，再透過分散式能源管理系統，根據低碳最佳化的原則進行調度。
建立算力與電力供需關係，才有助邁向低碳化
以未來AI算力的需求，到2040年因為提供算力產生的碳排放勢必大幅增加。雖然我們可以宣稱這樣的增幅可能讓社會運作更有效率，進而降低部分碳排放，但這還是需要科學化的驗證。我們需要用更宏觀的角度來思考，建立算力的電力需求與電力供給之間的關係，才能有效運用算力讓人類邁向低碳化的未來。
本文作者為資策會數位轉型研究院智造科技中心副主任謝沛宏
