最新 11 月 24 日消息，人工智能或许正在驱动未来，但它正以消耗地球资源为代价实现这一目标。

每一次聊天机器人的回复、每一张 AI 生成的图像，背后都依赖于耗电量与用水量巨大的大型数据中心。而目前，其中大部分电力仍来自化石燃料，随着人工智能应用的快速扩张，碳排放量也持续攀升。

数以百万计的服务器全天候不间断运行，其环境代价急剧上升，致使数据中心整体能耗已超过许多国家的全国用电总量。

更严峻的是，随着 AI 系统运行时间延长、设备老化，其能耗需求与碳足迹的增长速度进一步加快。

针对这一问题，加州大学河滨分校（University of California, Riverside）一项最新研究提出了一种创新解决方案，可同步应对 AI 能源失控使用背后的污染排放与硬件损耗两大挑战。

研究人员开发了一套名为“联邦碳智能”（Federated Carbon Intelligence, FCI）的系统，旨在降低大型数据中心的碳排放，同时延长支撑 AI 模型运行的服务器使用寿命。

与现有仅通过错峰调度、在清洁能源比例较高时段处理任务的做法不同，FCI 采取了更深层次的优化策略：它将环境碳强度数据与各服务器实时硬件状态（如温度、老化程度、磨损情况）相结合，实现 AI 任务的智能化动态分配。

研究团队负责人米赫里・奥兹坎（Mihri Ozkan）指出：“我们的研究结果表明，仅靠清洁能源无法实现 AI 的真正可持续发展。AI 系统会老化、会升温，其运行效率随时间动态变化，而这些变化均会带来可量化的碳成本。”

通过仿真模拟验证，该团队证实：FCI 可在五年内减少高达 45% 的二氧化碳排放，同时将服务器集群的平均服役寿命延长 1.6 年。

该系统通过持续监测服务器的服役年限、实时温度与磨损状态，优先绕开已处于高负荷或性能衰退状态的设备，从而减少硬件故障风险，并降低对高能耗、高耗水冷却系统的依赖。

米赫里・奥兹坎表示：“通过将服务器实时健康状况与电网碳强度数据相融合，我们的框架可自主学习如何调度 AI 任务，在削减碳排放的同时，保障硬件设备的长期运行可靠性。”

这一“清洁能源 + 智能硬件管理”的双重策略，弥补了当前可持续发展实践中的关键盲区。尽管现有措施多聚焦于提升可再生能源使用比例，但奥兹坎强调：频繁更换老化服务器本身即蕴含显著碳排放。

服务器制造过程会产生大量“隐含碳排放”（embodied emissions）。FCI 通过延长硬件服役周期，有效削减了新设备生产所隐含的环境负荷。

另一位研究负责人詹吉兹・奥兹坎（Cengiz Ozkan）补充道：“我们不仅实时降低运行过程中的碳排放，更通过延缓硬件退化，减少了未来设备更换所需的资源投入。防止不必要的损耗，意味着我们既削减了当下的能耗，也减轻了明日硬件生产的环境足迹。”

研究人员介绍，该系统可根据不断更新的工作负载需求、区域电网碳强度及服务器健康数据，动态决策每一项 AI 任务的处理时机与地点。

值得强调的是，此类自适应框架的部署无需新增硬件设施。“构建这一自适应框架并不需要购置新设备，仅需对现有系统进行更智能化的协同优化即可。”米赫里・奥兹坎强调。

目前，研究团队正积极寻求与云服务提供商合作，推动 FCI 在实际运营中的数据中心开展实地测试。他们指出，在 AI 算力需求迅猛增长的当下，这一举措已刻不容缓。

最新注意到，该研究成果已发表于《材料研究学会・能源与可持续性》（MRS Energy and Sustainability）期刊。