图形处理器（GPU）作为当前人工智能（AI）热潮的核心，其背后隐藏着巨大的环境和社会成本。从开采原材料和使用有毒化学品进行制造，到数据中心消耗的大量水和能源，再到最终成为电子垃圾，GPU 的整个生命周期都带来了严重问题。尽管科技公司承诺 AI 将带来巨大进步，但许多社区和消费者开始质疑，这些模糊的未来利益是否值得用当地环境污染、资源枯竭和公共健康风险等实际代价来交换，这引发了对科技行业问责和重新思考“越大越好”发展模式的呼吁。
GPU 的双重遗产：从游戏到伦理困境
GPU 的发展史与游戏密切相关，这一领域不仅是其技术的试验田，也预示了它将带来的伦理问题。从最初用于街机，到如今驱动 AI，GPU 始终处于技术引发社会争议的中心。
- 游戏是起点: 许多重大的硬件发展，包括 GPU，都始于游戏行业。这些为游戏而生的技术，后来被应用于虚拟现实和人工智能等领域。
- 持续的伦理问题: 早在 AI 出现之前，围绕游戏对人们互动方式的影响就已存在争议。如今，这些问题延伸到了 AI 聊天机器人和其他应用上。正如伦理与游戏技术教授 Catherine Flick 所说： > 许多存在重大伦理问题的技术，很多都始于游戏。
从摇篮到坟墓：GPU 的环境足迹
GPU 的影响贯穿其整个生命周期，每一个环节都留下了环境创伤。
制造过程的污染
- 原材料开采: GPU 的生产需要消耗大量金属，尤其是铜。AI 的兴起正在加剧全球铜短缺，而开采过程可能导致酸性废水污染水源。
- 有毒化学品: 芯片制造过程会使用有毒化学品，这些化学品曾导致硅谷出现大量需要联邦政府介入清理的“超级基金”污染场地。如今，随着制造业转移，这些风险也在其他地区重现。
运营阶段的巨大消耗
数据中心是 GPU 的“集中营”，其运营需要惊人的资源。
- 能源与空气污染: 运行 AI 模型需要大量电力，这不仅加剧了温室气体排放，也导致了空气污染。一项研究估计，到 2030 年，与 AI 相关的空气污染每年可能导致 1,300 人过早死亡。
- 水资源短缺: 数据中心需要大量水来冷却硬件，尤其是在气温较高的天气里，其用水量会激增。这给干旱地区的社区水系统带来了巨大压力，一个数据中心在用水高峰期的需求可能是普通家庭的 6 到 10 倍。
最终归宿：电子垃圾
GPU 的更新换代速度很快，这催生了严重的电子垃圾问题。
- 庞大的废弃量: 据估计，到 2030 年，AI 服务器每年可能产生数十万吨电子垃圾，其中包含黄金等贵金属，也含有铅、铬等有毒物质。
- 回收困境: 全球只有约 22% 的电子垃圾被妥善回收。大部分废弃物最终进入非正规渠道，在缺乏保护措施的情况下被拆解，对工人和环境造成二次伤害。
当问题来到家门口
过去，芯片制造和快时尚等污染产业的中心多在亚洲。而现在，数据中心 正以前所未有的速度在美国各地涌现，让环境问题变得不再遥远。
当我们使用人工智能时，我们倾向于忘记它对我们周围的现实世界有影响。这超出了碳排放的范畴，而且有点“眼不见，心不烦”。
许多美国社区开始直接感受到数据中心带来的负面影响，例如更高的水电费、持续的噪音和空气污染。这些问题在低收入社区和有色人种社区尤为严重，加剧了 环境不公。全美有色人种协进会（NAACP）等组织已开始对科技公司提起诉讼，以保护社区免受污染侵害。
AI 的价值与消费者的疑虑
科技公司和风险投资家将 AI 的缓慢普及归咎于围绕其环境影响的负面报道。但许多消费者和专家认为，根本问题在于人们尚未从 AI 中看到切实的价值。
为环境当替罪羊，这难道不是很好吗？
消费者之所以购买快时尚产品，是因为他们能从中获得明确的价值（如低价），尽管他们知道这对环境有害。然而，对于大多数人来说，AI 承诺的“个性化管家”等愿景仍然遥不可及。
他们所说的技术能做到的事情简直是垃圾。
当普通人还未感受到 AI 带来的好处时，他们却越来越可能要承担其带来的成本。这种价值与成本之间的巨大脱节，是当前争议的核心。
寻求更负责任的前进之路
面对日益增长的批评，行业内外的专家正在探索解决方案。
- 挑战“越大越好”: 一些研究人员呼吁，应该挑战科技行业“越大越好”的心态。有时，模型性能的微小提升需要付出巨大的环境代价，这是否值得？我们应该思考“足够好”的界限在哪里。
- 提高效率与问责: 虽然英伟达等公司声称其新芯片效率大幅提升，但这可能引发“反弹效应”——更高的效率反而刺激了更多的资源消耗。因此，环保组织呼吁对英伟达等处于供应链核心的公司加强问责，推动其使用可再生能源。
- 从设计入手减少浪费: 通过延长 GPU 使用寿命、改进回收和再利用等措施，可以大幅减少 AI 产生的电子垃圾。
- 消费者的力量: 游戏玩家群体在气候变化等议题上表现出更强的集体行动意愿。游戏本身就是一种强大的叙事工具，可以用来构想一个更美好的世界。直接回应并理解消费者的担忧，是推动技术向更负责任方向发展的关键。正如一位专家所言： > 生成式 AI 是一个典型的‘寻找问题的解决方案’。