大型科技公司（Big Tech）的 AI 氣候聲明在新報告中被揭露為漂綠（Greenwashing）

一份今天發布的具有譴責性的新報告為全球最大科技公司的環保承諾蒙上了長長的陰影，揭露了絕大多數關於人工智能（Artificial Intelligence, AI）氣候效益的聲明均未經證實。這項由包括 Beyond Fossil Fuels 和 Climate Action Against Disinformation 在內的非營利聯盟委託進行的研究，指責大型科技公司（Big Tech）透過將傳統機器學習（Machine Learning）已證實的效率與現代生成式 AI（Generative AI）高耗能的現狀混為一談，進行「漂綠」。

該分析報告選在**新德里 AI 影響力峰會（AI Impact Summit in New Delhi）**期間發布，審視了行業巨頭提出的 154 項具體氣候聲明。調查結果令人震驚：74% 的 AI 氣候效益聲明缺乏同行評審的證據，且超過三分之一（36%）完全沒有提供任何證據來支持其減排承諾。

「偷樑換柱」：混淆 AI 技術

報告批評的核心在於能源分析師兼報告作者 Ketan Joshi 描述為「轉移注意力的策略」。研究發現，科技巨頭頻繁引用「傳統 AI」的環境效益——例如用於優化風力發電機效率或管理電網的機器學習算法——來合理化「生成式 AI」的大規模擴張。

生成式 AI 為 Google 的 Gemini 和 Microsoft 的 Copilot 等工具提供動力，其所需的計算能力和能源明顯高於過去的預測模型。透過將這些截然不同的技術歸類在「AI」這個大傘下，公司實際上是在利用舊有、高效技術的綠色憑證，來掩蓋其新型、高耗能產品的碳足跡。

「大型科技公司採取了化石燃料公司的方法——宣傳對綠色技術的少量投資，而其核心業務卻在推動排放——並將其升級到了數位時代，」Joshi 表示。「與其核心業務產生的巨大排放量相比，這些技術僅避免了極小部分的排放。」

數據揭秘：信譽危機

報告詳細分析了大型科技公司的聲明如何經受審視。數據顯示，在環境影響的報告方式上存在系統性的透明度和嚴謹性缺失。

表 1：大型科技公司 AI 氣候聲明分析

該研究強調了一項特別普遍的聲明：AI 到 2030 年可以減少 全球 5-10% 的溫室氣體排放。追溯這一數據的來源，研究人員發現它並非源自科學論文，而是源自諮詢公司 BCG 2021 年的一篇部落格文章，該文章引用的是「與客戶合作的經驗」而非實證數據。儘管基礎薄弱，但直到 2025 年 4 月，大型科技公司仍在使用這一數字。

行業反應與專家分析

報告引起了該領域專家的強烈反應。Hugging Face 的 AI 與氣候負責人 Sasha Luccioni 強調，該報告為對話增添了必要的細微差別。

「當我們談論對地球相對有害的 AI 時，主要是指生成式 AI 和大型語言模型（Large Language Models），」Luccioni 指出。她認為，業界誤導性地將氣候解決方案和碳污染綑綁銷售，「混淆」了截然不同的 AI 應用類型，以迷惑監管機構和公眾。

報告的發布時機至關重要。目前數據中心消耗了全球約 1% 的電力，預計這一數字將飆升。BloombergNEF 預計，到 2035 年，數據中心可能消耗 美國 8.6% 的電力，這一需求激增主要由生成式 AI 的普及所推動。

「轉移注意力」策略

報告將大型科技公司的溝通策略比作石油和天然氣行業。正如化石燃料公司在擴大石油生產的同時強調其小規模的可再生能源組合，科技公司在因數據中心增長而導致整體碳足跡擴大時，卻在強調特定 AI 應用的邊際氣候收益。

• 排放位移（Emission Displacement）： 雖然 AI 可能會優化物流路線，但訓練和運行模型所需的能源可能會抵消這些節省。
• 驗證缺口（Verification Gap）： 報告沒有發現任何一個流行的生成式 AI 工具導致「實質、可驗證且重大」地減少加熱行星排放的例子。
• 監管盲點（Regulatory Blind Spots）： 目前的報告標準允許公司將生成式 AI 的特定能源強度掩蓋在其更廣泛的企業排放總額中。

結論：透明度的需求

隨著 AI 競賽的加速，企業修辭與環境現實之間的差距似乎正在擴大。這份報告為投資者、監管機構和消費者敲響了警鐘，要求他們不僅僅滿足於模糊的承諾。

為了讓 AI 行業真正為氣候解決方案做出貢獻，首先必須承認其不同技術特有的環境成本。如果沒有嚴謹、經過同行評審的證據，以及機器學習的效率與生成式 AI 的過度之間的明確區隔，大型科技公司的綠色聲明就有可能淪為數位時代的障眼法。