來稿作者：劉鋭業博士、曾善珩、陳凱婷

近年，世界各地都面臨各式各樣的自然災害，來得又快又急，當中不乏氣候變化衍生的產物。可是要分析這類的氣候風險，涉及大量的數據及計算，單靠傳統的人手研究及分析需要花費頗長時間，難以在短時間內作判斷並應付突如其來的災害。而人工智能（AI）的出現就重塑人類應對氣候危機的方式，可以更快更精準分析龐大數據並以更科學的方式管理氣候風險。然而，AI的運用並非沒有代價，其大型語言模型的訓練與運作依賴龐大的數據中心，正逐漸成為全球能源消耗與碳排放的重要來源。站在科技與可持續發展的交叉口，本文將分析AI的兩面性，以及探討未來如何平衡兩者，讓AI能可持續地幫助我們應對氣候危機。

AI讓氣候風險可預測

傳統的氣候風險管理往往傾向「被動應變」，即災害發生後才進行賠償與重建。而AI的出現，讓大數據與遙感技術推動政府、企業及不同持份者慢慢轉向「預期性行動」，將氣候風險化為可量化、可預測的數據指標。

在防災普及化方面，AI正改善資訊不對稱的漏洞。以Google開發的Flood Hub平台為例，採用深度學習模型整合全球衛星數據與河流流量計。該系統目前已覆蓋全球逾150個國家和地區，為超過20億人口提供高達提前7天的河川氾濫預警，大幅降低極端水患造成的人命傷亡。另外，聯合國國際電訊聯盟（ITU）推動「AI災害管理」技術，透過生成式AI與自然語言處理（NLP），將複雜的氣象雷達數據在數秒內轉化為各地方言簡訊與語音廣播，確保缺乏網絡技術知識的農民與邊遠社區居民能在災害來臨前獲取可執行的避險指示。

對企業而言，氣候風險已直接關係到資產負債表與融資成本。港交所已實施高度對標國際可持續發展準則理事會（ISSB）IFRS S2《ESG報告守則》的氣候資訊披露要求。香港上市企業須對實體風險（即氣候變化有關的自然災害所產生的風險，如暴雨損毀物業）進行氣候情境分析。企業透過AI驅動的實體資產壓力測試和氣候分析工具，能將IPCC的極端氣候情境輸入模型，精細化模擬未來30年內其分散在全球的供應鏈、物流樞紐或物業資產面臨淹水、乾旱及海平面上升的經濟損失，助企業未雨綢繆，避免出現資產大幅減值或被保險公司拒保的困境。

能源消耗是AI的隱性代價

在人工智能技術高速發展的背後，隱藏着一項常被忽略的代價——數據中心的巨大能源消耗與碳排放。大型AI模型的訓練與推理需要龐大的算力，這些運算需求集中在全球各地的數據中心，而其能源負荷正以驚人的速度攀升。根據多項研究，數據中心目前已佔全球電力消耗的約2%，隨着生成式AI的普及，這一比例在未來十年可能翻倍。以Google為例，2024年公司總電力消耗達3,218萬MWh，其中約96%來自數據中心，且在短短四年間幾乎翻倍。Microsoft的能源需求更為驚人，2025財年電力消耗達3,702萬MWh，比2021年幾乎增長三倍。Meta亦呈現相同趨勢，2024年電力使用量達1,842萬MWh，其中98%用於數據中心。

AI模型的訓練過程尤其耗能，一次大型模型的訓練可能消耗數百兆瓦時的電力，並產生相當於數百噸二氧化碳的排放。此外，數據中心的冷卻系統亦是能源黑洞，為維持伺服器在安全溫度下運作，冷卻設備往往需要持續運轉，進一步推高能源需求。更值得關注的是，數據中心的選址往往集中於能源成本較低的地區，但若當地電力結構仍以化石燃料為主，AI的碳足跡便會被放大。這意味着，AI的發展若未與能源轉型同步，可能在無形中加劇全球氣候風險。

如何以智能驅動綠色革新

藉由AI與數位孿生等前沿智慧技術，全面注入淨零排放動力，促使產業邁向高智價、低污染與技術自立的全新格局。

智慧綠色一體化的主要方針：(1)數字化轉型：藉由「AI+智造」策略，加速傳統產業數位轉型，引進綠色智慧工廠模式，並精準落實能源數據化管理與能效優化。(2)築牢綠色算力底座：迎向人工智慧浪潮，數據中心等基礎設施正引進數位智慧並落實低碳轉型，藉此顯著提高綠色能源的利用率與整合占比。(3)加快構建現代航運與物流體系：佈局綠色航運通道、普及永續航空燃料，並透過數位物流方案落實供應鏈去碳化。(4)能源服務轉型：利用人工智慧技術革新燃氣與電力網絡的維運架構，實現能源供給的高安全性、精準智慧管控與極致效率。

作者劉鋭業博士是香港理工大學專業及持續教育學院學生事務總監及高級講師；作者曾善珩和陳凱婷是ESG平台創辦人。

文章僅屬作者意見，不代表香港01立場。

01論壇歡迎投稿。請電郵至01view@hk01.com，附上作者真實姓名、自我簡介及聯絡方法。若不適用，恕不另行通知。香港01保留最終編輯權。