芯片制造碳排放：绿色AI评估不可忽视的环节

讨论绿色 AI 时，人们很容易盯着训练时的耗电量：模型跑了多久、用了多少算力、推理请求有多频繁。但如果芯片在进入数据中心之前的制造过程没有被纳入，整张碳账单就可能缺了一块重要拼图。有研究指出，忽略芯片制造环节，碳足迹可能被低估超过四成。

这并不意味着每个团队都要立刻精确核算一块芯片从原料到封装的全部排放。现实是，这部分数据往往不透明，采购方也很难逐项取得。但“难以精确”不应变成“完全不计”。在模型选型或算力采购时，至少应把芯片制造排放单列为待估算、待披露的项目，而不是默认它不存在。

不能只看运行时效率

PUE 能反映数据中心基础设施是否节能，却不能回答电力是否清洁，更无法覆盖芯片制造的环境成本。同样，一台设备在运行阶段功耗较低，也不必然意味着它的全生命周期碳排更低。若只比较训练耗电和推理效率，容易把“使用阶段的节省”误当成“整体低碳”。

更合理的做法，是把评估分成两层：一层看训练与推理的持续排放，另一层保留硬件制造的碳足迹入口。前者适合用耗电量、电网碳排放因子和单位业务产出持续跟踪；后者则要求供应链和服务商提供更透明的信息。即使暂时只能做区间判断，也比把它从报表中抹去更诚实。

绿色 AI 不只是让模型少耗一点电，而是承认算力并非凭空出现。当企业开始追问“这份算力从哪里来、用了多久、能否被充分利用”，环境成本才真正进入技术决策。