电子垃圾一直是数据中心运营商关注环境可持续性和社会责任的一大挑战。然而，围绕人工智能的持续繁荣可能会使数据中心电子垃圾问题更加严重。
这就是为什么现在是数据中心运营商，以及在数据中心内部署人工智能工作负载的企业开始考虑电子废物管理策略的时候了。通过提前解决这个问题，他们可以减少导致电子垃圾的人工智能基础设施的数量。
数据中心电子垃圾基础知识
电子垃圾是指不再使用并可能对环境造成危害的任何类型的电子产品。数据中心所容纳的设备（例如服务器、网络交换机和电源装置）可能含有铅和汞等化学物质。这意味着这些设备在不再使用时有可能成为电子垃圾。
从环境可持续性的角度来看，电子垃圾是有害的，因为数据中心设备内的危险化合物会渗入自然环境，可能危害植物、动物和人类。它还会对发展中国家的人民产生负面影响，因为发展中国家往往成为废弃IT设备的最终目的地。
人工智能会让电子垃圾变得更糟吗？
与许多科技行业一样，数据中心几十年来一直在产生电子垃圾。但随着越来越多的企业寻求利用人工智能（尤其是生成式人工智能），这一挑战可能会加剧。
原因在于，生成式AI应用和服务必须经过一个称为“训练”的过程，该过程涉及解析大量数据以识别模式。训练通常使用配备图形处理单元(GPU)的服务器进行。GPU的训练速度比传统CPU快得多，因为GPU具有更高的并行计算能力，这意味着它们可以同时处理更多数据。
在大多数情况下，AI训练是一个临时或一次性的过程。一旦AI模型完成训练，它就不需要再次训练，除非开发人员想“教”它新的信息。这意味着训练生成式AI模型可能会导致部署支持GPU的服务器，而这种服务器并没有持续的需求。
换句话说，在企业启动并运行AI模型后，对硬件的需求就会减少，因为除了AI训练之外，数据中心内部GPU的用例并不多，而且大多数组织不需要频繁重新训练。
从电子垃圾的角度来看，这可能会导致大量GPU（或整个支持GPU的服务器）的使用寿命明显缩短。它们仍能发挥作用，但可能会因需求不足而变得过时。
类似的故事已经在加密货币挖矿领域上演，GPU和其他专用硬件也很重要，因为它们经常用于挖矿。由于为加密货币挖矿制造的设备几乎没有其他用处，因此其中大部分都成了电子垃圾。
减少人工智能造成的数据中心电子垃圾
好消息是，有办法避免因人工智能训练而导致数据中心电子垃圾大量增加。
一个关键步骤是企业共享AI训练服务器。企业可以选择GPU即服务产品，而不是购买自己的配备GPU的服务器进行训练，这实际上是让他们租用GPU。训练完成后，其他有模型需要训练的企业可以使用这些GPU。这比拥有不需要持续使用的GPU服务器更具可持续性，更不用说更具成本效益了。
选择使用预先训练好的模型而不是从头开始构建模型，是帮助减轻人工智能电子垃圾风险的另一种方法。越来越多的模型来自已经过训练的开源项目，从而无需任何类型的专用数据中心基础设施。
当然，企业还应确保在不再需要AI服务器时妥善回收或处理它们。但理想情况下，他们首先要尽量减少部署可能在短时间内成为AI电子垃圾的服务器数量。
免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。
