從搖籃到雲端：AI 環境足跡生命週期回顧
arXiv - Computers and SocietyKatherine Lambert, Sasha Luccioni
系統性回顧 AI 生命週期各階段環境影響，揭示報告缺口並提出更完整、可比的測量方法。
AI 幫你先抓重點
AI 重點 1
生命週期全景的缺失使得單一階段評估無法反映 AI 真實環境成本。
滑鼠懸停看 AI 判斷理由
若只聚焦訓練或推理，會忽略資料收集、基礎設施與製造排放，導致政策制定者無法獲得完整資訊，影響可持續發展決策。
AI 重點 2
現行報告過度依賴 CO2e 粗代理，缺乏多影響指標，限制跨研究比較。
滑鼠懸停看 AI 判斷理由
多影響評估能揭示水資源、材料消耗等隱藏成本，為教育科技領域設計更綠色 AI 系統提供實證基礎。
核心研究發現
- 1
研究發現 AI 生命週期語言雖普遍，但定義不清，研究範圍差異大。
- 2
目前報告主要依賴 CO2e 粗代理，缺乏水耗、材料製造及多影響 LCA，難以比較。
- 3
研究提出新的測量與報告框架，支持更全面、可比且政策相關的評估。
對教育工作者的啟發
對教育科技工作者而言，本文提醒在設計 AI 工具時，應從硬體製造到終端使用全程考量環境成本。建議先採用作者提出的八階段框架，對每階段的 CO2e、用水量、材料耗用等指標進行量化，並與同類工具進行比較。此舉不僅能協助課程設計者選擇更綠色的 AI 方案，亦能在課程評估中加入環境影響指標，促進可持續學習環境的建構。
原始文獻資訊
- 英文標題：
- From Cradle to Cloud: A Life Cycle Review of AI's Environmental Footprint
- 作者：
- Katherine Lambert, Sasha Luccioni
- 來源：
- arXiv - Computers and Society
- AI 摘要模型：
- openai/gpt-oss-20b
每週精選研究電子報
每週五信箱收到精選 5 篇教育科技重點研究摘要，零時間壓力掌握學術前沿。