企业IT部门在计算数据中心系统更换所带来的环境和投资回报影响时，往往未能全面考虑相关成本，同时也倾向于过早淘汰硬件，巴塞尔行动网络（BAN）发布的一份报告如此指出。
BAN是一家监督1989年联合国《巴塞尔公约》执行情况的非政府组织，该公约限制发达国家与欠发达国家之间的危险废物贸易。
报告指出：“此前对AI电子废弃物的量化估算严重低估了未来的废弃量，因为这些估算过度关注服务器和加速器，而这类设备仅占数据中心电气机械基础设施的13%。本研究识别出五类设备，包括网络设备、配电系统、存储/备份设备和制冷系统，总计每GW容量约产生70000公吨。此前未被计入的87%（其中绝大部分同样被定义为电子废弃物）从未出现在我们所知的任何AI电子废弃物预测中。”
尽管AI数据中心的扩张——无论是全球数据中心数量还是单个数据中心的能力——都在快速增长，并预计将持续多年，但报告认为，大多数企业的计算方式存在缺陷。
报告指出：“数据中心行业‘牲畜而非宠物’的运营理念，以及GPU代际更新的快速节奏，已经将AI设备的使用寿命压缩至2.5至5年，这比服务器及相关设备正常使用寿命所要求的时间更短，这意味着同样的基础设施会比传统更换周期预测的时间更早成为废弃物。到2030年，本研究对AI驱动的电子设备退役量的估算，大约是学术界最广泛引用的预测数据的40至60倍，这主要是因为此前的研究仅计算了服务器和GPU。”
报告预计，到2050年，全球每年电子废弃物总产生量将达到1.96亿至2.11亿公吨，是目前全球每年约6700万公吨产量的三倍以上。报告还指出：“在2050年的预计总量中，每年3100万至4600万公吨可归因于AI废弃物。”
这并非新话题。数据中心电子废弃物的影响多年来一直为企业所认知，但对于该如何应对，业界尚未达成强有力的共识。
数学计算存疑
分析师和顾问普遍认为报告的总体结论是合理的，尽管一些人对具体的数学预测提出质疑，怀疑这家环保倡导组织是否夸大了其预测数据。
Dickson Research首席分析师弗兰克·迪克森表示，报告中一些最引人注目的数据也是最值得怀疑的。
他说：“40至60倍这个标题数字会吸引所有关注，但这也是整份报告中最难以自证的部分。”他指出，报告中有些数据经过了相当严谨的计算，这也正是让人对报告中其他说法产生疑问的原因。
迪克森表示，报告依据一座100兆瓦的参考设施来推算每GW 70000公吨的数字，该设施的基础设施被分为五类：制冷占35%，配电占34%，备用电源占15%，服务器和加速器占13%，网络设备占3%，“BAN随后将其与世界经济论坛的矿物强度数据以及微软自行披露的芝加哥某设施的铜消耗量进行了交叉核实。这是一种相当严谨的方式来构建每GW硬件质量估算，我没有充分的理由质疑其得出的62至77千吨/GW这一范围。”
设备使用寿命引发争议
不过，迪克森表示：“从硬件质量推算到未来废弃物吨数时，情况就变得不那么可靠了。这依赖了很多假设发挥作用：数据中心容量连续26年保持8.8%的复合年增长率，以及加速器设备专门采用2.5年的退役周期。后一个假设问题较大，因为这在业内目前仍是一个活跃的争论话题。”
迪克森指出，2022年至2025年间，每家主要的超大规模云服务商都延长了自己对服务器使用寿命的会计假设，微软将假设从4年延长至6年，Alphabet从4.5年延长至6年，Meta延长至5.5年，甲骨文从5年延长至6年。
迪克森表示，这些厂商的数据依据的论点是：芯片的工作寿命不会在离开前沿训练集群时结束，而是会逐级下沉到推理任务，随后再转向低强度批处理任务，持续使用多年。“BAN的报告本身也承认存在这类研究，并称其对AI加速器而言尚未经过验证，但仍然沿用了2.5年这一数字，这是报告中最薄弱的一环。客观来看，BAN对2030年前后的预测数字可能被高估了。”
不过迪克森也补充道：“AI驱动的功率密度正在压缩制冷和配电设备的更换周期，其速度已超过大多数资本规划模型的跟进速度。”
独立技术顾问史蒂文·埃里克·费舍尔也对报告结论所依据的一些数学假设提出质疑。
费舍尔表示：“某个设施淘汰的设备，并不必然等同于该设备成为废弃物。报告将加速器、服务器和机架的使用寿命设定为2.5年，并部分将其与英伟达的架构发布节奏联系起来。我认为产品代际更新节奏不能作为设备有效使用寿命的替代指标。”
他指出，尽管英伟达在2017年推出了V100，但谷歌云目前仍在提供V100实例；A100于2020年推出，到2026年仍是AWS平台上一款持续提供的产品。“这并不意味着每家超大规模云服务商都会将硬件使用这么长时间，但这确实说明新一代产品进入市场，并不会自动使上一代产品在经济上变得无用。”
费舍尔还对报告如何计算硬件采购提出了质疑。
费舍尔说：“报告估计服务器、加速器和机架仅占设施质量的13%，而配电和制冷合计约占69%。但报告中提到的8年配电系统使用寿命，明确是BAN自己的估算数字，尽管报告本身也指出传统电力基础设施可以使用15至20年。5年的制冷系统使用寿命同样是BAN的估算数字。一旦将这些假设应用到数百GW的预计产能上，相对较小的建模选择就可能产生极其庞大的废弃物总量。”
CIO需要重新思考数据中心成本衡量方式
Acceligence执行顾问妮蒂·卢特拉表示，这份报告给CIO的启示是，他们需要重新思考如何衡量数据中心的全部成本。
卢特拉说：“我认为这份报告最重要的地方，并不在于每一个长期吨数预测是否绝对准确，而在于IT部门可能一直在衡量错误的指标。基于报告阐述的方法论，每GW约70000吨的估算方向上是合理的。但2050年的预测对假设条件更为敏感，尤其是围绕长期数据中心增长率和基础设施更新周期方面。报告在这一点上是坦诚的。”
但她补充道：“对高管而言，更重要的问题在于，AI可能导致经济性淘汰的速度快于物理性淘汰。设备可能仍然运行良好，但由于下一代产品需要不同的功率密度、制冷方式、网络架构或机架结构，从商业角度而言就变得没有吸引力。这才是CIO应该关注的重点。”
Info-Tech Research Group资深分析师达林·斯塔尔对此表示认同。
他说：“采购AI基础设施的IT领导者应将生命周期和退役影响视为架构和采购层面的要求，不仅要追踪和报告计算设备，还要涵盖配套系统、电池、制冷剂、灭火剂、可回收利用潜力以及负责任的回收或处置方式。”
卢特拉表示，解决这一问题的方法当然不是放缓AI投资，而是应该“在容量模型之外建立一个生命周期模型。CIO应该询问设备更新时会发生什么，哪些设备可以重新部署到低层级工作负载中，还剩多少残余价值，系统模块化程度是否足以支持选择性升级，以及供应商在设备回收、再利用和资源回收方面做出了怎样的承诺。”
斯塔尔补充道：“如果AI基础设施真的会像BAN预测的那样产生如此规模的废弃物，那么任何正在讨论中的政府监管框架都应考虑要求大型AI和数据中心项目具备生命周期透明度，包括设备使用寿命、材料周转、再利用、电池、制冷剂和灭火剂等信息，从而使监管能够反映AI基础设施的全面影响，而不仅仅局限于电力和水资源消耗。”
卢特拉表示，这意味着CIO的思维方式需要发生转变。她说：“AI在很大程度上一直被当作软件、算力和能源的故事来讨论，但它正日益成为一个关于材料和生命周期管理的故事。具体数字会不断演变，但这一战略性问题已经摆在眼前。”
Q&A
Q1：AI数据中心产生的电子废弃物真的被低估了吗？
A：是的。此前的估算主要关注服务器和加速器，但这类设备仅占数据中心电气机械基础设施的13%，网络、配电、存储备份和制冷系统等占比高达87%的设备类别此前从未被计入AI电子废弃物预测中。
Q2：AI硬件的使用寿命一般是多久？
A：这是业内争议话题。BAN报告认为AI设备使用寿命被压缩至2.5至5年，但主要超大规模云服务商近年来都延长了服务器使用寿命假设，例如微软从4年延长至6年，Alphabet从4.5年延长至6年。
Q3：企业该如何应对AI带来的电子废弃物问题？
A：专家建议企业不应放缓AI投资，而应建立生命周期管理模型，关注设备更新后的处理方式、残余价值、模块化升级能力，以及供应商在设备回收和再利用方面的承诺，将生命周期透明度纳入采购和架构决策。
