隨著生成式人工智能（GenAI）日益普及，香港生產力局近期的調查發現，幾乎全部受訪企業員工已在日常工作中應用AI；企業亦計劃將AI融入至工作流程，從日常的文書處理、會計、招聘、數據分析，影片創作及圖片設計，到客戶服務都離不開AI。
如此便利的工具，帶來了額外的污染和溫室氣體（GHG）排放（其中包括碳排放），美國麻省理工學院去年的研究發現，用戶每次使用ChatGPT查詢的耗電量是網絡搜尋的五倍左右。而科技公司為了滿足不斷增長的AI算力需求，正興建更多的數據中心。北美在僅僅一年內，耗電量已上升一倍，碳排放隨之上升。
問題是，企業作為AI用戶，員工僅靠數十字的提示語，就能生成一份市場報告，但工具帶來的額外碳排放，似乎對企業的減碳目標造成影響。甚至，這突如其來的碳排放，似乎有可能拖慢本港2050年碳中和及2035年中期目標的減碳步伐。
究竟，這些碳排放增長了多少？現時有沒有一套方法和標準量度企業使用AI服務產生的碳排放？而企業和監管機構又應該採取怎樣的措施應對？
如果單從能源估計，隨着AI應用急速增長及經濟結構轉變，到2050年全球能源需求將大幅攀升75%。其中，AI運算依托的數據中心的能源需求增幅最為顯著，預計2030年前的六年間，其耗電量是其他產業的總耗電量增長率的四倍多。
數據中心除了帶來能源消耗外，其熱量釋放、冷卻需求和碳排放的問題隨之而來。施耐德電氣香港區總裁趙啟文指出：「我們面臨一項前所未有的挑戰：如何在滿足日益增長的AI和能源需求同時，提升能源效益並實現可持續發展。」
趙啟文
「其實AI佔全球碳排放量很少，」羅兵咸永道可持續發展服務合夥人張立君接受採訪時表示。他援引國際能源署（IEA）年初發表的《能源與AI》分析報告，其中估算AI運算所在的數據中心去年的總碳排放量僅佔全球0.5%，即使有更多的數據中心落成，令排放量急速倍增，但也只會增至1.4%，即5億噸二氧化碳排放當量（CO2e）。
這約等於每年為全球增加一個澳洲的碳排放──在2024年，這個2700萬人口的國家全年碳排放為4.464億噸CO2e，難談得上少。而這近一個百分點的排放佔比增長，不免為早已舉步為艱的碳中和目標，增添壓力。
張立君
惟細究之下，IEA的報告由於缺乏數據中心和AI公司的一手數據，政府亦沒有強制企業提供報告，調查團隊只能以模型估算全球碳排放的增長率。他們更在報告中坦言，坊間數據中心耗電量需求預測存在七倍差異。
這無疑反映出當下的核心困境：在缺少真實數據和統一標準的情況下，AI的碳排放量難以準確計算。針對此問題，不同受訪者不約而同地指出了統計AI服務碳排放的困難。
政策的缺位是缺乏真實數據的主因。
須知道，現時主流的ESG（環境、社會和企業管治）披露要求，無論歐盟的《企業永續報告指令》（CSRD）、《企業環境、社會與治理報告標準》（ESRS）、美國加州SB-253法案，還是《香港聯合交易所有限公司證券上市規則》均沒有強制要求科技公司披露其AI為其客戶帶來的間接排放量。
張立君舉例說，對於使用AI服務的企業客戶而言，AI產生的GHG排放都一概計入其範圍三排放之中，即供應鏈的「採購的商品和服務」或「上游租賃資產產生的排放」類別之中，「當公司愈來愈用得多AI，其範圍三碳排放必然增加。」
但在香港規定下，除非科技公司和數據中心自願披露有關於AI的碳排放，大型股發行公司即使在2026年起被強制披露範圍三的碳排量，亦只需識別類別匯報類別總數。
張立君在此補充，部分香港大型企業已自願披露範圍三，亦有跟隨國際碳披露標準──溫室氣體盤查議定書（GHG Protocol）的做法，按十五個類別披露範圍三的GHG排放量。翻查香港交易所《2024年環境、社會及管治披露常規情況審閱》，截至去年8月末，雖然所有披露範圍三的公司均有按類別披露，但只有55間大型企業匯報範圍三溫室排放量，僅為118隻恒生綜合大型股指數成份股中的一半，所有發行人的範圍三匯報率則更低。而類別一「採購的商品和服務」的定義極為寬闊，並不等同於AI服務。
Jonathan Ha
雖然歐盟、澳洲和新加坡交易所，以及國際永續準則理事會（ISSB）的準則，均特別標明了企業需要披露購買的數碼服務（包括雲端與人工智慧服務）所產生的間接排放納入範疇三。「但披露的前題是該排放符合『重大性』的原則，」AI+ESG軟件解決方案公司Seneca ESG的創辦人兼行政總裁Jonathan Ha強調。
那什麼是「重大性」？這取決於它在公司的業務範圍中的佔比。張立君解釋：「如果你是金融機構、銀行或投資公司，那類別十五『投資』很高機率為重大；若是生產商，則需要考慮類別一『購買的商品和服務』、九『下游運輸和配送』和十一『銷售產品的使用』，及計算其排放量。」
更加直接地說，「如果企業的生產過程中，AI可能佔了10%以上，那一定很重要，但絕大部分香港公司使用AI無非是Microsoft Copilot（AI辦公軟件），他（企業高層）覺得這是微不足道，可以忽略不計，」永續管理顧問公司妙盈科技創辦人兼行政總裁涂鑒彧指出。
涂鑒彧
雖然ESRS要求企業按GHG protocal的十五個類別披露範圍三的排放量，但其首階段針對的對象僅為約數千間大型公共利益機構（包括私人公司）。
由於政策的缺失，科技公司的AI模型訓練和推理所消耗的電、水，以及產生的碳排放，正如「黑盒」一樣，沒有披露，大眾不得而知。
Google是目前唯一一間自願公布AI生成的碳排放，且清晰地說明其計算方法的科技公司。它在今年8月發布《測量Google規模化交付AI對環境的影響》報告，其中計算Gemini AI程式對環境的影響，結果發現用戶每次查詢，平均會消耗0.24瓦時電、0.26毫升水和產生30毫克CO2e，約等於觀看電視九秒鐘和消耗半茶匙水。與生產一個一次性膠袋在生產過程中產生的2到6克CO2e相比，要查詢133次Gemini才等同生產一個一次性膠袋的碳排量。
雖然如此，Gemini的日活躍用戶（DAU）多達3500萬人，假設以每人每日只發送一條查詢，粗略地計算，它每年就足以消耗大量資源。而市面上還有OpenAI ChatGPT、Meta AI和Deepseek等GenAI存在，每款AI的耗電量又因其推理生成運行特性而有高低。雖然可以想像它們每年的總碳排放量為之巨大，但在數據缺失之下，只能依靠第三方機構研究推算，它們的數據又存在巨大差異。
即使如首間披露AI碳排放的Google，其研究團隊只計算了Gemini的生成推理過程的碳排放，未有將每次訓練和迭代模型的耗能計入其中。報告沒有把數據中心建築物結構本身的建造和材料運輸納入單一提示語的計算邊界之中，亦未詳細解釋其中原因。
記者亦向Google查詢，了解他們為Gemini企業版的訂閱客戶提供使用服務所產生間接碳排放的數據，對方沒有回應。
標準和成本是統計AI溫室氣體排放的另一困難。
「現時AI及數據中心的範圍三太闊了，」香港皓安永續管理諮詢可持續方案經理洪肇興認為，現時並沒有清晰的標準釐定範圍三計算範圍，「即使像企業的範圍三『採購的商品和服務』，數據中心興建過程中的建材及產生的碳排量，是否應該計入其中？」
洪肇興
數碼基礎設施公司Equinix香港數據中心項目總監鄧家榮表示，Equinix Customer Portal能夠直接為客戶計算在其數據中心部署的設備與配置的GHG排放量，並附有詳盡的計算方法論，客戶亦可選擇申請綠色能源報告，以申報其範圍三排放量。惟該回覆未有提及這些範圍三排放量所涵蓋的項目。
涂鑒彧認為，數據中心收集數據並不困難，現時像亞馬遜（Amazon）、阿里雲等雲服務供應商均會收集自己的碳排放，但AI公司統計排放數據的困難在於方法論，「一個提示語，簡單來說就像一部電話，裡面的不同零件，有不同的計算標準，從屏幕到處理器都不是直接碳排放。標準五花八門，大家不知道怎麼去算。」涂鑒彧續說：「對於大部分AI公司，他們能夠做好數據收集，但怎樣整理、計算是個大問題。」
鄧家榮
而對於上游的用戶，他們要釐清範圍三碳排放數據的準確性，這又成了一項成本的問題。「現時企業多以支出計算法（spend based），供應商提供一個價錢，再找一個相應的排放因素計算，比較簡單直接及可用較少的成本計算到碳排放，」張立君續說，「當然以活動數據（activity based）來計算範圍三會更為準確。但你要投放成本，收集更多的數據計算：數據中心的能源來源、電網、用什麼電腦處理器，它的電力使用效率（PUE）。你需要有很多假設，才能計算答案，所以這會有較大的困難。」
除成本之外，企業還需要釐清和驗證這些數據的真確性。「真正的挑戰不在於規則手冊，而在於數據的真實性與一致性，」Jonathan Ha表示，「當前重點應放在釐清報告範圍、數據來源，以及確保統計數值能通過保證（assurance）程序。初期雖是有限保證，但最終仍需達到合理的保證水平。」
Jonathan表示：「據我估計，目前每五個客戶中就有一間正在積極繪製AI或雲服務範疇三的碳足跡，其中只有少量的企業正準備公開披露。先行者多為在歐盟上市且業務涉及加州的銀行、科技及製造企業，通常屬中大型市值公司，且面臨近期核證義務。」
然而，除了阿里騰訊等行業龍頭企業會自願地細緻公布排放量。「在目前的情況下，其餘的公司只要有數字披露，滿足最低合規要求就可以了，」涂鑒彧形容。
更有受訪者坦言，ESG的本質就是錢，企業會從金融角度履行披露責任，「為什麼要做ESG報告？會不會有政策迫著我去做？這主要看投資者的態度。」
層層遞進之下，大多數公司面對AI這個新事物，既沒有法規AI公司披露其間接排放量，而企業又沒有時間和成本收集數據，計算排放量，特別當市場上亦沒有成熟的公式計算用量，這便做成了數據的缺失，無人能夠準確地評估AI的真實污染量。
唯一的安慰是，數據中心正不斷提高其能源效益。
據立法會文件，香港數據中心的樓面空間將由2023年的97萬平方米增至明年年底的約150萬平方米。礙於數據中心的用電量，香港立法會於今年九月通過《2025年建築物能源效益（修訂）條例草案》，將數據中心納入規管範圍，要求其提高能源效益，由原來的十年能源效益審核時間縮短至一半。
鄧家榮表示，Equinix在設計、建造及營運數據中心時，始終將多項永續性要素納入考量，包括能源效率、供應商承諾、建材、清潔與再生能源、水資源及生物多樣性保育，以及循環經濟實踐。Equinix僅在2024年年內便在全球能源效率領域投資5,100萬美元，而針對所有新建項目，公司亦有評估使用低碳排放替代品的可行性，減少關鍵大宗商品的碳足跡。
與此同時，數據中心的散熱系統亦不斷優化以減少能耗。施耐德電氣香港區總裁趙啟文舉例說，公司與Equinix合作，在香港HK1數據中心部署機櫃式直達芯片液體冷卻CDU系統，以提升熱管理與能源優化。
施耐德電氣亦與輝達（Nvidia）共同開發可整合電源管理、液體冷卻和控制系統的參考設計，支援超高密度部署，並為AI工廠和數據中心提供的能源效率、可擴展性和互通性。
不過，數據中心的能源效益無論再怎樣優化，很可能也無法追上其數量和總耗電量增長的腳步。「這是必然發生的事，」張立君再次回到《能源與AI》報告說，「AI有望提高其他燃料、工廠和物流等行業的生產效能，到2035年，有望抵銷AI帶來的額外碳排放。」但這仍然有待時間驗證。
而在此之前，如何統計這些隱藏的AI碳排放，無疑是首要解決的事。
大自然保護協會碳市場董事總經理Campbell Moore強調，隨著AI成為各行各業業務營運的基礎，與其使用相關的GHG排放已變得不容忽視。由AI驅動的數據中心的能源需求正在迅速上升，如果沒有適當的第三方監督，這些排放可能會破壞企業的淨零目標。為確保問責制和透明度，政策指引必須不斷發展，以強制要求全面的範疇三披露要求，特別是在那些嚴重依賴數碼基礎設施和外判AI服務的行業。
Campbell Moore
他特別提到本港的金融、物流和公共服務領域正在大幅採用AI，這座城市的數碼排放足跡隨之增加。他表示：「雖然本地的ESG法規正在進步，但與數碼服務（尤其是AI）相關的間接排放仍在很大程度上被忽視。更新揭露規則以涵蓋這些範疇三類別，將提高透明度，並有助於鞏固香港作為全球綠色金融中心的前瞻地位。」
為此，強而有力的政策支持必不可少。這始於監管的清晰度，特別是圍繞範疇三排放報告的清晰度——包括與AI工作負載、雲計算和其他外判數碼服務相關的排放。Moore指出：「如果沒有明確的指引，公司就缺乏衡量和管理這些快速增長排放源的動力和框架。」
他建議香港政府可以推出財務激勵措施，鼓勵企業興建低碳數據中心、採購可再生能源，以及為採用節能數碼基礎設施的公司提供稅收或資金支持來加速減碳進程。──黃舜煬