来稿作者：刘锐业博士、曾善珩、陈凯婷

近年，世界各地都面临各式各样的自然灾害，来得又快又急，当中不乏气候变化衍生的产物。可是要分析这类的气候风险，涉及大量的数据及计算，单靠传统的人手研究及分析需要花费颇长时间，难以在短时间内作判断并应付突如其来的灾害。而人工智能（AI）的出现就重塑人类应对气候危机的方式，可以更快更精准分析庞大数据并以更科学的方式管理气候风险。然而，AI的运用并非没有代价，其大型语言模型的训练与运作依赖庞大的数据中心，正逐渐成为全球能源消耗与碳排放的重要来源。站在科技与可持续发展的交叉口，本文将分析AI的两面性，以及探讨未来如何平衡两者，让AI能可持续地帮助我们应对气候危机。

AI让气候风险可预测

传统的气候风险管理往往倾向“被动应变”，即灾害发生后才进行赔偿与重建。而AI的出现，让大数据与遥感技术推动政府、企业及不同持份者慢慢转向“预期性行动”，将气候风险化为可量化、可预测的数据指标。

在防灾普及化方面，AI正改善资讯不对称的漏洞。以Google开发的Flood Hub平台为例，采用深度学习模型整合全球卫星数据与河流流量计。该系统目前已覆盖全球逾150个国家和地区，为超过20亿人口提供高达提前7天的河川泛滥预警，大幅降低极端水患造成的人命伤亡。另外，联合国国际电讯联盟（ITU）推动“AI灾害管理”技术，透过生成式AI与自然语言处理（NLP），将复杂的气象雷达数据在数秒内转化为各地方言简讯与语音广播，确保缺乏网络技术知识的农民与边远社区居民能在灾害来临前获取可执行的避险指示。

对企业而言，气候风险已直接关系到资产负债表与融资成本。港交所已实施高度对标国际可持续发展准则理事会（ISSB）IFRS S2《ESG报告守则》的气候资讯披露要求。香港上市企业须对实体风险（即气候变化有关的自然灾害所产生的风险，如暴雨损毁物业）进行气候情境分析。企业透过AI驱动的实体资产压力测试和气候分析工具，能将IPCC的极端气候情境输入模型，精细化模拟未来30年内其分散在全球的供应链、物流枢纽或物业资产面临淹水、干旱及海平面上升的经济损失，助企业未雨绸缪，避免出现资产大幅减值或被保险公司拒保的困境。

能源消耗是AI的隐性代价

在人工智能技术高速发展的背后，隐藏着一项常被忽略的代价——数据中心的巨大能源消耗与碳排放。大型AI模型的训练与推理需要庞大的算力，这些运算需求集中在全球各地的数据中心，而其能源负荷正以惊人的速度攀升。根据多项研究，数据中心目前已占全球电力消耗的约2%，随着生成式AI的普及，这一比例在未来十年可能翻倍。以Google为例，2024年公司总电力消耗达3,218万MWh，其中约96%来自数据中心，且在短短四年间几乎翻倍。Microsoft的能源需求更为惊人，2025财年电力消耗达3,702万MWh，比2021年几乎增长三倍。Meta亦呈现相同趋势，2024年电力使用量达1,842万MWh，其中98%用于数据中心。

AI模型的训练过程尤其耗能，一次大型模型的训练可能消耗数百兆瓦时的电力，并产生相当于数百吨二氧化碳的排放。此外，数据中心的冷却系统亦是能源黑洞，为维持伺服器在安全温度下运作，冷却设备往往需要持续运转，进一步推高能源需求。更值得关注的是，数据中心的选址往往集中于能源成本较低的地区，但若当地电力结构仍以化石燃料为主，AI的碳足迹便会被放大。这意味着，AI的发展若未与能源转型同步，可能在无形中加剧全球气候风险。

如何以智能驱动绿色革新

借由AI与数位孪生等前沿智慧技术，全面注入净零排放动力，促使产业迈向高智价、低污染与技术自立的全新格局。

智慧绿色一体化的主要方针：(1)数字化转型：借由“AI+智造”策略，加速传统产业数位转型，引进绿色智慧工厂模式，并精准落实能源数据化管理与能效优化。(2)筑牢绿色算力底座：迎向人工智慧浪潮，数据中心等基础设施正引进数位智慧并落实低碳转型，借此显著提高绿色能源的利用率与整合占比。(3)加快构建现代航运与物流体系：布局绿色航运通道、普及永续航空燃料，并透过数位物流方案落实供应链去碳化。(4)能源服务转型：利用人工智慧技术革新燃气与电力网络的维运架构，实现能源供给的高安全性、精准智慧管控与极致效率。

作者刘锐业博士是香港理工大学专业及持续教育学院学生事务总监及高级讲师；作者曾善珩和陈凯婷是ESG平台创办人。

文章仅属作者意见，不代表香港01立场。

01论坛欢迎投稿。请电邮至01view@hk01.com，附上作者真实姓名、自我简介及联络方法。若不适用，恕不另行通知。香港01保留最终编辑权。