← 返回 8 大影響構面
IA-08 環境影響Environmental Impact
評估 AI 系統從開發、訓練到部署的整個生命週期對自然環境的生態與資源影響，包含直接的運算資源消耗、溫室氣體碳排放與冷卻水資源消耗，以及商業應用帶來的間接行為影響。
🎯 正面效益 Benefits採用輕量化模型與綠色算力調度，或將 AI 應用於生態保護與電網能效優化，達成 ESG 永續發展目標。
⚠️ 負面危害 Harms / Risks巨型模型訓練與高頻推論消耗龐大電力、冷卻水資源並產生碳排放，或演算法過度誘發不永續的消費行為。
直接環境影響
定義評估 AI 系統從啟動到退役的整個生命週期中的直接環境影響，包括資源消耗。
🎯 正面效益 Benefits建立模型訓練與推論之算力、電力及冷卻水資源消耗盤查方法，積極執行能效最佳化與綠色算力採購。
⚠️ 負面危害 Harms / Risks大型模型訓練與推論消耗龐大電力與冷卻水資源，未納入 ESG 盤查，面臨碳稅與當地社區水資源爭議。
代表性情境S0023 模型訓練碳排放S0024 資料中心水資源消耗S0025 關鍵礦物開採環境衝擊S0098 推論效率低落造成資源浪費
間接環境影響
定義評估 AI 系統部署的間接環境影響，包括有益影響和有害影響。
🎯 正面效益 Benefits防範單位算力降價引發的回彈效應 (傑文斯悖論)、硬體提早報廢之電子廢棄物及環境成本跨區轉移。
⚠️ 負面危害 Harms / Risks單位推論成本降低刺激各部門無節制擴大 AI 場景（回彈效應），或硬體頻繁汰換產生大量電子廢棄物。
代表性情境S0016 技術與算力集中造成失衡S0017 數位落差加劇既有不平等S0019 國際間技術競逐加劇S0020 市場競逐壓低安全標準S0021 全球研發能力鴻溝S0022 資料標註勞動條件失衡S0204 效率提升引發的回彈效應S0206 硬體汰換產生電子廢棄物S0207 設備提早報廢加劇廢棄物S0208 環境成本轉移至弱勢地區