凱特·克勞福德（Kate Crawford）在《AI 地圖集：人工智慧的權力、政治與地球成本》（Atlas of AI: Power, Politics, and the Planetary Costs of Artificial Intelligence）一書中，並非從技術樂觀主義的角度去讚頌人工智慧的演算法突破，而是將 AI 視為一種大規模的「萃取產業」（Extractive Industry）。
本篇將聚焦於本書最核心、也是最基礎的第一個論點：「人工智慧作為一種行星級的萃取產業：從地質資源到環境代價」。這涵蓋了書中「導論」與第一章「地球（Earth）」的核心內容。
第一部分：人工智慧的物質性——從雲端神話到地質創傷
在當代科技論述中，人工智慧（AI）往往被描繪成一種抽象的、無實體的、甚至是超越物質的存在。我們習慣用「雲端」（The Cloud）、「演算法」、「神經網絡」這些詞彙來談論它，彷彿 AI 是純粹的數學邏輯與程式碼的產物，漂浮在現實世界之上的數位虛空之中。然而，凱特·克勞福德在《AI 地圖集》中提出的第一個、也是最具顛覆性的論點在於：人工智慧並非「人工」的，也非純粹的「智慧」，它本質上是一個依賴地球資源進行大規模掠奪與消耗的物質產業。 AI 系統的運作，建立在對地球地質層的深層挖掘、對能源的巨大消耗，以及對生態環境造成的不可逆轉的破壞之上。要真正理解 AI，我們必須將視線從矽谷的玻璃帷幕大樓移開，轉向內華達州的鋰礦場、蒙古的稀土湖，以及海底的電纜與龐大的數據中心。
首先，我們必須解構「雲端」這個隱喻。科技巨頭長久以來透過行銷手段，將運算基礎設施描繪成輕盈、潔淨且無形的「雲端」，這是一種極其成功的修辭策略，它有效地掩蓋了科技產業沈重的物理足跡。克勞福德指出，這個隱喻讓公眾誤以為數據的儲存與處理是發生在一個與自然環境隔絕的虛擬空間，沒有重量，也不產生廢棄物。然而，事實恰恰相反。支撐起我們每一次 Google 搜尋、每一次向 Alexa 發出的指令、以及每一個機器學習模型訓練過程的，是遍布全球的龐大物理基礎設施。這些設施由鋼鐵、混凝土、塑膠、化學冷卻劑，以及最重要的——從地殼中開採出的稀有礦物所構成。因此，AI 並不屬於天空，它屬於土地；它不是關於抽象的智慧，而是關於具體的資源爭奪。
為了具體說明這一點，克勞福德帶領讀者深入供應鏈的源頭：礦場。以鋰電池為例，這是現代移動運算和電動車不可或缺的核心組件。書中詳細描述了位於美國內華達州克萊頓谷（Clayton Valley）的銀峰（Silver Peak）鋰礦場。這裡曾是淘金熱時代的遺跡，如今卻成為了「灰色黃金」——鋰的開採地。鋰不僅驅動著特斯拉的電動車，也驅動著我們口袋裡的智慧型手機和筆記型電腦，更是維持數據中心備用電源的關鍵。在這個荒涼的沙漠景觀中，我們看到了 AI 產業最真實的物質面貌：巨大的蒸發池、異形的黑色管道、以及被榨乾的土地。這種開採行為延續了數百年來的殖民主義邏輯，即將邊陲地區視為資源庫，以滿足中心地區的發展需求。就像十九世紀舊金山的財富是建立在對山脈的剝削和原住民的驅逐之上，今日矽谷的繁榮同樣建立在對全球礦產資源的掠奪之上。
除了鋰，稀土元素（Rare Earth Elements）更是 AI 硬體的骨幹。從智慧型手機的螢幕、揚聲器，到硬碟驅動器和處理器，無不依賴鏑、釹、鋱等稀有金屬。然而，這些金屬的開採與提煉過程充滿了毒性與暴力。克勞福德在書中提到了位於中國內蒙古包頭市的白雲鄂博礦區，那裡有一個巨大的人工湖，充滿了黑色的有毒污泥。這是提煉稀土過程中產生的放射性廢料與化學殘留物。為了讓我們手中的設備更輕薄、運算速度更快，地球的另一端正在承受著酸性廢水污染農田、當地居民健康受損的代價。這種「環境種族主義」在科技供應鏈中屢見不鮮：享受 AI 便利的是富裕國家的消費者，而承擔生態惡果的往往是發展中國家的貧困社群。從印尼邦加島（Bangka Island）危險的錫礦開採，到剛果民主共和國充滿血腥衝突的鈷礦挖掘，AI 產業的每一個硬體組件背後，都隱藏著一部關於剝削、戰爭與環境毀滅的歷史。
進一步來說，克勞福德強調了一種「時間尺度」的錯置。我們正在挖掘地球經歷數十億年地質作用才形成的礦物資源，僅僅是為了滿足壽命只有短短幾年的消費性電子產品。智慧型手機的平均使用壽命不到五年，就會被視為過時並丟棄。這種「計畫性淘汰」（Planned Obsolescence）不僅不僅創造了巨大的利潤，也加速了資源的耗竭與電子垃圾的堆積。這是一種將「深層時間」（Deep Time）轉化為「消費時間」的暴力過程。我們在極短的時間內，揮霍了地球累積億萬年的地質遺產，留下的卻是需要數千年甚至更久才能分解的有毒廢棄物。因此，當我們談論 AI 的「進步」時，我們必須意識到這種進步是建立在對地球過去的吞噬以及對未來的透支之上。
除了硬體製造的物質成本，AI 系統的「運行」本身也是一場能源消耗的災難。這打破了數位科技是「綠色產業」的迷思。訓練一個大型自然語言處理模型（例如 BERT 或 GPT 系列），需要消耗驚人的電力。克勞福德引用研究指出，訓練單一個大型 AI 模型所產生的碳排放量，可能相當於五輛汽車整個生命週期的排放總和，或者是數百次往返紐約與北京的航班。這還僅僅是「訓練」階段，尚未計算模型部署後、數以億計的用戶每天使用時所產生的持續性能耗。
AI 領域流行著一種「算力極大化」（Compute Maximalism）的思維，認為數據越多越好、模型越大越好、運算層數越深越好。這種暴力破解式的運算美學，完全無視了能源效率與環境成本。為了追求準確率微小的提升，科技公司不惜投入倍數增長的算力資源。數據中心已成為全球用電大戶，儘管許多科技巨頭宣稱使用再生能源或購買碳權來達成「碳中和」，但這往往只是一種會計手段，無法掩蓋其總體能耗急劇上升的事實。更諷刺的是，像微軟、亞馬遜和 Google 這樣的公司，甚至將其強大的 AI 技術授權給石油和天然氣公司，幫助它們更有效地探勘剩餘的化石燃料，從而進一步加劇了氣候變遷。這種循環形成了一個諷刺的閉環：AI 需要大量的能源來運行，而 AI 又被用來加速開採那些正在毀滅地球氣候的能源。
此外，AI 的基礎設施還包括了龐大的物流網絡與海底電纜系統。克勞福德追溯了歷史，指出這種基礎設施的鋪設同樣伴隨著生態破壞。例如，十九世紀為了鋪設跨大西洋電報電纜，需要使用馬來西亞的古塔膠（Gutta-percha）樹液作為絕緣體，這導致了東南亞雨林的浩劫與該樹種的瀕臨滅絕。如今的全球物流網絡——那些運送礦石、晶片、電子產品的貨櫃輪船——同樣是巨大的污染源。海運業的碳排放量驚人，且常常使用劣質燃料，對海洋生態造成嚴重威脅。 AI 作為全球資本主義的加速器，依賴並強化了這個龐大的物流體系，將地球視為一個單一的工廠與倉庫。
綜上所述，克勞福德的第一個核心論點揭示了 AI 的「物質性」。 AI 絕非無中生有的魔法，它是「由岩石、鋰鹽滷水和原油製成的」。它是一個極度依賴物質資源的產業，其運作邏輯本質上是「萃取」（Extraction）。這種萃取不僅是對數據的挖掘，更是對地球物理資源的掠奪。這種觀點迫使我們重新審視科技產業的權力結構：科技巨頭之所以能擁有強大的運算霸權，是因為它們成功地將這些巨大的環境成本「外部化」（Externalized），轉嫁給了地球生態、邊緣社群以及未來的世代。
因此，如果我們要討論 AI 的倫理或政策，不能僅僅停留在演算法的公平性或程式碼的透明度上，必須將討論的範疇擴大到「行星」的尺度。我們必須質問：為了訓練一個能分辨貓狗圖片的 AI，或是為了讓語音助理講話更像人類一點，我們是否願意犧牲內蒙古的生態環境？我們是否願意讓亞馬遜雨林繼續燃燒？我們是否願意讓地球的氣候走向崩潰？AI 的地圖，實際上就是一張權力與資源分配的地圖，而目前這張地圖顯示的是一種不可持續的、掠奪性的發展模式。只有正視 AI 的物質基礎與環境代價，我們才能打破科技必然進步的迷思，並開始思考一種更符合生態正義與永續性的科技未來。