為了達到淨零碳排目標，人們需要密集監控自然環境與資源使用，同時也需要找到最有效率的能源使用方式，讓能源效益極大化，碳排放極小化。而AI在其中扮演重要角色。
在產業應用中，AI技術可以即時監測污染、減少水及能源浪費，大幅減少人力成本，在Google Map等地圖服務中，還能推薦環境友善路徑，提升整體能源的使用效率，加速達到碳中和的目標。此外，AI還能預測自然災害的發生機率與時間點，例如洪水預測，也能模擬海平面上升會如何侵蝕沿岸城市，並預測容易發生野火的乾旱地區，給人們更多時間準備，若發生火災就能及早撲滅。這些都是AI的減碳應用。
矛盾的是，雖然AI有助於提升能源使用效率，但AI的訓練與使用過程卻相當耗能，讓減碳的效益打折扣。
《華爾街日報》報導：Artificial Intelligence Can Make Companies Greener, but It Also Guzzles Energy
訓練AI不只會消耗電能，還會消耗大量水資源
與水泥、石化產業相比，資通訊產業給人較為清潔的感覺，但它其實也是高碳排的產業。《華爾街日報》指出，資通訊產業碳排放量占全球總碳排的3%；若資通訊產業是個國家，它會是世界第6大排放源，僅次於中國、美國、印度、俄羅斯與日本。
至於用於AI運算的資料中心，它的碳排放量占比也達到2%，和航空業相同。而隨著AI發展，訓練AI模型所需的能量也隨之增加。提升資料中心的能源使用效率將有助於降低碳排放量，是刻不容緩的議題。
為了研究機器學習模型的生命週期碳足跡，AI應用開發商Hugging Face的研究科學家Sasha Luccioni和另外兩位研究人員設計一個名為Bloom的機器學習模型。研究團隊發現，訓練模型所消耗的電能並不是碳排放的唯一來源。Bloom使用GPU運算，因此製造GPU所使用的水源與稀有金屬原料也是碳排放的來源，而且它們的排碳量跟訓練AI所消耗電能的排碳量不相上下。
根據史丹佛大學2023年4月的一份報告，Bloom在2022年3月至2022年7月期間，訓練模型所使用的能源足以為美國普通家庭供電41年。此次訓練的排放量相當於搭飛機往返紐約到舊金山25次，比美國人一年平均排放量還高了三分之一以上。而類似Bloom的AI模型，例如OpenAI的ChatGPT-3，其二氧化碳的排放更是Bloom的20倍，消耗的電量也大約是Bloom的3倍。
