鉴于气候危机的严重性，每个行业都必须评估其对地球的潜在影响，并寻找降低环境足迹的方法。数字世界及其最宝贵的商品——数据，也不应例外。
虽然数字技术常被视为实现《巴黎协定》目标并推动可持续发展目标的关键驱动力，但越来越多的研究在提醒我们，数字活动对气候和环境具有显著影响。
从高碳密集的采矿与制造活动，到数据中心不断增长的用电需求，再到产品过时产生的大量电子废弃物，要理解该行业对气候变化与生物多样性丧失的影响，就必须对数字技术进行全面的环境审计。
本文旨在介绍构成数字技术环境影响的主要来源。分析涵盖数字设备整个生命周期中的各项活动，从制造、分销、使用到处置，以及支撑数据存储、传输和处理的基础设施，如通信电缆和数据中心。结合最新研究，本文以轻量化的方式提升人们对数字技术与数据环境足迹的认识。
数字技术的环境足迹：迈向整体性方法
推动绿色、可持续的数字世界的第一步，是评估该行业的环境足迹。然而，尽管近年来相关研究方兴未艾，审计数字世界仍是一项极其复杂的任务。
数据可得性是推进稳健研究的主要挑战之一。众所周知，监管新兴技术十分困难。政策制定者往往难以在促进创新与保护社会免受新技术意外风险之间取得平衡。这种张力解释了为何数字世界仍高度缺乏监管。
在处理数字技术的环境影响方面，这种监管缺失尤为突出。缺乏以可持续性为导向的监管框架，意味着企业往往无需强制采纳环境标准，也无需披露其活动对环境影响的数据。
尽管近来在提升企业透明度方面有所进展，但在与环境相关的数字化影响证据中，仍存在显著的数据缺口与盲区。
数据匮乏转化为方法论局限，最终影响学界讨论数字技术环境影响问题的方式。为量化和评估数字技术的环境影响，人们采取了诸多方法。具体而言，研究可能在以下方面存在差异：
- 分析中纳入的、超越数字设备本身的硬件组件。这指的是互联网运行所需的设备，如数据传输网络、数据中心和传感器技术。
- 构成所谓环境足迹的环境影响类型。大多数研究关注能源需求或温室气体排放（即碳足迹）。然而，评估其他同样构成数字环境足迹的非能源影响也很重要，如耗水、土地退化和生物多样性丧失。
- 分析中纳入的数字设备生命周期阶段。即制造、分销、使用或寿命终止阶段。
在当前行业状态下，要对数字技术的环境足迹进行全面评估并不容易。尽管近年来对此问题的兴趣不断增长，且新方法不断涌现，但用以评估负面影响的整体性方法仍然缺失。
解析数据技术的环境足迹
本节将介绍构成数据环境影响的不同要素。基于现有资料，我们将覆盖数字设备在各生命周期阶段的环境足迹，以及确保数字设备正常运行所需的基础设施。
1. 制造
台式机、笔记本电脑、平板电脑和智能手机等数字设备，是通往互联网的入口。社会的快速数字化与数字设备的增长趋势相一致。估计到2023 年将有 293 亿台联网设备，高于 2018 年的 184 亿台。这相当于 2023 年人均 3.6 台联网设备。此外，随着所谓物联网（IoT）的发展，IDC 预测到2025 年将有 557 亿台连接的 IoT 设备。
来源：Global Digital Overview 2022 年 7 月 DataReportal
越来越多的研究对大规模制造数字设备所带来的环境足迹表示担忧。研究估计，在产品整个生命周期内，该阶段在碳足迹、耗水量和资源枯竭方面占主导地位。
其中，两大领域尤需关注：采矿活动和生产过程。
采矿
数字设备——以及绿色技术，如太阳能板、风力涡轮机和电动车——在功能上高度依赖大量关键材料，包括矿物、金属，尤其是稀土元素。例如，大多数智能手机大致包含元素周期表上 80% 的稳定元素，包括 17 种稀土元素中的大部分。
来源：Visual Capitalist
从地底开采关键材料需要巨大的能量。矿石开采至地表后，通常还需精炼，以净化并将所需元素与其余物质分离。就稀土元素而言，精炼尤其困难且资源密集。哪怕只开采极少量这些元素，也需要移除许多吨岩石。这一过程涉及多次化学处理与净化，往往导致土地和水体退化。
数字与绿色转型不可避免地需要在现有基础上大幅增加材料开采。这一趋势很可能对环境产生严重影响，因为原材料的开采与精炼已成为生态系统崩溃、水资源紧张、生物多样性丧失和碳排放的重要驱动因素。
生产
关键矿物被提取并加工后，会被运往制造设施，在那里进行硬件生产。
数字设备的制造是一个能耗高的过程，显著高于使用阶段。在不同活动中，半导体（即集成电路或微芯片）的生产需要大量资源。
尽管制造过程中的能效不断提升，但鉴于生产与消费率居高不下，能源与材料节省并不足以抵消其负面环境影响。加速的产品创新周期、定向广告以及产品过时，也是推动数字制造增长、从而扩大其环境足迹的因素。
制造对数字设备的水足迹也有重大影响。笔记本电脑和智能手机等复杂的数字设备由许多部件组成，且需经过多道工序，而每道工序都需要用水。
此外，制造活动会产生废水并排入周边水体。为限制污染物含量并满足环境标准，废水在进入水体前必须用清洁水进行稀释。综合计算，制造一部智能手机所需的水（含采矿环节）估计为 3,190 加仑（12,760 升）。
2. 分销
与您最爱餐厅的食物不同，您的智能手机“本地生产”的可能性非常低。从刚果民主共和国和智利的矿山，到台湾和中国的制造工厂，再到美国的分销点以及西方国家的零售门店，数字设备的生产与分销依赖于高度全球化且碎片化的供应链。
数字供应链的复杂性意味着最终产品必须经过包装并长途运输，方能抵达消费者手中。无论是船舶、航空、铁路还是卡车，数字设备在全球范围内的运输都会产生环境足迹，主要表现为化石燃料燃烧所产生的碳排放。
另一个令人担忧的问题是电子商务的环境影响。新冠疫情巩固了网购模式，并对供应链产生重要影响。仍需进一步研究以了解在线配送（包括数字技术的配送）是否会带来更多运输碳排放。
3. 使用
简而言之：数字世界就是在处理、传输和存储数据。随着互联网用户数量的增加，数字设备、在线服务和应用的数量也在增长。尽管能源效率有所提升、化石能源也在逐步退出，但这一趋势仍在加剧互联网的能源需求与环境足迹。
除为我们的数字设备保持充电与运行所需的能源外，评估在线活动的环境足迹还需关注三方面：数据中心、大规模机器学习和网络基础设施。
数据中心
社会数字化不仅将带来更多数字设备，还会增加全球数据流量。预计到2025 年，数据总量将达到 175 ZB，其中云计算应用将推动主要增长。
来源：IDC Datasphere 白皮书
尽管“云”一词给人以无形之感，但事实是云牢牢植根于物理硬件。其理念是数据可在全球各地的专业共享数据中心存储与处理，并通过基于网络的界面在线访问。
随着更多服务与应用依赖云服务提供商，数据中心正迅速成为数字世界的支柱。这一趋势引发了对数据中心用能快速增长的担忧。
多项研究表明，尽管数据中心在设计与运营方面的效率有所提升，但由于视频流媒体、云游戏、社交网络、自动驾驶、加密货币、物联网设备、虚拟现实以及人工智能系统（见下一节）等数据密集型技术对云服务的快速需求，数据中心的能源账单可能仍将增加。
除数据中心的碳足迹外，人们也日益关注用于将数据中心内部热量控制在安全范围内的冷却系统所需用水。
大规模机器学习
OpenAI 于 2022 年底发布的ChatGPT，正在对几乎每个行业产生深远影响。ChatGPT 是高度先进的 AI 系统，能够以对话方式给出高度准确的回答。
ChatGPT 属于大型语言模型（LLM）家族，结合海量文本数据、自然语言处理与深度学习技术，能够高准确度地执行多种语言相关任务，包括文本生成、机器翻译和问答。
自推出以来，ChatGPT 引发了关于其如何在多方面改变社会的热议。然而，若 LLM 将主导下一次 AI 革命，我们首先必须评估使用这些模型的运营能耗与环境成本。尽管仍需进一步研究，但已有一些学者尝试解答这一问题。
若仅关注 LLM 的碳足迹，需要区分模型训练产生的碳足迹与模型推理运行产生的碳足迹。
就前者而言，研究人员发现，训练 LLM 的计算与环境成本与模型规模成正比，当采用额外微调以提升准确性时，成本会显著增加。
例如，2019 年估计，训练一个拥有 2.13 亿参数的 LLM 可能会排放超过 626,000 磅二氧化碳当量，这几乎是普通美国家用车整个生命周期（包括制造）排放的五倍。
基于拥有 1,750 亿参数的 GPT-3（生成式预训练变换模型）的 ChatGPT，其碳足迹因此可能更高。
考虑到这些模型常以递归方式训练以优化结果并用新数据更新，尽管能效持续提升，其碳足迹仍可能极高。
图表：MIT Technology Review。来源：Strubell 等。
而这仅是训练成本。模型训练完成后，仍需消耗能源以基于用户提供的信息生成响应。总能耗与相关碳排放将随请求数量与处理策略而变。就 ChatGPT 而言，由于需求异常高导致其频繁宕机，请求量可能以百万计。关于 ChatGPT 碳足迹的初步分析，可参见这篇文章。
归根结底，这些 AI 系统的总排放不仅取决于其所需电力的多少，还取决于电力的生产方式。例如，使用太阳能或风能运行系统将带来更少排放。然而需注意，绿色技术的制造与部署对环境仍然代价不菲。
总之，在开发大规模机器学习模型乃至广义上的任何 AI 系统时，纳入环境考量至关重要。
网络基础设施
网络基础设施是实现终端设备与数据中心之间网络连接的硬件与软件。尽管其如同数字世界的血脉，为数据传输提供基础，但这套庞大组件——从海底电缆与天线到调制解调器和路由器——在分析数字技术环境足迹时常被置于次要位置。
互联网如何穿越大洋。来源：纽约时报
鉴于网络基础设施将在新一代 5G 移动通信标准与物联网的部署中发挥重要作用，亟需努力弥合这一知识鸿沟。
4. 寿命终止
在分析数字设备环境足迹时，一个长期存在的问题是电子废弃物（e-waste）。电子废弃物是指不再需要、不再工作、接近或已到达其使用寿命终点的电子产品。
当下的市场格局——以数字设备生产与消费速率高、产品因过时而寿命短、维修选项少为特征——正在加剧电子废弃物的产生。
2019 年，全球产生了5,360 万公吨电子废弃物，其中仅 17.4% 被正式记录为妥善回收处理。
全球电子废弃物产生量 2010–2019。来源：Statista
电子废弃物中既含有贵重材料，也含有有害物质。多数报废设备最终进入生活垃圾，随后被焚烧或非法出口至全球南方国家，主要是非洲和亚洲。这已导致严重的水和空气污染、土壤污染，并对工人及当地居民的健康造成不良影响。
让数据科学更绿色
数据科学正崛起为应对气候危机的有力工具。数据驱动的应用数量迅速增长，从监测碳排放、识别气候脆弱地区的项目，到提升供应链环境可持续性，以及实施精准农业以减少用水和土壤退化，应用广泛。
尽管前景可期，但行业仍亟需付出更多努力以降低环境影响。换言之，仅有更多“为绿色服务的数据科学”还不够；我们还需要更多“绿色的数据科学”。
可喜的是，近年来越来越多数据从业者正采取行动，直面数据科学的环境足迹。比如在 2019 年，超过 1,000 名谷歌员工公开呼吁公司减少其对气候变化的贡献。
以下是不完全的实践清单，数据从业者可据此推动数据科学行业更绿色发展：
- 制定推进绿色数据的策略。限制组织环境足迹的有效方式之一，是实施相关策略，提高员工对某些日常业务活动影响的认识，并推进负责任的数字实践。一个很好的示例是由法国政府与负责任数字研究所编制的组织负责任数字最佳实践指南（法语）。
- 清理暗数据。许多公司报告称，其超过一半的数据是暗数据，即组织收集却未知且未使用的数据。为避免不必要的存储及相关碳排放，企业可设计暗数据删除流程。一个鼓舞人心的倡议是Digital Cleanup Day，为致力于降低生态足迹的组织和个人提供简单指导。
- 选择可持续的云提供商。您可优先选择位于低碳友好地区的数据中心所提供的云服务。
- 支持 Green AI。由艾伦人工智能研究所的计算机研究人员提出的Green AI理念，倡导在训练机器学习模型时，将效率与准确性并列为评估指标。
- 以修代换。鉴于与数字设备制造和分销相关的排放量很高，通过提升可维修性延长其平均寿命，能够避免数百万吨的排放与环境损害。
DataCamp 的做法
DataCamp 致力于通过免费或高度补贴的方式，支持草根与全球绿色倡议，助其使用我们的世界级教育平台。通过 DataCamp Donates 项目，我们与多家以应对气候变化为使命的组织合作，帮助其团队提升技能。借助我们的平台，我们能够支持各类组织和专业人士，为环境带来积极影响。
我们最引以为豪的一些成功案例包括与 CDP 和 Omenda 等非政府组织的合作。通过 DataCamp Donates，这两家机构都获得了免费的数据技能培训，为其组织带来改变。
CDP 是一家非营利的气候研究提供方，通过推动企业与政府披露并管理其数据，来减少其环境影响。在 DataCamp 的帮助下，CDP 能够快速提升团队成员的技能，使其持续为众多组织提供市场领先的环境数据产品与服务。
同样，Omdena 正在改变开展具社会责任、数据驱动研究项目的方式。通过汇聚全球有志数据专业人士的社区，Omdena 与 DataCamp 让学习者通过免费获得技能与诀窍，协作解决当今一些最重要的问题，使其做好上岗准备，并在简历中获得扎实的项目经历，且对他们而言无需任何费用
我们很自豪地将 9 家以上环境研究类非营利机构纳入 DataCamp Donates 合作伙伴之列，例如：
他们正获得小额资助或奖学金，帮助其组织的初级员工与志愿者提升数据素养。这将使他们能够在现有重要工作基础上更进一步，研究 DataCamp 学习者与员工生活的全球社区中气候变化带来的负面影响，并制定可持续解决方案。
在 DataCamp，我们认为，了解并关注数据与技术对环境的影响十分重要，我们也积极与致力于环境事业的组织合作。欢迎非营利组织申请加入 DataCamp Donates，或与我们的销售团队预约演示，了解 DataCamp 能如何支持其环保使命。
结论
就目前而言，很难断言数字化本身将带来环境效益。事实上，情况可能恰恰相反。正如“Digital Reset”报告近日所强调的，数字化进程正在加剧环境与社会危机，而非解决它们。
数字化正迅速改变我们的共同生活方式，并被全球各国政府视为经济增长乃至可持续转型的关键驱动力。
然而，为推进这一扩张议程所采取的监管举措，并未解决数字经济如何加剧我们所面临环境问题的关键问题。数字化转型必须以减轻其负面环境影响的方式来引导。
鉴于气候危机的严重性，每个行业都必须评估其对地球的潜在影响，并寻找降低环境足迹的方法。数字世界及其最宝贵的商品——数据，也不应例外。
虽然数字技术常被视为实现《巴黎协定》目标并推动可持续发展目标的关键驱动力，但越来越多的研究在提醒我们，数字活动对气候和环境具有显著影响。
从高碳密集的采矿与制造活动，到数据中心不断增长的用电需求，再到产品过时产生的大量电子废弃物，要理解该行业对气候变化与生物多样性丧失的影响，就必须对数字技术进行全面的环境审计。
本文旨在介绍构成数字技术环境影响的主要来源。分析涵盖数字设备整个生命周期中的各项活动，从制造、分销、使用到处置，以及支撑数据存储、传输和处理的基础设施，如通信电缆和数据中心。结合最新研究，本文以轻量化的方式提升人们对数字技术与数据环境足迹的认识。
数字技术的环境足迹：迈向整体性方法
推动绿色、可持续的数字世界的第一步，是评估该行业的环境足迹。然而，尽管近年来相关研究方兴未艾，审计数字世界仍是一项极其复杂的任务。
数据可得性是推进稳健研究的主要挑战之一。众所周知，监管新兴技术十分困难。政策制定者往往难以在促进创新与保护社会免受新技术意外风险之间取得平衡。这种张力解释了为何数字世界仍高度缺乏监管。
在处理数字技术的环境影响方面，这种监管缺失尤为突出。缺乏以可持续性为导向的监管框架，意味着企业往往无需强制采纳环境标准，也无需披露其活动对环境影响的数据。
尽管近来在提升企业透明度方面有所进展，但在与环境相关的数字化影响证据中，仍存在显著的数据缺口与盲区。
数据匮乏转化为方法论局限，最终影响学界讨论数字技术环境影响问题的方式。为量化和评估数字技术的环境影响，人们采取了诸多方法。具体而言，研究可能在以下方面存在差异：
在当前行业状态下，要对数字技术的环境足迹进行全面评估并不容易。尽管近年来对此问题的兴趣不断增长，且新方法不断涌现，但用以评估负面影响的整体性方法仍然缺失。
解析数据技术的环境足迹
本节将介绍构成数据环境影响的不同要素。基于现有资料，我们将覆盖数字设备在各生命周期阶段的环境足迹，以及确保数字设备正常运行所需的基础设施。
1. 制造
台式机、笔记本电脑、平板电脑和智能手机等数字设备，是通往互联网的入口。社会的快速数字化与数字设备的增长趋势相一致。估计到2023 年将有 293 亿台联网设备，高于 2018 年的 184 亿台。这相当于 2023 年人均 3.6 台联网设备。此外，随着所谓物联网（IoT）的发展，IDC 预测到2025 年将有 557 亿台连接的 IoT 设备。
来源：Global Digital Overview 2022 年 7 月 DataReportal
越来越多的研究对大规模制造数字设备所带来的环境足迹表示担忧。研究估计，在产品整个生命周期内，该阶段在碳足迹、耗水量和资源枯竭方面占主导地位。
其中，两大领域尤需关注：采矿活动和生产过程。
采矿
数字设备——以及绿色技术，如太阳能板、风力涡轮机和电动车——在功能上高度依赖大量关键材料，包括矿物、金属，尤其是稀土元素。例如，大多数智能手机大致包含元素周期表上 80% 的稳定元素，包括 17 种稀土元素中的大部分。
来源：Visual Capitalist
从地底开采关键材料需要巨大的能量。矿石开采至地表后，通常还需精炼，以净化并将所需元素与其余物质分离。就稀土元素而言，精炼尤其困难且资源密集。哪怕只开采极少量这些元素，也需要移除许多吨岩石。这一过程涉及多次化学处理与净化，往往导致土地和水体退化。
数字与绿色转型不可避免地需要在现有基础上大幅增加材料开采。这一趋势很可能对环境产生严重影响，因为原材料的开采与精炼已成为生态系统崩溃、水资源紧张、生物多样性丧失和碳排放的重要驱动因素。
生产
关键矿物被提取并加工后，会被运往制造设施，在那里进行硬件生产。
数字设备的制造是一个能耗高的过程，显著高于使用阶段。在不同活动中，半导体（即集成电路或微芯片）的生产需要大量资源。
尽管制造过程中的能效不断提升，但鉴于生产与消费率居高不下，能源与材料节省并不足以抵消其负面环境影响。加速的产品创新周期、定向广告以及产品过时，也是推动数字制造增长、从而扩大其环境足迹的因素。
制造对数字设备的水足迹也有重大影响。笔记本电脑和智能手机等复杂的数字设备由许多部件组成，且需经过多道工序，而每道工序都需要用水。
此外，制造活动会产生废水并排入周边水体。为限制污染物含量并满足环境标准，废水在进入水体前必须用清洁水进行稀释。综合计算，制造一部智能手机所需的水（含采矿环节）估计为 3,190 加仑（12,760 升）。
2. 分销
与您最爱餐厅的食物不同，您的智能手机“本地生产”的可能性非常低。从刚果民主共和国和智利的矿山，到台湾和中国的制造工厂，再到美国的分销点以及西方国家的零售门店，数字设备的生产与分销依赖于高度全球化且碎片化的供应链。
数字供应链的复杂性意味着最终产品必须经过包装并长途运输，方能抵达消费者手中。无论是船舶、航空、铁路还是卡车，数字设备在全球范围内的运输都会产生环境足迹，主要表现为化石燃料燃烧所产生的碳排放。
另一个令人担忧的问题是电子商务的环境影响。新冠疫情巩固了网购模式，并对供应链产生重要影响。仍需进一步研究以了解在线配送（包括数字技术的配送）是否会带来更多运输碳排放。
3. 使用
简而言之：数字世界就是在处理、传输和存储数据。随着互联网用户数量的增加，数字设备、在线服务和应用的数量也在增长。尽管能源效率有所提升、化石能源也在逐步退出，但这一趋势仍在加剧互联网的能源需求与环境足迹。
除为我们的数字设备保持充电与运行所需的能源外，评估在线活动的环境足迹还需关注三方面：数据中心、大规模机器学习和网络基础设施。
数据中心
社会数字化不仅将带来更多数字设备，还会增加全球数据流量。预计到2025 年，数据总量将达到 175 ZB，其中云计算应用将推动主要增长。
来源：IDC Datasphere 白皮书
尽管“云”一词给人以无形之感，但事实是云牢牢植根于物理硬件。其理念是数据可在全球各地的专业共享数据中心存储与处理，并通过基于网络的界面在线访问。
随着更多服务与应用依赖云服务提供商，数据中心正迅速成为数字世界的支柱。这一趋势引发了对数据中心用能快速增长的担忧。
多项研究表明，尽管数据中心在设计与运营方面的效率有所提升，但由于视频流媒体、云游戏、社交网络、自动驾驶、加密货币、物联网设备、虚拟现实以及人工智能系统（见下一节）等数据密集型技术对云服务的快速需求，数据中心的能源账单可能仍将增加。
除数据中心的碳足迹外，人们也日益关注用于将数据中心内部热量控制在安全范围内的冷却系统所需用水。
大规模机器学习
OpenAI 于 2022 年底发布的ChatGPT，正在对几乎每个行业产生深远影响。ChatGPT 是高度先进的 AI 系统，能够以对话方式给出高度准确的回答。
ChatGPT 属于大型语言模型（LLM）家族，结合海量文本数据、自然语言处理与深度学习技术，能够高准确度地执行多种语言相关任务，包括文本生成、机器翻译和问答。
自推出以来，ChatGPT 引发了关于其如何在多方面改变社会的热议。然而，若 LLM 将主导下一次 AI 革命，我们首先必须评估使用这些模型的运营能耗与环境成本。尽管仍需进一步研究，但已有一些学者尝试解答这一问题。
若仅关注 LLM 的碳足迹，需要区分模型训练产生的碳足迹与模型推理运行产生的碳足迹。
就前者而言，研究人员发现，训练 LLM 的计算与环境成本与模型规模成正比，当采用额外微调以提升准确性时，成本会显著增加。
例如，2019 年估计，训练一个拥有 2.13 亿参数的 LLM 可能会排放超过 626,000 磅二氧化碳当量，这几乎是普通美国家用车整个生命周期（包括制造）排放的五倍。
基于拥有 1,750 亿参数的 GPT-3（生成式预训练变换模型）的 ChatGPT，其碳足迹因此可能更高。
考虑到这些模型常以递归方式训练以优化结果并用新数据更新，尽管能效持续提升，其碳足迹仍可能极高。
图表：MIT Technology Review。来源：Strubell 等。
而这仅是训练成本。模型训练完成后，仍需消耗能源以基于用户提供的信息生成响应。总能耗与相关碳排放将随请求数量与处理策略而变。就 ChatGPT 而言，由于需求异常高导致其频繁宕机，请求量可能以百万计。关于 ChatGPT 碳足迹的初步分析，可参见这篇文章。
归根结底，这些 AI 系统的总排放不仅取决于其所需电力的多少，还取决于电力的生产方式。例如，使用太阳能或风能运行系统将带来更少排放。然而需注意，绿色技术的制造与部署对环境仍然代价不菲。
总之，在开发大规模机器学习模型乃至广义上的任何 AI 系统时，纳入环境考量至关重要。
网络基础设施
网络基础设施是实现终端设备与数据中心之间网络连接的硬件与软件。尽管其如同数字世界的血脉，为数据传输提供基础，但这套庞大组件——从海底电缆与天线到调制解调器和路由器——在分析数字技术环境足迹时常被置于次要位置。
互联网如何穿越大洋。来源：纽约时报
鉴于网络基础设施将在新一代 5G 移动通信标准与物联网的部署中发挥重要作用，亟需努力弥合这一知识鸿沟。
4. 寿命终止
在分析数字设备环境足迹时，一个长期存在的问题是电子废弃物（e-waste）。电子废弃物是指不再需要、不再工作、接近或已到达其使用寿命终点的电子产品。
当下的市场格局——以数字设备生产与消费速率高、产品因过时而寿命短、维修选项少为特征——正在加剧电子废弃物的产生。
2019 年，全球产生了5,360 万公吨电子废弃物，其中仅 17.4% 被正式记录为妥善回收处理。
全球电子废弃物产生量 2010–2019。来源：Statista
电子废弃物中既含有贵重材料，也含有有害物质。多数报废设备最终进入生活垃圾，随后被焚烧或非法出口至全球南方国家，主要是非洲和亚洲。这已导致严重的水和空气污染、土壤污染，并对工人及当地居民的健康造成不良影响。
让数据科学更绿色
数据科学正崛起为应对气候危机的有力工具。数据驱动的应用数量迅速增长，从监测碳排放、识别气候脆弱地区的项目，到提升供应链环境可持续性，以及实施精准农业以减少用水和土壤退化，应用广泛。
尽管前景可期，但行业仍亟需付出更多努力以降低环境影响。换言之，仅有更多“为绿色服务的数据科学”还不够；我们还需要更多“绿色的数据科学”。
可喜的是，近年来越来越多数据从业者正采取行动，直面数据科学的环境足迹。比如在 2019 年，超过 1,000 名谷歌员工公开呼吁公司减少其对气候变化的贡献。
以下是不完全的实践清单，数据从业者可据此推动数据科学行业更绿色发展：
DataCamp 的做法
DataCamp 致力于通过免费或高度补贴的方式，支持草根与全球绿色倡议，助其使用我们的世界级教育平台。通过 DataCamp Donates 项目，我们与多家以应对气候变化为使命的组织合作，帮助其团队提升技能。借助我们的平台，我们能够支持各类组织和专业人士，为环境带来积极影响。
我们最引以为豪的一些成功案例包括与 CDP 和 Omenda 等非政府组织的合作。通过 DataCamp Donates，这两家机构都获得了免费的数据技能培训，为其组织带来改变。
CDP 是一家非营利的气候研究提供方，通过推动企业与政府披露并管理其数据，来减少其环境影响。在 DataCamp 的帮助下，CDP 能够快速提升团队成员的技能，使其持续为众多组织提供市场领先的环境数据产品与服务。
同样，Omdena 正在改变开展具社会责任、数据驱动研究项目的方式。通过汇聚全球有志数据专业人士的社区，Omdena 与 DataCamp 让学习者通过免费获得技能与诀窍，协作解决当今一些最重要的问题，使其做好上岗准备，并在简历中获得扎实的项目经历，且对他们而言无需任何费用
我们很自豪地将 9 家以上环境研究类非营利机构纳入 DataCamp Donates 合作伙伴之列，例如：
他们正获得小额资助或奖学金，帮助其组织的初级员工与志愿者提升数据素养。这将使他们能够在现有重要工作基础上更进一步，研究 DataCamp 学习者与员工生活的全球社区中气候变化带来的负面影响，并制定可持续解决方案。
在 DataCamp，我们认为，了解并关注数据与技术对环境的影响十分重要，我们也积极与致力于环境事业的组织合作。欢迎非营利组织申请加入 DataCamp Donates，或与我们的销售团队预约演示，了解 DataCamp 能如何支持其环保使命。
结论
就目前而言，很难断言数字化本身将带来环境效益。事实上，情况可能恰恰相反。正如“Digital Reset”报告近日所强调的，数字化进程正在加剧环境与社会危机，而非解决它们。
数字化正迅速改变我们的共同生活方式，并被全球各国政府视为经济增长乃至可持续转型的关键驱动力。
然而，为推进这一扩张议程所采取的监管举措，并未解决数字经济如何加剧我们所面临环境问题的关键问题。数字化转型必须以减轻其负面环境影响的方式来引导。