如果你在 Google 航班上订机票，可以一眼看到不同航班的碳排放对比：有的航班排放接近平均水平，有的则高出 14%。但当你准备购买一台新笔记本电脑时，却很难找到类似、直观且可比较的可持续性信息——尽管电子产品在生产和报废阶段都会对环境造成显著影响。
造成这一差异的原因之一，是即便对专业人士来说，想要准确了解一台设备在制造过程中的碳排放，也既复杂又耗时。
AI 代理自动完成生命周期评估
华盛顿大学的研究人员开发出一套人工智能系统，可以自动估算不同电子设备在制造阶段对环境造成的影响。该系统依托 AI 代理——能够自主执行任务的软件程序——来梳理公开数据，并完成生命周期评估（LCA）。
在实验中，这一系统给出的估算结果，其平均误差率在 5% 至 19% 之间，与由人类专家手动完成的生命周期评估精度相当。相关研究成果已发表在《自然电子学》（Nature Electronics）期刊上。
“近期研究表明，人们愿意为更可持续的设备支付额外费用，”论文高级作者、华盛顿大学保罗·G·艾伦计算机科学与工程学院助理教授 Vikram Iyer 表示。
“因此，市场对这类环境信息的需求正在快速增长。但现实是，一部手机可能包含数百个芯片和其他元件，每个元件的生产都会带来不同的碳排放。这些数据往往既不公开，有时甚至从未被测量过。人工专家要为一款设备做完整的生命周期评估，可能需要花费数天甚至数月时间逐条收集信息。”
“相比之下，我们让多个 AI 代理协同工作，自动在公开渠道中查找相关数据，并在大约一分钟内给出可比较的估算结果。”
两个 AI 代理分工协作
近年来，AI 代理在处理复杂任务方面的能力显著提升。如今，它们可以搜索网络，从产品说明、图片和技术文档中提取电子元件信息。
“我们之前的一些工作让我开始好奇：生命周期评估专家是如何一步步完成环境评估的？这些步骤是否可以自动化？”论文第一作者、华盛顿大学艾伦学院博士生张志涵说。
“于是我们采访了多位生命周期评估专家，梳理出他们在实际工作中的关键环节和瓶颈，再据此构建了一个由两个 AI 代理组成的系统，用来模拟这些交互过程。两个代理分别扮演生命周期评估中不同的角色。”
在这套系统中：
- 一个代理扮演“分析师”，负责定义需要收集哪些信息、如何整合这些信息，并对最终结果进行审查和把关；
- 另一个代理更像“工程师”，负责在公开数据源中抓取信息，获取电子设备各个组件的详细情况。
“工程师”代理可能需要：
- 筛选和解析电子表格；
- 查找设备内部结构的图片，并从中识别芯片型号；
- 利用通常不被生命周期评估使用的来源，如 FCC 数据库和 iFixit 的拆解帖子等。
两个代理以循环方式协作：
- “分析师”设定评估范围和信息需求；
- “工程师”根据指令收集数据；
- “分析师”审查收集到的信息，如有缺失或不准确之处，再要求“工程师”重新搜索或补充；
- 当信息足够完整后，代理们会调用生命周期评估数据库，将整理好的部件清单转换为对应的碳排放估算值。
用“相似设备”和“相似材料”补齐缺失数据
研究团队还提出了一种新方法，可以在缺乏详细数据的情况下，直接估算设备或材料的碳足迹。
对于笔记本电脑、智能手机等常见电子产品，部分厂商已经公开了整机的碳足迹报告。研究人员发现：
- 在屏幕尺寸、处理器等关键规格相似的前提下，这些设备的碳排放值往往集中在一个相对接近的区间；
- 这是因为生产这些设备的专用部件的公司数量有限，供应链结构相似。
基于这一观察，团队提出：
- 对于尚未公开碳足迹的设备，可以用“规格相似产品”的加权平均值来估算其碳排放。
同样的思路也被用来估算生命周期评估数据库中缺失材料的排放因子。例如：
- 对于一种新型可持续塑料，可以根据与其在物理属性和化学性质上相似的塑料材料，推算其碳排放。
“我们尝试了这种‘最近邻’方法，结果发现，在材料层面，它实际上优于人工专家常用的‘选一个最接近条目’的做法。”张志涵说。
在测试中，用于估算缺失排放因子时：
- 该方法的平均误差约为 23%；
- 人工专家采用传统方法的平均误差则高达 143%。
控制 AI 自身的能耗
作者强调，这套系统的目标是帮助整体降低碳排放，但运行 AI 模型本身也需要消耗能源，因此他们在设计时采取了多种措施来减轻额外负担。
具体包括：
- 优先使用能耗更低的小型 AI 模型，而不是通用的大型模型；
- 在流程开始时，先检查目标设备是否已经有现成的碳排放估算，如果有，就直接返回结果，避免重复计算；
- 只有在必要时才多次调用 AI 模型。
根据团队估算，在当前实现下，为一台设备计算碳足迹所产生的额外排放，大致相当于烧水泡一杯茶所带来的排放量。
未来应用：为企业和消费者提供决策依据
研究团队计划未来与企业合作，将这套系统嵌入实际工作流程中，帮助自动化其生命周期评估任务。
“Iyer 表示：“许多大型公司都有专门的可持续发展团队负责生命周期评估工作。我们希望通过自动化，让这些团队从繁琐的数据搜集和整理中解放出来，把更多精力放在真正能降低产品碳足迹的设计和决策上，而不是耗在寻找难以获取的数据上。”
如果这类工具被广泛采用，未来消费者在购买笔记本电脑、手机等电子产品时，有望像在机票搜索页面那样，直接看到不同型号之间的碳排放差异，从而做出更符合环保偏好的选择。
