生态灭绝并不合乎伦理：政治生态学与资本主义AI伦理

第二部分：场域

Sy Taffel、Laura Bedford 与 Monique Mann

引言

围绕与数据和数字技术相关的新型攫取主义而出现的话语，将数据描述为“新石油”、^[1]驱动信息经济的关键原材料、^[2]一种新的流通资本，^[3]或一种新的殖民主义。^[4]虽然表述框架各异，但这些关于数字技术文化的概念化，都揭示了诸多伤害：它们加剧既有社会不平等、^[5]歧视某些群体、^[6]并实施预测性的控制逻辑。^[7]然而，这些由数据驱动的“新”攫取形式，与“旧”攫取形式并非彼此分离；后者涉及获取数字技术及其基础设施所需的材料和能源，也涉及21世纪数据处理、存储和传输所导致的生产、消费与废弃物大幅增长带来的社会和环境影响。¶

对于计算系统相关伤害的回应，往往被置于“AI伦理”领域之内。^[8]在这一领域，增强隐私保护，或让AI更加“公平”、“可问责”和“透明”的关注重点，遮蔽了更广泛的伦理问题：AI的生产、维护、使用和废弃处理所需的能源、劳动与材料，对当代及未来生态系统都造成了重大伤害。构成当代AI的代码、碳、钴、铜及众多其他材料所组成的行星尺度组装体，在气候变化以及“资本世”（Capitalocene）的相关生态危机中扮演着重要角色。^[9]鉴于《巴黎协定》的目标是将全球升温控制在比工业化前水平高不到2摄氏度，最好不超过1.5度，^[10]任何有意义的AI伦理讨论，都必须处理比目前广泛得多的问题。这包括承认AI对气候变化影响的助长作用：干旱、生物多样性丧失、洪水、物种灭绝、沿海地区被淹，以及粮食和水安全问题，此外还有许多其他物质后果。我们认为，在考虑AI时不处理这些伤害，本身就是不合乎伦理的。本章借助政治生态学领域，探讨要让AI能够被视为“合乎伦理”，究竟需要怎样的系统性与结构性变革。¶

我们主张，当前全球经济安排具有生态灭绝倾向，而数字技术和AI在其中被定位为经济增长的关键驱动力，同时也被定位为气候危机本身的解决方案，^[11]这就要求重新界定AI伦理。在把我们带到全球生态危机这一境地的过程中，技术不能被理解为中立的；更进一步，在我们应对危机时，它的角色也不会是中立的。因此，在预先构想未来全球安排时，必须把技术的角色置于中心。政治生态学致力于揭示环境危机的政治、社会与经济维度，因为这些危机往往被错误地视为“自然的”、“非政治的”。我们借鉴的是一批日益增长的文献，它们把这一概念视角集中运用于技术、^[12]数据、^[13]数字经济^[14]和电子废弃物。^[15]¶

这些近期研究运用政治生态学框架，展示数字技术的生态与政治经济维度；数字技术通常被错误地认定为“去物质化的”或“人工的”。这两个词都有效地隐藏了这些人工物的物质维度，使它们经常被描绘成非政治的、中立的数学对象。尽管在想象中的自然／文化二元论中，生态与技术的位置截然不同，它们却都有一种共同倾向：被定位为政治中立的问题，应该交给不同科学分支处理，而不是被理解为与权力系统纠缠在一起。对权力、不平等、政治和集体行动的关注，以政治生态学的伦理观为基础：在规范意义上，伦理关乎通过社会行动，把权力重新分配给从属群体。^[16]这使政治生态学的方法与正在出现的主张相呼应：AI话语应当“超越‘伦理’的语言，直面权力与政治经济”。^[17]这里的关键在于，“AI伦理”常常成为强大企业规避监管的方法：企业采取自愿实践，聚焦技术修补，却未能有意义地处理AI相关伤害。¶

虽然已有一些学术研究拓宽AI伦理，将AI的生态影响纳入其中，^[18]但这些贡献往往局限于狭窄的技术考量。因此，我们首先对比两种进路：一种是以生态伤害和不平等权力关系为中心的政治生态学进路；另一种是把关注焦点放在训练机器学习（ML）模型的碳成本上的“绿色AI”话语。^[19]AI的生态固然包括进行机器学习训练与推理的数据中心，但我们认为，其影响远远超出数据中心；应把这些设施置于AI系统运作所需的能源、劳动、知识及无数材料的流动之中。不过，我们对AI生态政治影响的考察仍从数据中心开始，因为它既是可持续AI文献的核心焦点，也是数字基础设施批判研究的关键场所。^[20]¶

随后，我们批评两种突出而相互关联的话语。它们都暗示，面对生态危机，数字技术能够维持现有社会经济秩序。第一种话语认为，AI促进一种超高效率的生产模式，使财富生产与物质约束脱钩，从而让经济照常运转。我们展示，透过政治生态学视角，这套推理经不起推敲。我们批评的第二种话语，则建立在一个错误主张之上：技术创新会直接解决当代生态危机。我们质疑那些把资本主义危机重塑为创新科技企业商业机会的技术解决主义回应。相反，我们认为，围绕AI伦理的霸权话语为生态灭绝提供正当性，同时积极阻碍必要的、系统性和结构性的社会、政治与文化转型。例如，这种转型包括在国内及国际刑法中承认生态灭绝。^[21]¶

最后，我们简要勾勒超高效率绿色增长和技术解决主义之外的替代道路。我们承认，在政治生态学研究内部，对于应当追求怎样的可能世界、以及如何抵达那里，存在大量争论。这些争论也延伸到技术应在转型过程及预先构想的社会中发挥何种作用。这些立场包括去增长、生态社会主义、共生性、共用实践，以及数字基础设施的公共服务模式。本章篇幅有限，无法深入讨论所有这些观点。不过，指出这些替代方案，可以勾勒通往更合乎伦理的AI形式的后资本主义道路。强调既有经济实践所造成生态伤害的结构性原因，有助于突显AI伦理争论如何发挥作用：它们为AI对系统性生态灭绝的助长作用赋予正当性，使之正常化，而非有意义地挑战它。因此，我们运用政治生态学视角，加入那些把AI伦理批评为伦理洗白和／或漂绿的论述，主张关注点应转向权力的结构性问题。^[22]¶

（并不那么）绿色的AI

AI在许多常被忽视的方面都是资源密集型的。近期围绕AI、伦理与可持续性的争论，大多聚焦于训练机器学习模型的碳成本。^[23]这部分源于一篇颇具影响的论文；该论文估计，对某个特定机器学习模型进行一次训练，会排放284,019千克二氧化碳当量（CO2e）。^[24]虽然这一估算惊人地高，相当于3,422部 iPhone 13 的全生命周期排放量，^[25]但它在原论文中并不突出。原论文承认，替代硬件可使训练时间缩短至原来的1/8.5，表明该估计存在相当大的误差范围。^[26]实际上，后续研究认为，由于采用了错误假设，例如实验使用的是拥有2.13亿参数的“大型”Transformer模型，而非6500万参数的基础模型，该次训练的实际排放量，在平均水平的美国数据中心应为15,200千克CO2e；如果使用实际模型运行所在地、Google 佐治亚州数据中心的硬件，则为3,200千克CO2e。^[27]¶

但实际上，与机器学习系统生态影响更相关的，是 Strubell 等人的另一项发现：他们以案例研究的方式，全程跟踪了另一个模型从开发起始到部署的过程，发现它需要4,789次训练，相当于“60个GPU［图形处理器］在项目持续的六个月中不间断运转”。^[28]这一发现突显了只关注单次训练二氧化碳排放的谬误。此外，运行机器学习系统——也就是所谓的推理——所用能源，远多于训练模型。Nvidia 估计，机器学习系统成本的80%至90%用于推理，而非初始训练；^[29]Amazon Web Services 则表示，推理占机器学习成本的比例可高达90%。^[30]¶

数据中心利用高性能计算机并行开展机器学习系统的训练与推理，同时承担数据存储、网站托管及视频转码等活动，因此当然是能源与资源密集使用的场所之一。对全球数据中心能源使用量的估计差异很大，从205太瓦时（TWh）^[31]到400—500太瓦时不等。^[32]这相当于全球全部用电量的1%至2%。数据存储与处理、机器学习数据集规模、训练、推理，以及8K视频转码和流媒体传输等其他计算密集型任务，预计都将增长；因此，到2030年，数据中心能源使用量估计会增加到约780太瓦时。^[33]¶

过去十年，数据显著向大型云数据中心和超大规模数据中心集中。到2021年，超大规模数据中心已有659个^[34]（Synergy Research Group，2021），比2015年增加了一倍多。^[35]其中一半仅由三家公司拥有和运营：Amazon、Microsoft 和 Google。^[36]过去许多企业运营小型内部数据中心，而超大规模数据中心则体现了平台资本主义的逻辑：^[37]利用规模经济和网络效应集中设施，由少数寡头科技公司向较小企业出租空间及算力。超大规模数据中心的一项所谓好处，是提高能源效率；^[38]我们将在下一节讨论效率和脱钩时再谈这一点。¶

碳成本固然重要，但这些研究的狭窄焦点掩盖了一个迫切需要：必须有意义地考虑AI／机器学习的生态影响，而这些影响远远超出为特定模型训练供电、或在数据中心中进行推理的能源使用。我们需要分析的是，机器学习系统运作所需的整个供应链，以及软件、硬件和基础设施组装体所涉及的物质与能源流动。政治生态学在这里为现有“绿色”和“伦理”AI提供了有用的替代进路：它既关注绘制社会技术系统从摇篮到坟墓的物质与能源足迹，也强调生态系统如何与权力、不平等和暴力深刻纠缠并受到它们的影响。数据中心还需要巨量的水。^[39]数据中心内部产生大量热量，必须主动冷却。^[40]水是冷却过程的核心；冷水作为传热机制，被用来降低空气温度。^[41]2014年，美国境内数据中心用水约6260亿升。^[42]尽管数据中心耗水量（每日17亿升）只占总用水量（每日1.218万亿升）的一小部分，^[43]其对可用水资源的急剧、重大影响，却取决于地理位置。例如，美国西部和西南部的数据中心依赖本已缺水、承压的流域，^[44]令科技企业与当地社区及生态系统发生冲突。生态灾难发生时，科技企业往往比当地居民得到更优先的照顾。^[45]¶

“绿色AI”进路^[46]关注减少数据中心内训练和运行模型的用电，却很少讨论生产或处置硬件、以及容纳并冷却这些技术的基础设施所带来的人类与环境成本。这些社会和环境伤害包括：从刚果民主共和国（DRC）开采钽、钨和黄金等冲突矿产的产业所造成的伤害，^[47]以及依赖童工开采的伤害，例如刚果民主共和国的钴矿开采。^[48]对其他材料，例如镧系元素（通常称为稀土矿物）的无节制开采，会留下影响当地环境与人类健康的有毒遗产，例如在中国造就“癌症村”。^[49]¶

此外，这些材料从地下采出时，没有一种可以直接用于高性能计算。另一系列能源密集型提取过程必须分离并提纯原料，造成大量额外污染。选矿过程会剔除从地下开采出来的大部分原料。例如，随着高品位铜矿日益枯竭，具有商业开采价值的矿石，其含铜量从2%下降到0.8%，^[50]这意味着，所开采材料质量的99%以上都是废物／尾矿。^[51]提纯过程需要大量能源投入，且往往使用有毒材料。例如，用于CPU、GPU和TPU的硅，必须经过数个化学处理阶段，达到99.999999999%的纯度，^[52]此后再经过热氧化、光刻、等离子蚀刻和掺杂等工序。所有这些工序都大量消耗化学品与能源，必须精密控制物质与温度，其中一些温度高达1100°C。^[53]¶

AI所需的物质与能源，大多从全球经济边缘地区流向经济核心不断膨胀的技术物质总量（technomass）。^[54]与此同时，数据殖民主义理论描述了金融价值和数据从经济边缘流向核心的过程。^[55]这种生态不平等交换（ecologically unequal exchange，EUE）^[56]并非偶然伴随全球资本主义，而是其构成性要素；它贯穿过去和现在各种形式的殖民主义与帝国主义，持续存在。^[57]在生态不平等交换条件下，原材料和能源从边缘流向核心，而每年产生的5000万吨有毒电子废弃物，又有很大一部分由边缘地区充当其“垃圾场”。^[58]生态经济学近期研究表明，高收入国家的原材料使用量，比本国开采量多出100多亿吨；除高收入国家之外，所有地区都是原材料的净提供者。^[59]正如我们已经说明的，这也包括AI所需的原材料。¶

数据中心内的硬件固然是机器学习系统所必需的，但整体性的伦理评估，还应涵盖连接数据中心与终端客户设备的全部网络和平台基础设施。这包括海底及陆上光纤电缆、互联网交换点和海缆登陆站，以及大量与机器学习系统交互的台式电脑、笔记本电脑、平板电脑、智能手机及物联网设备。此外，机器学习系统需要训练数据。例如，常用于图像识别的 ImageNet 数据集来自 Flickr，^[60]因此，使用这些数据集的机器学习系统所需的组装体，也包括 Flickr 的平台基础设施，以及创造该数据集的一系列数码相机、智能手机和电脑。图像由通过 Amazon Mechanical Turk 招募的人类标注；这一平台向工人支付的报酬远低于最低工资，同时不提供雇佣关系应有的保障。^[61]与这些系统相关的、受剥削且不稳定的人类劳动，也应被承认为机器学习系统生态的一部分。¶

描绘当代机器学习所需系统的规模，远远不止于数据中心的一台服务器、它所需的能源及其排放。它包含遍布全球的大量设备、操作、设施和人。每台设备本身也是材料的组装体；这些材料的开采、加工和处置，与一系列环境、社会和劳动正义问题相关，而这些问题在大多数当代“伦理AI”观念中仍遭忽视。承认这个组装体的规模，以及它施加于人类和生态系统的伤害范围与严重程度，就揭穿了下述任何观念：在当前攫取主义资本主义的生态不平等交换安排下，AI是合乎伦理的；或者只要处理隐私问题、消除训练数据集的偏见使其“更公平”，或让模型本身更“透明”、更“可问责”，就能把AI视为合乎伦理。实际上，目前极其狭窄的AI伦理框架，主要有利于科技企业：它们对生态后果灾难性的技术作些微小技术修改，就大胆宣称这足以证明自己的行为合乎伦理。¶

效率、技术与资本主义

短视地只关注模型训练的能源成本，会产生以提高效率为基础的“解决方案”：通过限制机器学习模型的计算强度或训练数据集规模来降低碳成本。^[62]这些“解决方案”错过了机器学习系统、供应链与基础设施的更广泛问题；只关注数据中心内部的能源使用，既不考虑上下游成本与外部性，也不承认技术、效率与资本主义之间历史形成且持续存在的关系。¶

“绿色AI”^[63]主张，提高能源效率能够使经济增长与环境影响脱钩，从而减少机器学习造成的生态伤害。评估这一主张，需要了解脱钩、技术与“绿色增长”的一些背景。自工业革命以来，以GDP衡量的经济增长，与温室气体（GHG）排放和物质足迹——即一个社会使用的材料总质量——都存在很强的正相关关系。^[64]脱钩的目标，是在减少当前相关生态伤害的同时，让经济增长继续不减。在这里，必须就脱钩的形式、尺度和速率作出若干关键区分。首先是相对脱钩与绝对脱钩的区别：相对脱钩意味着，虽然增长率与温室气体排放／物质足迹的变化速度出现分离，资源使用／伤害总量却仍然增加；绝对脱钩则意味着经济增长时，温室气体排放／物质足迹下降。第二项重要区别涉及分析的地理尺度。虽然有许多经合组织（OECD）国家在国家层面实现绝对脱钩的实例，^[65]但这种脱钩是通过产业外移、进口商品与材料实现的，即一种以生态不平等交换为前提的区域脱钩。要避免生态灾难，绝对脱钩必须发生在全球尺度，而非国家或区域尺度。最后，要使绿色增长既合乎伦理又可持续，经济增长与温室气体排放的绝对脱钩必须足够迅速，以达到甚至超越《巴黎协定》等全球环境承诺。¶

假设经济继续以每年约2%的速度增长，这种脱钩就要求OECD国家以每年15%的速度减少排放，直至归零。^[66]从化石燃料转向可再生能源，确实能使温室气体排放与能源使用脱钩，但没有实证证据支持温室气体排放与经济增长能够以这样的速率实现绝对脱钩。此外，自1990年以来，全球材料使用量的增长超过了GDP的增长。^[67]当代没有任何证据表明，经济增长与资源使用正在趋向脱钩；事实上，在这段时间内，每一单位经济增长都需要更多资源。当前全球物质足迹正接近每年1000亿吨，较1990年增加一倍多，而据估计，可持续水平是每年250亿至500亿吨。^[68]此外，1990年以来物质足迹增长的绝大部分——按人均计算为81%——都归因于高收入国家，进一步表明，对当前生态危机的责任分担极为不平等。^[69]¶

把目光从全球总量转向效率与AI，数字技术的性能指标与能源使用之间，长期存在相对脱钩。^[70]数据中心体现了这些变化：随着时间推移，尤其是转向超大规模及云数据中心之后，它们的能源效率不断提高。^[71]衡量数据中心能源效率的指标是电能使用效率（power use effectiveness，PUE），该比率表明运行IT设备所需能耗相对于设施总能耗（包括冷却、照明等）的比例。〔译注：原文此处的比率表述方向与通常定义相反；PUE通常定义为设施总能耗除以IT设备能耗，这也与下文大于1的数值一致。正文保留原文说法。〕理想的PUE为1，表示全部能耗都用于IT设备。到2020年，美国平均PUE为1.59，而某些数据中心已达到1.11。^[72]然而，PUE只衡量效率，并不衡量设施的总能耗，^[73]也不衡量设施总数。因此，尽管设施变得更高效，数据中心的总能耗仍在增长。^[74]¶

效率提升对于支撑资本主义经济增长至关重要，并贯穿计算发展的全部历史。^[75]问题在于，效率收益通常会被杰文斯悖论等反弹效应抵消：^[76]资源使用效率更高，反而导致资源使用总量上升。不过，提高效率符合数据中心所有者的经济利益，因为这会降低成本，进而增加利润。这并不是说效率“坏”，而是说，在以增长为基础的资本主义经济中，效率带来的节约，通常不会导致排放或材料使用绝对减少——它们会增加总物质投入。正如 Foster 及其同事指出：“一个致力于利润、积累和无止境经济扩张的经济体系，倾向于利用任何效率收益或成本下降来扩大整体生产规模。”^[77]因此，我们需要摆脱把交换价值（即GDP）与社会进步混为一谈的做法，放弃经济无限增长的童话。结论部分将勾勒实现这一转变的策略；在此之前，我们先转向“绿色资本主义”下解决生态危机的第二种模式：技术解决主义。^[78]¶

技术解决主义的谬误

新兴技术被定位为治疗生态危机的万能药，让当前的过度消费形式可以照常持续。澳大利亚前总理 Scott Morrison 宣称，我们将通过“技术，而非税收”解决气候变化，便是一个例子。^[79]这一做法远非新鲜事。2007年，在美国退出要求工业化国家减少温室气体排放的《京都议定书》六年之后，时任美国总统 George W. Bush 与时任澳大利亚总理 John Howard 发表联合声明，认为“低排放技术的开发与部署，将是应对气候挑战的关键要素”，^[80]并把清洁煤和碳捕集与封存（CCS）列为技术解决方案。十五年过去了，清洁煤和CCS一次又一次未能证明其技术及经济可行性。^[81]正如 Kuch 所阐明的，CCS的框架来自化石燃料行业的世界观；在这种世界观中，气候变化是一个应该用技术来解决的技术问题，而非需要通过逐步淘汰化石燃料来解决的问题。^[82]¶

乍看之下，CCS似乎是化石燃料行业与右翼政治领导人用来阻碍应对生态危机行动的障眼法，但政府间气候变化专门委员会（IPCC）第五次评估报告却接受了它。^[83]该报告在旨在避免灾难性气候变化的社会经济模型中，把CCS与生物能源相结合的技术——简称BECCS——置于中心。在116种避免危险升温的情景中，100多种都使用了BECCS。^[84]理论上，BECCS能够产生负排放，因此允许大幅超出将升温控制在2°C以内的碳预算：树木从空气中吸收二氧化碳，树木再被制成颗粒并燃烧，然后把碳排放捕集并储存在地下，从而降低大气CO2浓度。依赖对21世纪后半叶大量负排放的、存在问题且很可能不准确的预测，使各国政府能够以尚未实现的未来技术创新这一推测性万能药为根据，拖延当下的减排。^[85]虽然CCS技术迄今未能兑现其成效主张，BECCS的生物能源部分也存在问题：IPCC模型中用于生物质的土地，通常需要达到印度面积的一至两倍。^[86]再加上全球变暖导致作物减产，这很可能加剧全球经济边缘部分地区已经遭受的灾难性粮食短缺和生物多样性下降。^[87]¶

问题不只在于，BECCS等技术解决主义手段不大可能解决生态危机；它们还会转移注意力，积极阻碍迫切需要的集体社会、政治与文化变革，因为它们暗示技术——包括尚不存在的技术——会全面“修复”生态危机，公民现在要求行动也就几乎无益。^[88]就AI而言，所谓解决主义的灵丹妙药，是用可再生能源为数据中心供电。大型科技企业接受了这种极其有限的可持续性定义，并在年度环境报告等宣传材料中突出它，公开把自己描绘成引领社会走向可持续未来的力量。^[89]¶

例如，Google 的2020年环境报告宣称：“可持续性是 Google 的核心价值之一，自公司二十多年前成立以来，我们一直是气候变化领域的领导者。”^[90]Google 声称，它于2007年成为第一家实现碳中和的大型公司，到2020年已“中和我们自创立以来遗留的碳足迹，使 Google 成为第一家在整个运营历史中实现碳中和的大型公司”。然而，Google 环境报告末尾的环境数据却呈现出另一幅图景。要解读这些数据，需要对企业衡量和审计排放的方法有基本了解。排放分为范围1、范围2和范围3：^[91]范围1指直接拥有的排放源，例如厂区内锅炉产生的排放；范围2涵盖购入电力及其他公用事业服务所关联的温室气体排放；范围3的排放总量通常最大，包括公司间接负责的全部排放，贯穿其供应链上下游。¶

Google 报告的2019年排放总量为17,646,902吨CO2e，其中大部分是范围3排放；文档没有明确其来源，但几乎肯定来自硬件和基础设施的生产。^[92]与此同时，Google 通过现场可再生能源设施、与第三方供应商签订的购电协议，以及碳抵消项目实现的减排总量，为5,725,635吨CO2e。^[93]简单算术就能表明，净排放量远超抵减量；Google 在2019年并未实现碳中和，更不用说像环境报告宣称的那样抵消公司历史碳足迹。Google 的碳中和宣言只涵盖其微不足道的直接排放与更可观的用电排放，即范围1和范围2，而径直忽略了生产硬件与基础设施所关联的庞大碳足迹。因此，Google 关于碳中和的宣称，是利用选择性披露策略进行漂绿的直白案例：^[94]公司有选择地突出其环境表现的积极部分，从而对自身作出误导性描绘。¶

与 Google 相比，Apple 把供应链即范围3排放纳入碳足迹，并着手在十年内让全部业务实现碳中和，这一点值得赞许。然而，尽管乍看如此，Apple 距离真正可持续的行动仍有差距。2016年至2020年间，Apple 公司设施——主要是数据中心——的用电量几乎翻倍，从1,420,000兆瓦时增至2,580,000兆瓦时。^[95]虽然这期间 Apple 增加了可再生电力的使用以覆盖增长，但有两个理由说明，不能合理地把它视为可持续。第一，Apple 公司约80%的用电发生在美国，而2021年美国60%以上的发电量来自化石燃料。^[96]脱碳迫切要求用可再生能源替代化石燃料，但在 Apple 的案例中，巨量可再生能源被用于满足数据中心相关用电需求的迅速增长，而非替代现有化石燃料发电。^[97]¶

能源史常被叙述为煤、石油、天然气依次占据主导的历史。这种分期遮蔽了一个事实：这些能源是彼此补充，而非相互替代。自1990年IPCC首次报告发布以来，煤炭使用量略有增加，石油与天然气使用量几乎翻倍；到2019年，太阳能与风能合计仅提供全球能源的2.6%。^[98]要在避免全球升温超过2度所需的时间内摆脱化石燃料，是一项极其艰巨的任务。这意味着，工业革命以来能源组合不断相加的逻辑，必须让位于快速用可再生能源替代当前化石燃料所供能源的逻辑。在这一背景下，还必须考虑全球边缘及半边缘的非OECD国家增长的能源需求：那里经常停电，数十亿人无法上网。因此，经济核心的富裕国家电力需求迅速增长，既不能被视为公正，也不能被视为“合乎伦理”。¶

第二个问题是，除了温室气体排放，物质足迹也是迫切的生态问题；太阳能电池板和风力涡轮机需要许多数字硬件同样需要的材料，例如高纯度硅、稀土矿物、锂和钴。承认这些资源有限，并承认其开采所带来的社会与环境伤害由人们不平等地承受，就意味着必须认识到：太阳与风等能源虽然可以再生，将它们转化为电力的技术手段却不可再生。解决主义者主张，深海采矿^[99]或彗星采矿^[100]等更多推测性技术，将解决绿色资本主义所需陆地材料的稀缺问题。然而，考虑到这些技术涉及数十年的时间跨度，以及深海采矿等活动会造成重大环境伤害的事实，这些主张不应使我们偏离迫切任务：减少排放、减少材料使用，并最终减少消费。¶

技术解决主义远未真正解决问题；它提供的是极其狭窄的焦点，忽略生态不平等交换的更广泛背景，反而为企业传播内容进行漂绿。新自由主义的技术修补旨在维护既有权力与特权体系：它提出技术修补方法，以维持一种以增长为导向的资本主义模式，而这一模式从根本上不合乎伦理，也与生态正义相悖。¶

结论

本章对一种主张提出了严厉批评：认为“伦理AI”和“绿色AI”能够使当前AI系统变得合乎伦理且公正，尤其是在伦理干预主要局限于能够用数学处理的技术修补、旨在让AI系统更加“公平”、“可问责”和“透明”的情况下。^[101]相反，我们必须采取行动，补救AI相关的生态伤害，而这些行动要处理AI深深卷入其中的、极不公正、不可持续且不平等的社会经济体系。^[102]根本而言，按照政治生态学的规范性社会伦理模型，只要AI仍与生态灭绝共谋，就不能被视为合乎伦理。因此，结尾我们勾勒一些新出现的后资本主义进路，它们重新想象并预先实践破坏生态更少、更“合乎伦理”的社会技术系统。¶

资本主义经济的结构，要求GDP每年至少复合增长2%至3%。^[103]经济增长与物质足迹、温室气体排放高度相关。可再生能源的广泛采用虽然能使温室气体排放与GDP脱钩，但能源与GDP之间的基础相关性依然存在，而“可再生”能源仍需要大量不可再生材料。这意味着，在物质有限的地球上，资本主义生产方式必然追逐的无限增长不可能实现。因此，后资本主义立场普遍赞同：有必要以其他指标取代GDP，衡量社会经济福祉。^[104]GDP衡量经济交换价值，即民族国家内部货币交易的总和；它广受批评，因为它把燃煤发电站、生产核武器和住院人数增加等破坏性的事物计为价值。与此同时，GDP不为那些不产生或不包含交换价值的事物计价，包括清洁空气、生物多样性、无偿家务劳动，以及维基百科等以共有资源为基础的数字项目。同样，GDP也不反映民族国家内部惊人的不平等程度。因此，以GDP为社会进步指标，就无法认识到：自20世纪70年代以来，发达经济体的增长收益几乎全归最富裕者所有，而贫困水平一直稳步上升。^[105]所以，后资本主义论述明确指出，以交换价值为中心的GDP，不足以衡量生活中真正重要的东西。¶

政治生态学内部，对去增长、生态现代主义与生态社会主义进路的优点及潜在缺陷已有大量争论；^[106]不过，生态社会主义者^[107]与去增长倡导者^[108]都主张让人类与生态系统之间的关系去商品化，并强调需要以使用价值为基础的经济。然而，讨论技术时，不同立场之间存在张力：生态社会主义立场主张民主化的集中化，例如国家资助的全国性数字公共服务和基础设施，^[109]或平台社会主义；^[110]去增长进路则强调共生性，把它视为创造非异化技术的方法，借助各种共用实践形式，^[111]包括自由／开源软件与点对点运动。^[112]我们无意倡导某种特定“解决方案”，而是简要突显后资本主义进路的多样性，以推进那些致力于推动各种以生态系统为中心的替代方案者之间的对话与团结，替代技术解决主义和超高效率的“绿色”资本主义。¶

就目前而言，AI和数据中心表现出网络效应与规模经济，导向超大规模数据中心所体现的极度集中；这反过来又造成企业对这些系统和基础设施的寡头控制。^[113]虽然AI、互联网与计算机都在资本主义经济中发展出来，但目前企业主导的AI基础设施模式并非不可避免。实际上，后资本主义进路的一项关键主张，就是改变技术治理能够改变技术运作方式，从而显著减少对生态系统的伤害和社会不平等。平台社会主义者认为，当前企业与生态系统——包括人类——之间的权力不对称，可以通过集中化的公共服务模式得到有意义的处理，例如许多国家用于医疗、通信、污水系统及其他基础设施的模式。当“自然垄断”^[114]出现时，以使用价值为导向的进路主张把基础设施作为社会化的公共财产来管理，而非作为私人商品。另一些进路则通过合作社、联邦式和分布式点对点系统，以及其他形式的数字共有资源，提出去中心化的替代方案。此外，不再以交换价值衡量财富，意味着许多有害的AI形式将不再被视为有用或有价值。¶

消除有害的资本主义监控模式——这些模式旨在助推公民进行不可持续的消费——以及企业尽可能囤积数据、寄望未来找到变现办法的做法，^[115]将使数据存储与计算处理量能够显著下降。这有助于减少AI当前造成的社会及环境伤害，同时为某些领域的增长提供空间：在这些领域，AI可以支持生态系统与社区的修复，而不是让掌控技术及相关基础设施者的私人利益受惠。在数据／数字殖民主义背景下，^[116]这一变革的关键部分必须包括数据去殖民化^[117]和增强技术主权，^[118]使个人与社区能够利用自己的数据谋求自身利益。不过，去殖民化也必须超越数据，处理生态不平等交换。¶

必须突显AI在当前攫取主义资本主义体系中的作用：这一体系以全球各地区内部及地区之间惊人的社会不平等为基础，通过贪婪的过度消费，造成全球生态崩溃；它既不能被视为公正，也不能被视为合乎伦理。在处理气候与生态债务的同时，迫切需要让经济核心的经济体系迅速去商品化。这将使生活在核心以外的人们能够重新确立对其资源、技术、能源和土地的主权。虽然对于以何种适当方式超越资本主义，存在充满争议的辩论，但起点是承认：我们能够做到。政治生态学视角要求我们加深理解AI在后资本主义转型过程中可能发挥的作用，并围绕“AI伦理”与正义发展一种纳入这些广泛目标的实践。面对全球性的缺陷结构与系统失灵，我们需要的远不止一块遮盖问题的伦理膏药。¶

资助披露

作者未就本文获得外部资助，也没有需要披露的财务利益冲突。¶

参考文献

• ABC News, ‘PM defends his “technology not taxes” approach to cutting emissions’, ABC News, 23 April 2021, https://www.abc.net.au/news/2021-04-23/pm-defends-his-technology-not-taxes-approach-to-emissions/13315616. ［中文题名：总理为其“技术而非税收”的减排路径辩护。］

• Al Qundus, Jamal, Dabbour, Kossai, Gupta, Shivam, Meissonier, Régis, and Paschke, Adrian. ‘Wireless Sensor Network for AI-based Flood Disaster Detection’, Annals of Operations Research, 7 August 2020: 1–23. ［中文题名：用于基于AI的洪水灾害检测的无线传感器网络。］

• Amoore, Louise. Cloud Ethics: Algorithms and the Attributes of Ourselves and Others, Durham: Duke University Press, 2020. ［中文题名：云伦理：算法与我们自身及他人的属性。］

• Anderson, Kevin and Peters, Glen. ‘The Trouble with Negative Emissions’, Science 354. 6309 (2016): 182–3. ［中文题名：负排放的问题。］

• Andrae, Anders, S.E. ‘Hypotheses for Primary Energy Use, Electricity Use and CO2 Emissions of Global Computing and its Shares of the Total Between 2020 and 2030’, WSEAS Transactions on Power Systems 15 (2020): 50–9. ［中文题名：关于2020至2030年全球计算的一次能源使用、电力使用和CO2排放及其占总量比例的假设。］

• Andrejevic, Mark. Automated Media, New York: Routledge, 2020. ［中文题名：自动化媒体。］

• Apple. iPhone 13 Product Environmental Report, 14 September 2021, https://www.apple.com/environment/pdf/products/iphone/iPhone_13_PER_Sept2021.pdf. ［中文题名：iPhone 13产品环境报告。］

• ——. Environmental Progress Report, April 2021, https://www.apple.com/environment/pdf/Apple_Environmental_Progress_Report_2021.pdf. ［中文题名：环境进展报告。］

• Barabási, Albert-László and Albert, Réka. ‘Emergence of Scaling in Random Networks’, Science 286.5439 (1999): 509–12. ［中文题名：随机网络中标度的涌现。］

• Barbrook, Richard and Cameron, Andy. ‘The Californian Ideology’, Science as Culture 6.1 (1996): 44–72. ［中文题名：加利福尼亚意识形态。］

• Barnes, Elizabeh A., Hurrell, James W., Ebert-Uphoff, Imme., Anderson, Chuck and Anderson, David. ‘Viewing Forced Climate Patterns Through an AI Lens’, Geophysical Research Letters, 46.22 (2019): 13389–98. ［中文题名：透过AI视角观察受迫气候模式。］

• Barr, Jeff. Amazon EC2 Update—Inf1 Instances with AWS Inferentia Chips for High Performance Cost-Effective Inferencing, 3 December 2019, https://aws.amazon.com/blogs/aws/amazon-ec2-update-inf1-instances-with-aws-inferentia-chips-for-high-performance-cost-effective-inferencing/. ［中文题名：Amazon EC2更新——配备AWS Inferentia芯片、实现高性能与高成本效益推理的Inf1实例。］

• Bashroush, Rabih and Lawrence, Andy. Beyond Pue: Tackling Its Wasted Terawatts, Uptime Institute, January 2020, https://uptimeinstitute.com/beyond-pue-tackling-wasted-terawatts. ［中文题名：超越PUE：应对其浪费的太瓦级电力。］

• Bastani, Aaron. Fully Automated Luxury Communism, London: Verso Books, 2020. ［中文题名：全自动奢华共产主义。］

• Bedford, Laura, Mann, Monique, Walters, Reece, and Foth, Marcus. ‘A Post-capitalocentric Critique of Digital Technology and Environmental Harm: New Directions at the Intersection of Digital and Green Criminology, in Beyond Cybercrime: New perspectives on crime, harm and digital technologies, International Journal for Crime, Justice and Social Democracy (Special Issue), 11.1 (2022): 167–81. ［中文题名：对数字技术与环境伤害的后资本中心主义批判：数字犯罪学与绿色犯罪学交叉领域的新方向；载《超越网络犯罪：犯罪、伤害与数字技术的新视角》。］

• Beer, David. The Data Gaze: Capitalism, Power and Perception, Newbury Park: Sage, 2018. ［中文题名：数据凝视：资本主义、权力与感知。］

• Beinsteiner, Andreas. ‘Conviviality, the Internet, and AI. Ivan Illich, Bernard Stiegler, and the Question Concerning Information-technological Self-limitation’, Open Cultural Studies 4.1 (2020): 131–42. ［中文题名：共生性、互联网与AI：Ivan Illich、Bernard Stiegler以及信息技术自我限制问题。］

• Beiser, Vince. The World in a Grain: The Story of Sand and How It Transformed Civilization. New York: Riverhead Books, 2018. ［中文题名：一粒沙中的世界：沙子的故事及其如何改变文明。］

• Bender E.M., Gebru, Timnit, McMillan-Major, Angelina, and Shmitchell, Shmargaret. ‘On the Dangers of Stochastic Parrots: Can Language Models Be Too Big??’ Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 1 March 2021, 610–23. ［中文题名：论随机鹦鹉的危险：语言模型是否可能过于庞大？？。］

• Benkler, Yochai. ‘Don’t Let Industry Write the Rules for AI’, Nature 569.7754 (2019): 161–2. ［中文题名：别让行业制定AI规则。］

• Bergvall-Kåreborn, Birgitta and Howcroft, Debra. ‘Amazon Mechanical Turk and the Commodification of Labour’, New Technology, Work and Employment 29.3 (2014): 213–23. ［中文题名：Amazon Mechanical Turk与劳动商品化。］

• Bonneuil, Christophe and Fressoz, Jean-Baptiste. The Shock of the Anthropocene: The Earth, History and Us, London: Verso Books, 2016. ［中文题名：人类世的冲击：地球、历史与我们。］

• Brady, Gemma A., Kapur, Nikil, Summers, Jonathan L., and Thompson, Harvey M. ‘A Case Study and Critical Assessment in Calculating Power Usage Effectiveness for a Data Centre’, Energy Conversion and Management 76 (2013): 155–61. ［中文题名：数据中心电能使用效率计算的案例研究与批判性评估。］

• Bridle, James. New Dark Age: Technology and the End of the Future, London: Verso Books, 2018. ［中文题名：新黑暗时代：技术与未来的终结。］

• Bringezu, Stefan. ‘Possible Target Corridor for Sustainable Use of Global Material Resources’, Resources 4.1 (2015): 25–54. ［中文题名：全球物质资源可持续使用的可能目标区间。］

• Bryant, Raymond L. and Jarosz, Lucy. ‘Ethics in Political Ecology: A Special Issue of Political Geography: Introduction: Thinking About Ethics in Political Ecology’, Political Geography 23. 7 (2004): 807–12. ［中文题名：政治生态学中的伦理：《政治地理学》专刊导论——思考政治生态学中的伦理。］

• Bunker, Stephan G. ‘Raw Materials and the Global Economy’, Society and Natural Resources 9.4 (1996): 419–29. ［中文题名：原材料与全球经济。］

• Bush, George W. and Howard, John. Joint Statement on Climate Change and Energy by President Bush and Australian Prime Minister John Howard, 4 September 2007, https://georgewbush-whitehouse.archives.gov/news/releases/2007/09/20070904-8.html. ［中文题名：布什总统与澳大利亚总理John Howard关于气候变化和能源的联合声明。］

• Chang, Li-Chiu, Fi-John Chang, Shun-Nien Yang, Fong-He Tsai, Ting-Hua Chang, and Edwin E. Herricks. ‘Self-Organizing Maps of Typhoon Tracks Allow for Flood Forecasts up to Two Days in Advance’, Nature Communications 11.1 (2020): 1983. ［中文题名：台风路径的自组织映射使提前两天预报洪水成为可能。］

• Couldry, Nick, and Mejias, Ulises A. The Costs of Connection: How Data Is Colonizing Human Life and Appropriating It for Capitalism, Stanford: Stanford University Press, 2019. ［中文题名：连接的代价：数据如何殖民人类生活并将其据为资本主义所有。］

• ——. ‘Data Colonialism: Rethinking Big Data’s Relation to the Contemporary Subject’, Television & New Media 20.4 (2018): 336–49. ［中文题名：数据殖民主义：重新思考大数据与当代主体的关系。］

• Crawford, Kate. ‘The Atlas of AI: Power Politics and the Planetary Costs of Artificial Intelligence’, New Haven: Yale University Press, 2021. ［中文题名：AI地图集：权力政治与人工智能的行星代价。］

• Daly Angela, Hagendorff, Thilo, Hui, Li, Mann, Monique, Marda, Vidushi, Wagner, Ben, Wei Wang, Wayne. ‘AI, Governance and Ethics: Global Perspectives’ in Pollicino, Oreste and de Gregorio, Giovanni (eds) Constitutional Challenges in the Algorithmic Society, Cambridge: Cambridge University Press, 2021. ［中文题名：AI、治理与伦理：全球视角；载《算法社会中的宪制挑战》。］

• Daly, Angela, Devitt, S, Kate, and Mann, Monique. ‘AI Ethics Needs Good Data’ in Pieter Verdegem (ed) AI for Everyone? Critical Perspectives, London: University of Westminster Press, 2021. ［中文题名：AI伦理需要良好数据；载《人人共享AI？批判性视角》。］

• de Freitas Netto, Sebastião Vieira, Sobral, Marcos Felipe Falcão, Ribeiro, Ana Regina Bezerra, and Soares, Gleibson Robert da Luz. ‘Concepts and Forms of Greenwashing: A Systematic Review’, Environmental Sciences Europe 32.1 (2020): 1–12. ［中文题名：漂绿的概念与形式：系统综述。］

• Delmas, Magali A., and Cuerel Burbano, Vanessa. ‘The Drivers of Greenwashing’, California Management Review 54.1 (2011): 64–87. ［中文题名：漂绿的驱动力。］

• Dieter, Cheryl A., Maupin, Molly A., Caldwell, Rodney R., Harris, Melissa A., Ivahnenko, Tamara I., Lovelace, John K., Barber, Nancy L., and Linsey, Kristin S. Estimated Use of Water in the United States in 2015, Reston: U.S. Geological Survey, 2018. ［中文题名：2015年美国用水量估算。］

• Dorninger, Christian, Hornborg, Alf, Abson, David J., Von Wehrden, Henrik, Schaffartzik, Anke, Giljum, Stefan, Engler, John-Oliver, et al. ‘Global Patterns of Ecologically Unequal Exchange: Implications for Sustainability in the 21st Century’, Ecological Economics 179 (2021): 106824. ［中文题名：生态不平等交换的全球模式：对21世纪可持续性的启示。］

• ‘The World’s Most Valuable Resource Is No Longer Oil, but Data’, The Economist, 6 May 2017, https://www.economist.com/leaders/2017/05/06/the-worlds-most-valuable-resource-is-no-longer-oil-but-data. ［中文题名：世界上最有价值的资源不再是石油，而是数据。］

• Eubanks, Virginia. Automating Inequality: How High-Tech Tools Profile, Police, and Punish the Poor, New York: St. Martin’s Press, 2018. ［中文题名：自动化不平等：高科技工具如何给穷人画像、管控和惩罚穷人。］

• Forti, Vanessa, Balde, Cornelis P., Kuehr, Ruediger, and Bel, Garam. The Global E-Waste Monitor 2020: Quantities, Flows and the Circular Economy Potential, Bonn, Geneva and Rotterdam: United Nations University/United Nations Institute for Training and Research, International Telecommunication Union, and International Solid Waste Association, 2020. ［中文题名：2020年全球电子废弃物监测：数量、流动与循环经济潜力。］

• Foster, John Bellamy, Clark, Brett, and York, Richard. ‘Capitalism and the Curse of Energy Efficiency’, Monthly Review 62.6 (2010): 1–12. ［中文题名：资本主义与能源效率的诅咒。］

• Friggens, Nina L., Hester, Alison J., Mitchell, Ruth J., Parker, Thomas C., Subke, Jens-Arne, and Wookey, Philip A. ‘Tree Planting in Organic Soils Does Not Result in Net Carbon Sequestration on Decadal Timescales’, Global Change Biology 26.9 (2020): 5178–88. ［中文题名：在有机土壤中植树不会在十年尺度上产生净碳封存。］

• Garnham, Nicholas. ‘Editorial’, Media, Culture & Society 14.3 (1992): 339–42. ［中文题名：社论。］

• Gómez-Baggethun, Erik. ‘More Is More: Scaling Political Ecology within Limits to Growth’, Political Geography 76 (2020): 102095. ［中文题名：更多就是更多：在增长极限内拓展政治生态学的尺度。］

• Google. ‘Google Environmental Report 2020’, 2020, https://www.gstatic.com/gumdrop/sustainability/google-2019-environmental-report.pdf. ［中文题名：Google 2020年环境报告。］

• Hagendorff, Thilo. ‘The Ethics of AI Ethics: An Evaluation of Guidelines’, Minds & Machines 30 (2020): 99–12. ［中文题名：AI伦理的伦理：指南评估。］

• Harvey, David. The Enigma of Capital and the Crises of Capitalism. London: Profile Books, 2010. ［中文题名：资本之谜与资本主义危机。］

• Hickel, Jason. Less Is More: How Degrowth Will Save the World, New York: Penguin Random House, 2020. ［中文题名：少即是多：去增长将如何拯救世界。］

• Hickel, Jason, and Kallis, Giorgos. ‘Is Green Growth Possible?’, New Political Economy (2019): 1–18. ［中文题名：绿色增长可能吗？。］

• Higgins, Polly. Eradicating Ecocide: Exposing the Corporate and Political Practices Destroying the Planet and Proposing the Laws to Eradicate Ecocide, London: Shepard-Walwyn, 2016. ［中文题名：根除生态灭绝：揭露摧毁地球的企业与政治实践，并提出根除生态灭绝的法律。］

• Hogan, Mél. ‘Data Flows and Water Woes: The Utah Data Center’, Big Data & Society 2(2): (2015): 1–12. ［中文题名：数据流与水之忧：犹他数据中心。］

• ——. ‘Big Data Ecologies‘, Ephemera 18(3) (2018): 631–57. ［中文题名：大数据生态。］

• Hogan, Mél, and Asta Vonderau. ‘The Nature of Data Centers’, Culture Machine 18 (2019) 1–4. ［中文题名：数据中心的自然。］

• Holl, Karen D., and Brancalion, Pedro H. S. ‘Tree Planting Is Not a Simple Solution’, Science 368.6491 (2020): 580–1. ［中文题名：植树并非简单解决方案。］

• Hornborg, Alf. ‘Towards an Ecological Theory of Unequal Exchange: Articulating World System Theory and Ecological Economics’, Ecological Economics 25.1 (1998): 127–36. ［中文题名：走向不平等交换的生态理论：联结世界体系理论与生态经济学。］

• ——. The Power of the Machine: Global Inequalities of Economy, Technology, and Environment,. Lanham: Altamira Press, 2001. ［中文题名：机器的力量：经济、技术与环境的全球不平等。］

• ——. ‘The Political Ecology of the Technocene’, The Anthropocene and the Global Environmental Crisis: Rethinking Modernity in a New Epoch, (2015): 177–83. ［中文题名：技术世的政治生态学；载《人类世与全球环境危机：在新纪元重新思考现代性》。］

• ——. ‘Energy, Space, and Movement: Toward a Framework for Theorizing Energy Justice’, Geografiska Annaler: Series B, Human Geography 102.1 (2020): 8–20. ［中文题名：能源、空间与运动：迈向能源正义理论化的框架。］

• Hornborg, Alf and Martinez-Alier, Joan. ‘Ecologically Unequal Exchange and Ecological Debt’, Journal of Political Ecology 23.1(2016): 328–33. ［中文题名：生态不平等交换与生态债务。］

• Huntingford, Chris, Jeffers, Elizabeth S., Bonsall, Michael B., Christensen, Hannah M., Lees, Thomas, and Yang, Hui. ‘Machine Learning and Artificial Intelligence to Aid Climate Change Research and Preparedness’, Environmental Research Letters 14.12 (2019): 124007. ［中文题名：帮助气候变化研究及准备工作的机器学习与人工智能。］

• Jackson, Tim. Post Growth: Life After Capitalism, Cambridge: Polity, 2020. ［中文题名：后增长：资本主义之后的生活。］

• Jevons, William Stanley. (1865) The Coal Question, 3rd edition. New York: Augustus M. Kelley, 1965. ［中文题名：煤炭问题。］

• Jiao, Pengcheng, and Alavi, Amir H. ‘Artificial Intelligence in Seismology: Advent, Performance and Future Trends’, Geoscience Frontiers 11.3 (2020): 739–44. ［中文题名：地震学中的人工智能：出现、表现与未来趋势。］

• Kallis, Giorgos. Degrowth, Newcastle-Upon-Tyne: Agenda Publishing, 2018. ［中文题名：去增长。］

• Keane, Pearse A., and Topol, Eric J. ‘With an Eye to AI and Autonomous Diagnosis’, Npj Digital Medicine 1.1 (2018): 40. ［中文题名：着眼于AI与自主诊断。］

• Kerschner, Christian, Wächter, Petra, Nierling, Linda, and Ehlers, Melf-Hinrich, ‘Degrowth and Technology: Towards Feasible, Viable, Appropriate and Convivial Imaginaries’, Journal of Cleaner Production, 197 (2018): 1619–36. ［中文题名：去增长与技术：迈向可行、可存续、适切且共生的想象。］

• Klinger, Julie Michelle. Rare Earth Frontiers, Ithaca, London: Cornell University Press, 2017. ［中文题名：稀土边疆。］

• Koppelaar, Rembrandt H. E. M., and Koppelaar, Hendrik. ‘The Ore Grade and Depth Influence on Copper Energy Inputs’, BioPhysical Economics and Resource Quality 1.2 (2016): 1–16. ［中文题名：矿石品位与埋深对铜生产能源投入的影响。］

• Kostakis, Vasilis, Latoufis, Kostas, Liarokapis, Minas, and Bauwens, Michel. ‘The Convergence of Digital Commons with Local Manufacturing from a Degrowth Perspective: Two Illustrative Cases’, Journal of Cleaner Production 197 (2018): 1684–93. ［中文题名：从去增长视角看数字共有资源与本地制造的融合：两个说明性案例。］

• Kostakis, Vasilis, Roos, Andreas and Bauwens, Michel. ‘Towards a Political Ecology of the Digital Economy: Socio-Environmental Implications of Two Competing Value Models’, Environmental Innovation and Societal Transitions 18 (2016): 82–100. ［中文题名：走向数字经济的政治生态学：两种竞争价值模式的社会环境含义。］

• Kovel, Joel. The Enemy of Nature: The End of Capitalism or the End of the World?, London: Zed Books, 2007. ［中文题名：自然之敌：资本主义的终结还是世界的终结？。］

• Kuch, Declan. ‘“Fixing” Climate Change through Carbon Capture and Storage: Situating Industrial Risk Cultures’, Futures 92 (2017): 90–99. ［中文题名：通过碳捕集与封存“修复”气候变化：定位工业风险文化。］

• Kukutai, Tahu, and Taylor, John (eds). Indigenous Data Sovereignty: Toward an Agenda, Canberra: ANU press, 2016. ［中文题名：原住民数据主权：迈向一项议程。］

• Lacoste, Alexandre, Luccioni, Alexandra, Schmidt, Victor, and Dandres, Thomas. ‘Quantifying the Carbon Emissions of Machine Learning.’ arXiv preprint arXiv:1910.09700, (2019). ［中文题名：量化机器学习的碳排放。］

• Leopold, George. ‘Aws to Offer Nvidia’s T4 Gpus for Ai Inferencing’, HPC Wire, 19 March 2019, https://www.hpcwire.com/2019/03/19/aws-upgrades-its-gpu-backed-ai-inference-platform/. ［中文题名：AWS将提供Nvidia的T4 GPU用于AI推理。］

• Malm, Andreas, and Hornborg, Alf. ‘The Geology of Mankind? A Critique of the Anthropocene Narrative’, The Anthropocene Review 1.1 (2014): 62–9. ［中文题名：人类的地质学？对人类世叙事的批判。］

• Mann, Monique and Daly, Angela. ‘(Big) Data and the North-in-South: Australia’s Informational Imperialism and Digital Colonialism’, Television & New Media 20.4 (2019): 379–95. ［中文题名：（大）数据与南方中的北方：澳大利亚的信息帝国主义和数字殖民主义。］

• Mann, Monique, Mitchell, Peta, Foth, Marcus, and Anastasiu, Irina. ‘#BlockSidewalk to Barcelona: Technological Sovereignty and the Social Licence to Operate Smart Cities’, Journal of the Association for Information Science and Technology 71.9 (2020): 1103–15. ［中文题名：从#BlockSidewalk到巴塞罗那：技术主权与智慧城市运营的社会许可。］

• Masanet, Eric, Shehabi, Arman, Lei, Nuoa, Smith, Sarah, and Koomey, Jonathan. ‘Recalibrating Global Data Center Energy-Use Estimates’, Science 367.6481 (2020): 984–6. ［中文题名：重新校准全球数据中心能耗估算。］

• Massumi, Brian. 99 Theses on the Revaluation of Value: A Postcapitalist Manifesto, Minneapolis: University of Minnesota Press, 2018. ［中文题名：关于价值重估的99条论纲：后资本主义宣言。］

• Mathai, Manu V., Isenhour, Cindy, Stevis, Dimitris, Vergragt, Philip, Bengtsson, Magnus, Lorek, Sylvia, Fogh Mortensen, Lars, et al. ‘The Political Economy of (un) Sustainable Production and Consumption: A Multidisciplinary Synthesis for Research and Action’, Resources, Conservation and Recycling 167 (2021): 105265. ［中文题名：（不）可持续生产与消费的政治经济学：面向研究与行动的多学科综合。］

• Moore, Jason W. Anthropocene or Capitalocene?: Nature, History, and the Crisis of Capitalism. Oakland: Pm Press, 2016. ［中文题名：人类世还是资本世？自然、历史与资本主义危机。］

• Morozov, Evgeny. To Save Everything, Click Here: The Folly of Technological Solutionism, London: Penguin, 2014. ［中文题名：要拯救一切，请点击这里：技术解决主义的愚妄。］

• Muldoon, James. ‘Platform Socialism’: How to Reclaim our Digital Future from Big Tech, London: Pluto Press, 2022. ［中文题名：平台社会主义：如何从大型科技企业手中夺回我们的数字未来。］

• Mytton, David. ‘Data Centre Water Consumption’, Npj Clean Water 4.1 (2021): 1–6. ［中文题名：数据中心用水量。］

• Neilson, Brett, and Rossiter, Ned. ‘Automating Labour and the Spatial Politics of Data Centre Technologies’, iIn Mascha Will-Zocholl and Caroline Roth-Ebner (eds) Topologies of Digital Work, London: Palgrave Macmillan, Cham, 2021, pp. 77–101. ［中文题名：劳动自动化与数据中心技术的空间政治；载《数字工作的拓扑》。］

• Niarchos, Nicholas. ‘The Dark Side of Congo’s Cobalt Rush’, The New Yorker, 2021. https://www.newyorker.com/magazine/2021/05/31/the-dark-side-of-congos-cobalt-rush. ［中文题名：刚果钴矿热潮的阴暗面。］

• Noble, Safiya Umoja. Algorithms of Oppression: How Search Engines Reinforce Racism. New York: NYU Press, 2018. ［中文题名：压迫的算法：搜索引擎如何强化种族主义。］

• Nost, Eric, and Goldstein, Jenny Elaine. ‘A Political Ecology of Data’, Environment and Planning E: Nature and Space (2021): 25148486211043503. ［中文题名：数据的政治生态学。］

• Nost, Eric, and Colven, Emma. ‘Earth for AI: A Political Ecology of Data-Driven Climate Initiatives’, Geoforum 130 (2022): 23–34. ［中文题名：为AI而存在的地球：数据驱动气候行动的政治生态学。］

• Patel, Raj, and Moore, Jason W. A History of the World in Seven Cheap Things: A Guide to Capitalism, Nature, and the Future of the Planet, New York: Verso, 2017. ［中文题名：以七种廉价之物书写的世界史：资本主义、自然与地球未来指南。］

• Patterson, David, Gonzalez, Joseph, Le, Quoc, Liang, Chen, Munguia, Lluis-Miquel, Rothchild, Daniel, So, David, Texier, Maud, and Dean, Jeff. ‘Carbon Emissions and Large Neural Network Training’, arXiv preprint arXiv:2104.10350, 2021. ［中文题名：碳排放与大型神经网络训练。］

• Phan, Thao, and Wark, Scott. ‘What Personalisation Can Do for You! Or: How to do Racial Discrimination without “Race”.’ Culture machine 20 (2021): 1–29. ［中文题名：个性化能为你做什么！或者：如何在没有“种族”的情况下进行种族歧视。］

• Pickren, Graham. ‘Geographies of E‐Waste: Towards a Political Ecology Approach to E‐Waste and Digital Technologies’, Geography Compass 8.2 (2014): 111–24. ［中文题名：电子废弃物地理学：走向电子废弃物与数字技术的政治生态学进路。］

• Piketty, Thomas. Capital in the Twenty-first Century, Cambrdige: Harvard University Press, 2018. ［中文题名：21世纪资本论。］

• Ranganathan, Janet, Corbier, Laurent, Bhatia, P., Schmitz, Simon, Gage, Peter, and Oren, Kjell. ‘The Greenhouse Gas Protocol: A Corporate Accounting and Reporting Standard (revised edition)’, Washington, DC: World Resources Institute and World Business Council for Sustainable Development, 2004. ［中文题名：温室气体核算体系：企业核算与报告标准（修订版）。］

• Riemens, Rianne. ‘Decoupling as Rhetorical Strategy in Google’s Green Discourse’, AoIR Selected Papers of Internet Research, 2021. ［中文题名：作为Google绿色话语修辞策略的脱钩。］

• Ritchie, Hannah and Roser, Max. Energy Mix, 2021, https://ourworldindata.org/energy-mix. ［中文题名：能源组合。］

• Robbins, Paul. ‘Is Less More…or Is More Less? Scaling the Political Ecologies of the Future’, Political Geography 76 (2020): 102018. ［中文题名：少即是多……还是多即是少？未来政治生态学的尺度拓展。］

• Sadowski, Jathan. ‘When Data Is Capital: Datafication, Accumulation, and Extraction’, Big Data & Society 6.1 (2019): 1-12. ［中文题名：当数据成为资本：数据化、积累与攫取。］

• ——. ‘The Internet of Landlords: Digital Platforms and New Mechanisms of Rentier Capitalism’, Antipode 52 (2020): 562–80. ［中文题名：房东的互联网：数字平台与食利资本主义的新机制。］

• Sadowski, Jathan, Viljoen, Salomé, and Whittaker, Meredith. ‘Everyone Should Decide How their Digital Data are Used—Not Just Tech Companies’, Nature 595 (2021): 169–171. ［中文题名：人人都应决定自己的数字数据如何使用，而不仅仅是科技公司。］

• Sanyé-Mengual, Esther, Secchi, Michaela, Corrado, Sara, Beylot, Antoine, and Sala, Serenella. ‘Assessing the Decoupling of Economic Growth from Environmental Impacts in the European Union: A Consumption-based Approach’, Journal of Cleaner Production 236 (2019): 117535. ［中文题名：评估欧盟经济增长与环境影响的脱钩：基于消费的进路。］

• Schwartz, Roy, Dodge, Jesse, Smith, Noah A., and Etzioni, Oren. ‘Green AI’, Communications of the ACM 63.12 (2020): 54–63. ［中文题名：绿色AI。］

• Seddon, Nathalie, Smith, Alison, Smith, Pete, Key, Isabel, Chausson, Alexandre, Girardin, Cécile, House, Jo, Srivastava, Shilpi, and Turner, Beth. ‘Getting the Message Right on Nature-Based Solutions to Climate Change’, Global Change Biology 27.8 (2021): 1518–46. ［中文题名：准确传达以自然为基础的气候变化解决方案的信息。］

• Shehabi, Arman, Smith, Sarah J., Masanet, Eric, and Koomey, Jonathan. ‘Data Center Growth in the United States: Decoupling the Demand for Services from Electricity Use’, Environmental Research Letters 13.12 (2018): 124030. ［中文题名：美国数据中心增长：服务需求与用电脱钩。］

• Shehabi, Arman, Smith, Sarah, Sartor, Dale, Brown, Richard, Herrlin, Magnus, Koomey, Jonathan, Masanet, Eric, Horner, Nathaniel, Azevedo, Inês, and Lintner, William. United States Data Center Energy Usage Report, U.S. Department of Energy Office of Scientific and Technical Information, 2016, https://www.osti.gov/biblio/1372902/. ［中文题名：美国数据中心能源使用报告。］

• Shell. Artificial Intelligence, 2021, https://www.shell.com/energy-and-innovation/digitalisation/digital-technologies/shell-ai.html. ［中文题名：人工智能。］

• Siddik, Md Abu Bakar, Shehabi, Arman, and Marston, Landon. ‘The Environmental Footprint of Data Centers in the United States’, Environmental Research Letters 16.6 (2021): 064017. ［中文题名：美国数据中心的环境足迹。］

• Sluis Katarina, and Li, Fei-Fei. Where Did ImageNet Come From?, 2019, https://unthinking.photography/articles/where-did-imagenet-come-from. ［中文题名：ImageNet从何而来？。］

• Srnicek, Nick. Platform Capitalism, Cambridge: Polity, 2016. ［中文题名：平台资本主义。］

• Starosielski, Nicole. ‘Thermocultures of Geological Media’, Cultural Politics 12.3 (2016): 293–309. ［中文题名：地质媒介的热文化。］

• Stiegler, Bernard. Automatic Society: The Future of Work, Cambridge: Polity, 2017. ［中文题名：自动化社会：工作的未来。］

• Strubell, Emma, Ananya Ganesh, and Andrew McCallum. ‘Energy and Policy Considerations for Deep Learning in Nlp’, arXiv preprint arXiv:1906.02243, 2019. ［中文题名：自然语言处理深度学习的能源与政策考量。］

• Swinhoe, Dan. ‘Microsoft, Amazon, and Google Operate Half the World’s 600 Hyperscale Data Centers,’, 2021, https://www.datacenterdynamics.com/en/news/microsoft-amazon-and-google-operate-half-the-worlds-600-hyperscale-data-centers/. ［中文题名：Microsoft、Amazon与Google运营着全球600个超大规模数据中心中的一半。］

• Taffel, Sy. ‘Hopeful Extinctions? Tesla, Technological Solutionism and the Anthropocene’, Culture Unbound: Journal of Current Cultural Research 10.2 (2018): 163–84. ［中文题名：充满希望的灭绝？Tesla、技术解决主义与人类世。］

• ——. Digital Media Ecologies, New York and London: Bloomsbury, 2019. ［中文题名：数字媒介生态。］

• ——. ‘Data and Oil: Metaphor, Materiality and Metabolic Rifts’, New Media & Society (2021). ［中文题名：数据与石油：隐喻、物质性与代谢断裂。］

• ——. ‘AirPods and the Earth: Digital Technologies, Planned Obsolescence and the Capitalocene’, Environment and Planning E: Nature and Space, 2022. ［中文题名：AirPods与地球：数字技术、计划性报废与资本世。］

• Ursin, Frank, Timmermann, Cristian, Orzechowski, Marcin, and Steger, Florian. ‘Diagnosing Diabetic Retinopathy with Artificial Intelligence: What Information Should Be Included to Ensure Ethical Informed Consent?’ [In English]. Original Research. Frontiers in Medicine 8.1108 (2021). 1–6. ［中文题名：使用人工智能诊断糖尿病视网膜病变：应纳入哪些信息以确保合乎伦理的知情同意？［英语；原创研究。］。］

• U.S. Energy Information Administration. What is U.S. Electricity Generation by Energy Source?, June 2022, https://www.eia.gov/tools/faqs/faq.php?id=427&t=3. ［中文题名：美国按能源来源划分的发电构成是什么？。］

• van Wynsberghe, Aimee. ‘Sustainable AI: AI for Sustainability and the Sustainability of AI’, AI and Ethics (2021): 1–6. ［中文题名：可持续AI：促进可持续性的AI与AI自身的可持续性。］

• Vaughan, Naomi E., and Gough, Clair. ‘Expert Assessment Concludes Negative Emissions Scenarios May Not Deliver’, Environmental Research Letters 11.9 (2016): 095003. ［中文题名：专家评估得出结论：负排放情景可能无法兑现。］

• Vonk, Lisa. ‘Paying Attention to Waste: Apple’s Circular Economy’, Continuum 32.6 (2018): 745–57. ［中文题名：关注废弃物：Apple的循环经济。］

• Vopson, Melvin M. ‘The Information Catastrophe’, AIP Advances 10.8 (2020): 085014. ［中文题名：信息灾难。］

• Wagner, Ben. ‘Ethics as an Escape from Regulation. From ‘Ethics-Washing’ to Ethics-Shopping?’ in Being Profiled, Amsterdam: Amsterdam University Press, 2018, pp. 84–9. ［中文题名：作为逃避监管手段的伦理：从伦理洗白到伦理选购？；载《被画像》。］

• Walker, Peter A. ‘Political Ecology: Where is the Politics?.’ Progress in Human geography 31.3 (2007): 363–69. ［中文题名：政治生态学：政治在哪里？。］

• Wiedmann, Thomas O., Schandl, Heinz, Lenzen, Manfred, Moran, Daniel, Suh, Sangwon, West, James, and Kanemoto, Keiichiro. ‘The Material Footprint of Nations’, proceedings of the National Academy of Sciences 112.20 (2015): 6271–6. ［中文题名：各国的物质足迹。］

• Zhang, John, and Hoshino, Kazunori. Molecular Sensors and Nanodevices 2nd edition. Cambridge: Academic Press, 2019. ［中文题名：分子传感器与纳米器件（第2版）。］

注释