可持续发展团队正面临极限压力。他们需要处理从报告撰写、合规审查到制定负责任采购策略、从海量数据源收集信息等全方位工作。即便在知名大品牌中，这类团队通常规模有限，耗费大量时间埋头处理电子表格，而非推进最初制定的重要可持续发展战略。高效人工智能技术所展现的潜力如此诱人，也就不足为奇了。
行业专家指出，人工智能可通过自动化环境报告、提升数据质量、按需重构信息格式及验证可追溯性，为可持续发展团队及其供应链合作伙伴减轻压力。同时，人工智能还能通过优化材料使用和提升需求预测精度，为供应链内部带来潜在效率提升。户外品牌Cotopaxi影响力与可持续发展副总裁安妮·阿格尔表示："人工智能确实在协助可持续发展团队处理报告工作，使他们能更专注于战略性项目而非合规事务。"
然而需要警惕的是，在组织层面应用人工智能的真实环境影响仍不明确。若缺乏审慎监控，品牌可能无意中通过本为减碳而采用的技术反而增加碳足迹。阿格尔指出："其益处显而易见，但我们同样认识到存在尚未完全理解的负面影响。目前还不清楚这种数字足迹会如何影响我们的温室气体测算。"
为探究可持续发展团队如何整合人工智能并应对这些不确定性，《Vogue Business》采访了多个不同规模和细分市场的品牌。尽管部分品牌已应用人工智能多年，其他仍处于试验阶段，但所有受访者都认同人工智能将在未来运营中发挥作用。
**可持续发展团队如何应用人工智能**
H&M表示在其供应链、物流、营销、销售及客户体验全链路应用人工智能。该品牌称人工智能通过优化产量、销售区域与时机，支撑其"按需生产"目标，并解释称"这对资源利用、库存、原材料及排放均产生积极影响"。旗下拥有古驰、巴黎世家等品牌的奢侈品集团开云，于2026年3月任命皮埃尔·乌莱斯担任首席数字、人工智能与信息技术官。据首席可持续发展及机构事务官玛丽-克莱尔·达沃介绍，该集团数年来已在部分品牌推行人工智能应用，与H&M类似，开云运用分析型人工智能预测需求并优化单品库存水平；与Cotopaxi相似，其采用人工智能工具自动收集并智能校正集团各站点数据，以提升报告可靠性。在产品研发层面，开云位于意大利的材料创新实验室（专注可持续材料研究）开发了生态设计人工智能助手，为设计团队提供技术指导，这有助于弥合常相互脱节的设计与可持续发展团队，确保一方成果不损害另一方目标。
尽管H&M与开云已持续多年将人工智能融入核心运营，其他品牌主要借此减轻工作负担。Everlane首席执行官张安祖在致《Vogue Business》的声明中表示："在人工智能领域，我们仍处于探索初期，重点关注其如何支持日常内部流程并节省时间。"
阿格尔指出，其小型团队运用人工智能将原始供应商数据转化为温室气体测算值，为各类报告重构数据格式，并创建可视化图表以帮助更广泛的团队理解公司影响。她强调："这确实提升了工作效率。我认为未采用人工智能的企业将在商业竞争中举步维艰。"法国科技公司力克副首席执行官马克西米利安·阿巴迪对此表示认同。力克提供的人工智能解决方案可帮助时尚品牌实现可持续发展目标，例如验证可追溯数据、优化面料裁剪以减少过量订购。但阿巴迪认为最大机遇在于缩短上市周期："时尚企业面临的挑战在于，如何在充满日常动荡与不确定性的世界中保持竞争力——你无法预测三到六个月后的市场变化。必须在正确的时间，以正确的价格、正确的数量，为正确的消费者提供正确的产品。"
在利用人工智能减少浪费、优化供应链的同时，该技术也被广泛用于商业与创意领域。西班牙零售商Mango首席信息技术官霍尔迪·亚历克斯表示："自2018年以来，我们已开发超过15个内部机器学习平台，全部致力于提升创意、效率与客户服务。"据其介绍，Mango大部分平台为自主开发，包括每年处理超750万次客户咨询的人工智能助手Iris，以及基于客户浏览与购买数据生成个性化产品推荐的工具Gaudi。该品牌还运用生成式人工智能创作宣传活动与系列产品图像。这些超越可持续发展范畴的广泛应用，加剧了品牌审视人工智能底层环境影响的紧迫性。
**未知的影响**
学界普遍认为人工智能的发展增加了对能源和水的需求，后者主要用于数据中心冷却。《自然》杂志2025年刊文指出，按当前增速，仅美国的人工智能服务器就将产生2400万至4400万吨二氧化碳，相当于美国道路增加500万至1000万辆汽车。其年用水量达7.31亿至11.25亿立方米，而许多数据中心位于全球最干旱地区，这进一步加剧了担忧。2025年4月，国际能源署报告显示，2024年数据中心占全球能耗的1.5%，预计到2030年将升至3%。
尽管数据中心不仅支持人工智能，但预计到2030年人工智能工作负载将占数据中心总容量的一半，凸显其巨大且持续增长的能量需求。美国人工智能公司Anthropic承认，其技术所需的电网容量与数据中心增长将推高用户电价，并表示将承担相关基础设施成本。该公司未回应置评请求。
虽然可进行宏观预测，但计算组织层面的人工智能影响更为棘手。Cotopaxi的阿格尔表示："非人工智能企业要理解其影响将非常复杂。当企业自主运营服务并拥有数据中心时，可精确计算冷却所需的电力与水资源。"但对于不掌控所有底层基础设施的时尚品牌而言，评估完整足迹仍是挑战。精确测算每位员工使用人工智能的情况（无论是用ChatGPT写邮件还是用内部工具收集数据）极为困难。这类计算还取决于人工智能公司对自身影响的测算与验证，以便第三方使用数据。然而，OpenAI、Perplexity、Anthropic等主要厂商均未公开披露排放数据，也未回应置评请求。
开云集团声明其密切监控人工智能在信息技术活动（包括数据中心与云服务使用）中的环境影响，并指出信息技术占其总碳足迹不足2%。在受访企业中，开云是唯一分享缓解战略框架的：优先选择精简、资源高效的模型，并与技术伙伴合作支持脱碳进程及提升碳报告透明度。
开云未说明数据来源，且目前缺乏标准化指标。为实现未来可比评估，由法国政府、联合国环境规划署和国际电信联盟发起的"可持续人工智能联盟"正呼吁建立全球标准。作为迈向该目标的一步，国际电信联盟于2026年2月发布评估与最小化人工智能系统环境影响的指南。此外，自然相关财务信息披露工作组于2026年1月发布技术与通信行业草案指南，帮助机构评估其与自然相关的依赖、影响、风险与机遇。这些是迈向标准化体系的初步尝试，类似于现有针对生产或运输影响的报告框架。
在健全框架建立并广泛采用前，品牌必须自行探索前行之路。在缺乏全球性人工智能足迹计算标准的情况下，Cotopaxi计划通过粗略估算来理解其影响。阿格尔表示："第一步是了解使用情况。我们与人工智能供应商签订何种合同？员工实际使用情况如何？如果我们有特定数量的员工使用Claude这类工具，而Claude报告了特定排放量，我们应承担其中多少比例？测算将充满挑战，但我们必须尝试。"
**从测算到缓解**
对Cotopaxi而言，测算影响是制定负责任人工智能政策的第一步。部分品牌已建立此类政策：H&M于2018年制定负责任人工智能框架，Mango的人工智能应用则由指导委员会领导。Mango代表称："通过集中治理、培训及'人工智能倡导者'计划（即支持技术落地并分享最佳实践的内部推广大使），我们确保人工智能被正确采用，并帮助员工释放潜力。"然而，现有政策多聚焦人工智能伦理，如安全性、反偏见与透明度，而非环境因素。
法国生态转型部提出的"节俭人工智能使用通用框架"旨在填补这一空白，为最佳实践及如何从测算转向缓解提供指导。该部门建议品牌考虑以下步骤：审视特定任务是否真正需要人工智能；安排在数据中心依赖可再生能源时段进行人工智能训练；使用精确高质量的训练数据以降低计算需求；探索能效更高的人工智能模型是否可行。
尽管由数据中心驱动的大型通用人工智能平台很常见，但替代方案已然出现。源自纽卡斯尔大学的英国公司Literal Labs专注于创建无需昂贵专用图形处理器的高效人工智能模型，其模型可在电视遥控器或微波炉等日常设备搭载的更小、更廉价、更高效的芯片上运行。该公司通过用更简单的"如果/那么"逻辑网络替代ChatGPT等系统背后的复杂神经网络实现这一目标，后者对计算能力的需求大幅降低。
该公司首席产品官丹尼尔·戴克斯表示，这种方法在能力上并无妥协。神经网络与逻辑网络均可通过深度学习处理复杂数据。在为某食品公司进行需求预测测试时，其逻辑网络比领先的神经网络竞争对手准确率高7%。戴克斯指出："如果算法不需要专用硬件、数据中心或新建发电厂，就解决了当前人工智能带来的诸多问题。"这家在欧洲、中东、非洲地区及水务等领域运营的公司宣称，其训练过程的能效比同等神经网络高50倍以上，速度提升54倍。
另一家英国创新企业DeepGate正在开发基于小型芯片运行的人工智能，可高效检测"唤醒词"（如"嘿Siri"）并进行图像分类。虽然不能完全替代高需求系统，但它表明许多专业任务可在更廉价、高能效的硬件而非图形处理器上运行，例如检测材料质量或识别文档与供应链数据异常等针对性应用。DeepGate联合创始人卢克·泰勒解释，这些更简单的系统可作为大型系统的补充，仅在需要时处理专业任务而非持续运行，从而避免能源浪费。
解决方案正在涌现，但要战略性地运用它们，品牌必须首先理解人工智能的全面影响，确保其真正有益于可持续发展。正如力克的阿巴迪所言："在一个领域实现改进，却在其他领域增加污染和二氧化碳排放是毫无意义的。"他相信随着认知提升，开发周期将缩短，人工智能将更完善。"随着技术进步，越来越多人会意识到必须从一开始就考量环境影响。如果人工智能弊大于利，就不值得投入。"
**常见问题解答：人工智能会让时尚更可持续还是相反？**
**入门级问题**
1. 可持续时尚究竟指什么？
可持续时尚指在设计、制造、分销和使用过程中对环境友好、对社会负责的服装。其目标是最大限度减少对地球的伤害，并确保工人享有公平条件。
2. 人工智能如何帮助时尚产业？
人工智能可通过多种方式助力：预测趋势以减少过度生产、设计减少浪费的服装、优化供应链以节约能源、帮助顾客找到心仪且会长期保留的单品。
3. 那么人工智能对时尚环保化基本是好事吗？
它有望成为有力的工具，但效果并非自动实现。结果取决于企业的运用方式：若用于优化可持续性则有益；若仅用于推动更快消费则可能适得其反。
4. 人工智能真能设计服装吗？
能。人工智能可根据特定参数生成新服装设计，帮助设计师从源头探索创造减少面料浪费的版型。
**进阶实践问题**
5. 人工智能对可持续发展的最大潜在益处是什么？
减少过度生产。时尚产业最大的环境罪过是制造数十亿未售出商品，最终填埋或焚烧。人工智能的先进需求预测能帮助品牌更精准按需生产，大幅削减浪费。
6. 时尚领域应用人工智能的具体风险或弊端有哪些？
- 加速消费：人工智能可能催生超快时尚风潮，助长一次性消费
- 高能耗：训练和运行复杂人工智能模型需大量算力，碳足迹显著
- 绿色洗白：品牌可能将人工智能作为营销噱头标榜可持续，却未进行实质性系统变革
- 岗位替代：可能自动化设计、预测和制造环节的职能，引发社会可持续性担忧
7. 目前有人工智能助力的实际案例吗？
有。企业正将人工智能用于按需制造——仅在接到订单后才生产商品。