Nature Electronics 介绍的一项研究使用 AI 智能体、结构化数据抽象和网络信息采集工具，迭代构建设备完整生命周期清单。
编辑文章称，这类方法可把收集生命周期数据的时间从专家数周或数月缩短到一分钟以内；研究团队同时使用已有预训练模型和轻量算法以控制额外能耗。
文章也指出，全球电子废弃物每年超过 6000 万吨，报告回收比例不足四分之一，信息与通信技术部门可能贡献全球温室气体排放的约 4%。
环境核算的主要成本长期来自数据搜集和格式不一致。智能体降低这一成本后，制造商可以更频繁地比较材料、供应商和维修方案。
这也可能推动碳标签从静态认证转向可更新的数据产品，使采购系统自动拒绝缺少可追溯信息的部件。
这一信号为 2040 年基础设施自治补充了“可观测性”前提：系统只有先能持续计算自身的材料与能源代价，才可能自主优化。
- 公开网络中的生命周期数据不完整、口径不一，自动化可能快速复制错误而不是消除错误。
- 智能体生成的清单仍需要专家抽查，特别是供应链深层数据和地区能源结构。
- 如果大规模部署本身消耗大量算力，工具带来的环境收益可能被部分抵消。
来源链接用于核查事实，不代表 2049.ai 认同来源机构的全部判断。