人工智能的环境代价：碳、水与土地三重压力

当人们向聊天机器人发问、制作图像，甚至创作视频时，往往忽略了这些虚拟世界中的操作，正在真实世界里消耗巨量电力、水源和土地。

联合国大学水、环境与健康研究所于6月3日发布了一份名为《AI能耗的环境成本：碳、水和土地足迹》的报告。该报告预测，到2030年，支撑全球人工智能（AI）运转的数据中心，每年将耗费945太瓦时的电能，相关用水量将相当于13亿人一年的基本生活用水，而土地占用面积将超过14500平方公里。

AI的环境负担不限于碳排放

研究揭示，驱动AI的每一度电，都同时牵涉三种环境印记，即能源生成带来的碳足迹、发电与冷却造成的水足迹，以及能源基建和资源开采导致的土地足迹。

更为关键的是，这三种环境足迹并非总是同步变动。某些看似更绿色的能源方案，可能在其他层面施加更大的资源负担。比如，从煤炭转向生物能源发电，平均可让碳足迹减少约72%，但其水足迹可能激增30倍以上，土地足迹甚至猛增100倍。

报告第一作者米丽娅姆·阿策尔表示，令研究人员最感震惊的是，那些从碳排放视角看最“环保”的选择，往往对水资源或土地使用造成更大压力。“低碳”绝不自动等同于“低耗水”或“低占地”。

研究人员强调，若仅凭单一指标衡量AI的可持续性，就可能遮蔽不同环境目标间的权衡关系，甚至将环境压力转嫁到本就面临缺水或土地紧张的区域。因此，未来评估AI环境影响时，需同时关注碳足迹、水足迹和土地足迹，而非仅仅盯着碳排放。

训练AI仅是耗能的开端

谈到AI能耗，人们最先想到的往往是训练大型模型所需的巨大算力。报告显示，训练GPT-5预估需约100吉瓦时电力，相当于撒哈拉以南非洲约77万人一年的居民用电量，相关用水量约为10亿升，土地占用量约为1.5平方公里，相当于215个足球场大小。

然而，研究人员指出，训练只是AI生命周期中的一环。随着模型投入应用，真正持续消耗资源的是推理过程，即模型不断响应用户需求、生成内容的过程。报告估算，推理环节占据AI总能耗的80%至90%。

以ChatGPT为例，目前每天处理约25亿条用户提示请求。按照每次文本请求约0.42瓦时电力保守估算，其年耗电量约为383吉瓦时。由此产生的年度用水量相当于撒哈拉以南非洲约50万人的年度最低家庭用水需求，而占地面积则超过800个足球场。

若将AI嵌入更大规模的平台，资源消耗还会进一步攀升。谷歌一次传统搜索耗电约0.3瓦时，而一次结合生成式AI的搜索最高可达3瓦时。

视频生成正成为AI领域新的资源消耗热点。一段高分辨率AI视频片段可能需消耗超过415瓦时电力，能耗超越数百张AI图像的生成总和。研究人员警告，随着AI视频逐步融入主流互联网平台，其资源需求可能迅速膨胀，并演变为基础设施层面的环境难题。

更值得留意的是，效率提升并不必然导致资源消耗下降。联合国大学水、环境与健康研究所所长卡韦赫·马达尼表示，许多人以为技术进步会降低AI的环境足迹，但更高效、更经济的AI和能源，往往意味着带来更多AI消费，从而使整体生态足迹远超通过提升效率节省下来的部分。这种现象被称为“反弹效应”或“杰文斯悖论”。

谁在享用AI红利，谁来背负环境成本

报告显示，目前全球仅有32个国家拥有专门的AI数据中心，而全球150多个国家几乎没有自主AI计算能力。

与此同时，支撑AI运行的基础设施却在一些地区引发了明显的资源压力。

在爱尔兰，2023年数据中心耗电量占全国计量用电量的21%，超过了该国所有城市家庭用电量的总和；在墨西哥克雷塔罗州，数据中心扩张正在加剧当地水资源紧张；而在乌拉圭，2023年，一项耗水量巨大的数据中心建设计划发布时，正值严重干旱期间，首都蒙得维的亚的淡水储备一度接近枯竭，自来水甚至短暂丧失饮用安全标准。

报告共同作者米尔·马廷指出，一些承受数据中心资源压力的地区，并不一定是使用这些AI服务的人群。

研究人员同时警示，到2030年，AI基础设施每年可能产生多达250万吨电子废弃物，相当于每年丢弃约250座埃菲尔铁塔。

联合国大学校长兼联合国副秘书长马瓦拉强调，这份报告并非抵制AI，AI正推动一场影响深远的技术变革，并持续改善全球数十亿人的生活。但是，能否公平实现这些目标，已成为治理议题，而非单纯的技术问题。

因此，报告呼吁建立基于透明度、设计效率、公平与环境正义、生命周期责任、全球合作以及可持续利用原则的AI治理框架。