美国AI服务器环境影响研究

【文献来源】

https://doi.org/10.1038/s41893-025-01681-y

【研究机构】

康奈尔大学

【研究概述】

生成式AI模型的迅猛发展推动了服务器的大规模应用，同时也引发了能源、水资源与碳排放交织的可持续性挑战。研究发现，2024年至2030年间，根据扩展规模的不同，美国AI服务器的部署可能带来7.31亿至11.25亿立方米的年水足迹，以及2400万至4400万吨二氧化碳当量的新增年碳排放。此外，行业能效提升、电网脱碳速度及服务器的地理分布等因素，显著影响水足迹与碳足迹的估算结果。

研究指出，若不依赖碳补偿与水资源恢复机制，AI服务器行业到2030年难以达成净零排放目标。尽管最佳实践可减少73%的碳排放和86%的水足迹，但其效果受限于现有能源基础设施的瓶颈。这些发现强调了加速能源转型的重要性，并表明AI企业应充分利用美国中西部各州的清洁能源潜力。通过私营部门与政策监管的协作，可确保AI产业在竞争中实现可持续发展。

【研究方法】

基于情景的AI服务器容量预测：通过AI芯片制造瓶颈（CoWoS封装技术）构建自下而上的预测模型。结合低需求、中等情景、高需求等五种情景，以及芯片出货量、服务器功率和采用率等参数，预测2024年至2030年美国AI服务器的累计容量。

服务器能耗建模与利用率分析：采用基于利用率的线性功耗模型，根据GPU最大功率、空闲功率和实际利用率计算单台服务器能耗。利用公开的AI任务数据区分训练与推理任务的GPU活跃度，并设定训练与推理任务的算力比例为3：7。

环境影响综合评估方法：结合各州气候数据，利用混合统计与热力学模型评估数据中心的电能与水资源利用效率（PUE和WUE）。通过区域能源部署系统（ReEDS）模型模拟电网脱碳路径，获取各区域的碳强度与水强度，核算服务器运行的直接与间接碳排放与水足迹。

多因素不确定性分析与净零路径优化：系统评估行业能效提升、服务器布局与电网可再生能源渗透率对环境影响的作用。通过设定最优、基准与最劣实践情景，分析碳补偿与水恢复机制的效果，量化实现碳与水净零排放目标的潜力及剩余足迹。

【核心结论】

研究显示，2024年至2030年间，美国AI服务器的部署将对环境产生显著影响。根据扩展规模，年水足迹可能达到7.31亿至11.25亿立方米，新增年碳排放量为2400万至4400万吨二氧化碳当量。行业能效提升、电网脱碳速度及服务器布局等因素增加了环境影响的不确定性。研究认为，若不依赖碳补偿与水恢复机制，AI服务器行业到2030年难以实现净零排放目标。尽管最佳实践可显著降低碳排放与水足迹，但受限于现有能源基础设施。从地理布局看，美国中西部各州因其丰富的可再生能源和较低的水资源压力，成为AI服务器部署的理想区域。研究强调，加速能源转型、优化布局、提升能效及加强政策协同，对实现AI产业的可持续发展至关重要。