AI数据中心催生“数据热岛”，拉美3.43亿人口面临升温威胁

“智网文摘”系智网互联实验室推出的中拉科技交流品牌栏目。本栏目甄选编译西葡语媒体科技资讯，旨在为中文受众呈现拉美与加勒比地区的科技焦点与最新动向。诚挚欢迎联系智网互联实验室，为本栏目推荐优质内容或提出宝贵建议。

每当用户在ChatGPT输入问题、通过NanoBanana创作图像或训练个人AI语言模型之际，鲜少有人意识到屏幕背后正上演着什么：数以万计的服务器昼夜不息地高速运转，疯狂吞噬电力并持续释放巨量热能。近期，剑桥大学、新加坡南洋理工大学及香港城市大学等国际研究团队首次将这一现象进行科学量化，并创造了一个或将纳入环境议题讨论的新概念——“数据热岛效应”。

该研究于今年3月刊发，通过交叉分析NASA卫星在2004至2024年间采集的地表温度数据与全球逾11,000个数据中心的地理分布，得出惊人结论：凡设立AI超大规模数据中心的区域，其地表温度均呈现上升趋势。

这一概念并非凭空而来。研究合著者、剑桥大学地球观测团队副教授安德烈亚·马里诺尼指出，其理论基础源于公众熟知的“城市热岛效应”。城市因柏油路、建筑群、工业活动密集及绿化匮乏，温度常比周边乡村高出数度；而数据中心即便远离都市核心，同样会制造出局部的“热岛”现象。

在清洗6,700余个有效数据样本并剔除高密度城区干扰因素后，研究团队得出了令人震惊的数值。马里诺尼称：“AI数据中心启用后，地表温度平均攀升2.07摄氏度，催生出所谓的‘数据热岛’微气候区域。”该均值浮动于1.5至2.4摄氏度之间，但个别极端案例增幅高达9.1摄氏度，且热力影响远超建筑本体范围。

研究进一步揭示，热能可辐射扩散至10公里半径范围；即便在距超大规模数据中心核心区7公里的位置，热强度仍可维持中心峰值的30%；而在4.5公里范围内，平均温升仍达1摄氏度。

为凸显问题规模，文章对AI数据中心的能源消耗进行了横向对比。据Statista统计，一座超大规模AI数据中心需持续消耗50至100余兆瓦电力，等同于8至10万人口城市的用电负荷。国际能源署（IEA）数据表明，2024年全球数据中心总耗电量约415太瓦时，占全球用电总量的1.5%。

IEA同时预测，到2030年该数值将近乎翻倍至945太瓦时，超越日本当前全国用电总量。美国方面，2024年数据中心耗电达183太瓦时，占全国总电量4.4%，预计本十年末将攀升至12%。该机构警示，未来制约AI扩张的瓶颈不再是芯片算力，而是电力供应能力。

部分项目已将此逻辑推向极端。Meta在美国投建的Hyperion园区，设计电力需求高达5吉瓦，相当于新奥尔良市现有用电负荷的三倍。与此同时，传统服务器机架通常耗电5至10千瓦，而配置Nvidia H100或Blackwell等高端GPU的AI专用机架则突破60千瓦，能耗达到前者的6至12倍。训练GPT-4级别模型需消耗逾50吉瓦时电力，等同于4万余个美国家庭的年用电总量。

文章引用Epoch AI数据指出，数据中心内部能源分配极不均衡：约60%电力流向服务器与GPU（GPU单项占用约40%），冷却系统耗电占比介于7%至30%，余下部分损耗于电力传输、备用系统及网络基础设施。综合来看，多达65%的能源未能直接转化为有效算力，这也解释了余热为何成为不可避免的副产物。

该研究并未满足于全球平均数据，而是锁定了三个典型地理案例——墨西哥、西班牙与巴西。这些区域的升温时序与大型数据运营商入驻节点高度吻合，形成了研究者所称的、难以通过其他本地化人为因素解释的显著热异常。

在墨西哥中部的巴希奥地区，凭借气候稳定、地震稀少及地理优势，过去二十年间已崛起为面向北美市场的数据中心核心枢纽。然而研究显示，这一发展付出环境代价：当地地表温度在二十年内上升约2摄氏度，而周边区域并未呈现同等异常。研究人员特别强调，此类升温模式“在邻近地带未被观测到”，由此强化了其与超大规模数据中心运营的直接关联性。

在欧洲，西班牙阿拉贡地区近年来已发展为云计算与高性能人工智能的核心枢纽，多家国际巨头在此布局超大规模基础设施。数据分析显示，该区域气温上升约2摄氏度，且“相较于西班牙邻近省份及欧洲整体监测到的全球变暖趋势更为显著”。换言之，阿拉贡的升温速度更快、幅度更突出，而数据中心扩张正是关键驱动变量。

研究中最令人忧心的案例出现在巴西东北部，特别是皮奥伊州首府特雷西纳周边地带。该地区已成长为区域性人工智能服务枢纽，其相关数据在三个案例中居首。研究指出，数据中心影响范围内气温已攀升2.8摄氏度，并预测未来五年内增幅可能触及3.5摄氏度。作者认为，这一升温轨迹“与巴西北部及赤道区域其他地区的观测数据相比显得极为反常”。

文章强调，这组数据最具政治与社会分量的，是其波及的人类规模。目前，超过3.43亿人口栖居于这些“数据热岛”的10公里影响半径之内。研究指出，其负面效应集中体现为：高温直接冲击公共健康、空气质量恶化、家庭能源开支攀升以及水资源管理承压。马里诺尼表示，这使得“数据热岛效应”难以被视作可忽略现象，因其与城市热岛效应相仿，可能对民众福祉、身体健康及能源体系构成严重威胁。

针对问题的严峻性，研究并未止步于损害记录，而是提出了一套覆盖软件、硬件乃至人工智能理论重构的解决路径。作者将应对策略归为两大类别：第一类为代码层面的效率提升，即通过更优的数据组织与处理范式，实现“更少数据、更少热量”的目标。例如，等几何网络可将数据建模为传播与平流形式，精准识别数据集中的核心要素，剔除冗余连接，将计算资源聚焦于高价值内容。同时，剪枝与深度学习模型压缩技术亦可在不损失精度的条件下减轻计算负荷。

第二类策略聚焦硬件革新。其中最具潜力的方向之一为绝热电路，其通过可逆逻辑运算与能量回收机制，显著降低计算过程中的能量损耗，从而直接减少向环境释放的热量。尽管该技术在现有AI模型的大规模部署中仍存技术瓶颈，但研究人员认为其发展路径已相当清晰。

此外，研究还提及，依托智能电池支持系统并融合负载与温度优化的动态功率管理，可显著提升数据中心的运营效率，缩短停机时间，并强化其对电网波动的适应能力。而最引人瞩目的方案当属被动辐射冷却：通过在建筑外立面施涂聚合物与纳米颗粒复合涂层，既能反射日光、降低外部热增益，又能向深空发射红外辐射，实现零功耗散热。研究表明，此类材料在住宅至农业仓储等实际应用场景中，可将冷却负荷削减10%至40%，具体成效取决于建筑朝向、表面反照率及当地气候条件。

信息来源：《哥伦比亚人报》

原文地址：https://www.elcolombiano.com/negocios/ia-centros-datos-sube-temperatura-isla-calor-brasil-mexico-espana-IM35284378

本文采用ChatGPT协助翻译，内容旨在促进中拉科技交流，不代表本平台立场。如有错漏，敬请指正。

信息采集/薄焕文

翻译/康晨雨

审校/姚少杰

审定/王一茗

版面编排/张雨潇

欢迎关注智网互联实验室

获取更多相关资讯

↓↓↓