AI 繁荣背后的沉重生态代价

当人们向聊天机器人咨询、生成图像乃至制作视频时，鲜少察觉到这些虚拟世界的操作，正现实中大量吞噬电力、水源与土地。

联合国大学水、环境与健康研究所于 6 月 3 日公布了名为《AI 能耗的环境成本：碳、水和土地足迹》的研究报告。该报告预测，至 2030 年，支撑全球人工智能（AI）运转的数据中心，年耗电量将达 945 太瓦时，用水量足以满足 13 亿人一年的基本生活所需，而占地规模更将突破 14500 平方公里。

数据中心内，服务器作为高性能计算机负责数据的处理与存储。图源：联合国新闻官网

AI 的环境负担远超碳排放

研究揭示，维持 AI 运行的每 1 千瓦时电力，均伴随着三种环境足迹：能源生产产生的碳足迹、发电及冷却环节的水足迹，以及能源基建与资源开采引发的土地足迹。

尤为关键的是，这三类环境足迹未必同步增减。某些表面更绿色的能源方案，或许会在其他维度造成更严峻的资源压力。譬如，从燃煤转向生物能源发电，虽能使碳足迹平均下降约 72%，但水足迹可能激增 30 倍以上，土地足迹甚至扩大 100 倍。

报告第一作者米丽娅姆·阿策尔指出，最令团队惊讶的是，那些在碳排放层面最“绿色”的选项，往往给水资源或土地利用施加了更重负担。“低碳”绝不等同于“低耗水”或“少占地”。

研究人员强调，若仅凭单一指标评估 AI 的可持续性，极易掩盖不同环境目标间的博弈，甚至将环境压力转嫁给本就缺水或土地紧张的地区。故而，未来审视 AI 环境影响时，须统筹考量碳、水及土地三大足迹，而非仅聚焦碳排放。

模型训练仅是能耗的序幕

谈及 AI 能耗，大众首要联想的常是训练大型模型所需的巨额算力。报告披露，训练 GPT-5 预计需耗约 100 吉瓦时电力，等同于撒哈拉以南非洲约 77 万居民一年的用电量，相关用水约 10 亿升，占地约 1.5 平方公里，相当于 215 个足球场。

然而，研究者指出，训练仅是 AI 生命周期的一环。随着模型投入使用，真正持续消耗资源的乃是推理过程，即模型不断响应用户指令、生成内容的阶段。报告估算，推理环节占据了 AI 总能耗的 80% 至 90%。

以 ChatGPT 为例，其日均处理约 25 亿条用户提示。按每次文本请求耗电 0.42 瓦时的保守测算，其年耗电量约为 383 吉瓦时。由此引发的年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，占地面积则超过 800 个足球场。

若将 AI 融入更大规模平台，资源消耗将进一步攀升。谷歌传统搜索单次耗电约 0.3 瓦时，而结合生成式 AI 的搜索单次最高可达 3 瓦时。

视频生成正演变为 AI 领域新的资源消耗焦点。一段高分辨率 AI 视频片段或许需消耗超 415 瓦时电力，其能耗远超数百张 AI 图像的生成总和。研究人员警示，随着 AI 视频逐步渗透主流互联网平台，其资源需求或迅速膨胀，演变为基础设施层面的环境危机。

更值得警惕的是，效率提升未必导致资源消耗降低。联合国大学水、环境与健康研究所所长卡韦赫·马达尼表示，许多人误以为技术进步会缩减 AI 的环境足迹，但更高效、更经济的 AI 与能源，往往诱发更多 AI 消费，致使整体生态足迹远超因效率提升而节省的部分。此现象被称为“反弹效应”或“杰文斯悖论”。

谁在坐享 AI 红利，谁在背负环境债？

报告显示，当前全球仅 32 个国家建有专用 AI 数据中心，而全球 150 多个国家几乎缺乏自主 AI 计算能力。

与此同时，支撑 AI 运行的基础设施却在部分地区引发了显著的资源压力。

在爱尔兰，2023 年数据中心耗电量占全国计量用电量的 21%，超越了该国所有城市家庭用电总和；在墨西哥克雷塔罗州，数据中心扩张正加剧当地水资源危机；而在乌拉圭，2023 年一项高耗水数据中心建设计划发布时，正值严重干旱期，首都蒙得维的亚的淡水储备几近枯竭，自来水甚至短暂未达饮用安全标准。

报告共同作者米尔·马廷指出，某些承受数据中心资源压力的地区，未必是这些 AI 服务的实际使用群体。

研究人员同时警告，至 2030 年，AI 基础设施每年或产生多达 250 万吨电子废弃物，相当于每年抛弃约 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，此报告并非反对 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。然而，能否公平达成这些目标，已成治理议题，而非单纯技术问题。

因此，报告呼吁构建基于透明度、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。（记者 张佳欣）