向聊天機器人提問、生成圖片，甚至制作視頻時，人們很少會意識到，這些看似發生在數字世界裡的活動，正在現實世界中消耗大量電力、水資源和土地。

聯合國大學水、環境與健康研究所6月3日發布了題為《AI能耗的環境成本：碳、水和土地足跡》的報告。該報告預計到2030年，為全球人工智能（AI）提供支持的數據中心，每年將消耗945太瓦時的電力，相關用水量將相當於13億人一年的基本生活用水需求，而土地佔用面積將超過14500平方公裡。

AI的環境代價不止碳排放

研究發現，支撐AI運行的每1千瓦時電力，都同時對應3種環境足跡，即來自能源生產過程的碳足跡、來自發電和冷卻過程的水足跡，以及能源基礎設施建設和資源開採帶來的土地足跡。

更重要的是，這3種環境足跡並不總是同步變化。某些看似更環保的能源方案，可能會在其他方面帶來更大的資源壓力。例如，從煤炭轉向生物能源發電，平均可使碳足跡降低約72%，但其水足跡可能增加30倍以上，土地足跡甚至增加100倍。

報告第一作者米麗婭姆·阿策爾表示，最讓研究人員意外的是，那些從碳排放角度看最“綠色”的選擇，往往會給水資源或土地利用帶來更大負擔。“低碳”並不自動意味著“低耗水”或“低佔地”。

研究人員指出，如果隻用單一指標衡量AI的可持續性，就可能掩蓋不同環境目標之間的權衡關系，甚至將環境壓力轉移到本就面臨缺水或土地緊張問題的地區。因此，未來評估AI環境影響時，需要同時關注碳足跡、水足跡和土地足跡，而不僅僅是碳排放。

訓練AI僅僅是耗能的開始

提起AI能耗，人們首先想到的往往是訓練大型模型所需的龐大算力。報告顯示，訓練GPT-5預計需要約100吉瓦時電力，相當於撒哈拉以南非洲約77萬人一年的居民用電量，相關用水量約為10億升，土地佔用量約為1.5平方公裡，相當於215個足球場大小。

然而，研究人員指出，訓練只是AI生命周期中的一部分。隨著模型投入應用，真正持續消耗資源的是推理過程，也就是模型不斷響應用戶請求、生成內容的過程。報告估計，推理環節佔AI總能耗的80%至90%。

以ChatGPT為例，目前每天處理約25億條用戶提示請求。按照每次文本請求約0.42瓦時電力保守估計，其年耗電量約為383吉瓦時。由此產生的年度用水量相當於撒哈拉以南非洲約50萬人的年度最低家庭用水需求，而佔地面積則超過800個足球場。

如果將AI嵌入更大規模的平台，資源消耗還會進一步增加。谷歌一次傳統搜索耗電約0.3瓦時，而一次結合生成式AI的搜索最高可達3瓦時。

視頻生成正成為AI領域新的資源消耗熱點。一段高分辨率AI視頻片段可能需要消耗超過415瓦時電力，能耗超過數百張AI圖像的生成總和。研究人員警告，隨著AI視頻逐步融入主流互聯網平台，其資源需求可能迅速擴大，並演變為基礎設施層面的環境問題。

更值得關注的是，效率提升並不一定意味著資源消耗下降。聯合國大學水、環境與健康研究所所長卡韋赫·馬達尼表示，很多人認為技術進步會降低AI的環境足跡，但更高效、更經濟的AI和能源，往往意味著帶來更多AI消費，從而使整體生態足跡遠大於通過提升效率節省下來的生態足跡。這種現象被稱為“反彈效應”或“杰文斯悖論”。

誰在享受AI紅利，誰來承擔環境代價？

報告顯示，目前全球僅有32個國家擁有專門的AI數據中心，而全球150多個國家幾乎沒有自主AI計算能力。

與此同時，支撐AI運行的基礎設施卻在一些地區帶來了明顯的資源壓力。

在愛爾蘭，2023年數據中心耗電量佔全國計量用電量的21%，超過了該國所有城市家庭用電量的總和﹔在墨西哥克雷塔羅州，數據中心擴張正在加劇當地水資源壓力﹔而在烏拉圭，2023年，一項耗水量巨大的數據中心建設計劃發布時，正值嚴重干旱期間，首都蒙得維的亞的淡水儲備一度接近枯竭，自來水甚至短暫失去飲用安全標准。

報告共同作者米爾·馬廷指出，一些承受數據中心資源壓力的地區，並不一定是使用這些AI服務的人群。

研究人員同時警告，到2030年，AI基礎設施每年可能產生多達250萬噸電子廢棄物，相當於每年丟棄約250座埃菲爾鐵塔。

聯合國大學校長兼聯合國副秘書長馬瓦拉強調，這份報告並非反對AI，AI正推動一場影響深遠的技術變革，並持續改善全球數十億人的生活。但是，能否公平實現這些目標，已經成為治理問題，而不僅僅是技術問題。

因此，報告呼吁建立基於透明度、設計效率、公平與環境正義、生命周期責任、全球合作以及可持續利用原則的AI治理框架。