到2030年，人工智能的水资源使用将与13亿人的需求相匹配，而其电力使用是6.5亿的三倍，联合国大学调查警告人工智能能源使用的环境成本。 加拿大安大略省列治文山（2026年6月3日）——到2030年，为人工智能提供动力的全球数据中心预计将消耗945太瓦时的电力，这几乎是巴基斯坦、孟加拉国和尼日利亚这三个国家年电力总使用量的三倍——这些国家共有人口超过6.5亿。相关的水足迹将等于所有13亿撒哈拉以南非洲人基本年家庭用水的需求，而其土地足迹将超过14500平方公里，约是雅加达大都市区的两倍，后者居住着超过3200万人。这些严峻的发现详见于联合国大学水与环境健康研究所（UNU-INWEH）的新报告《人工智能能源使用的环境成本：碳、水和土地足迹》。 研究人员以前已经警告过数据中心的温室气体排放。但是，联合国科学家现在认为，人工智能和数据中心的环境成本不能仅通过碳排放来理解。在他们的报告中，他们量化了全球人工智能电力使用的碳、水和土地足迹，并强调了这些足迹在全球20个最大数据中心中心之间的巨大差异。“这份报告并不是反对人工智能，人工智能是一项改善全球数十亿人生活的技术变革，”领导调查小组的UNU-INWEH主任Kaveh Madani教授表示。“这是一种呼吁，要求负责任地使用人工智能，并主动应对其意想不到的影响，以使其可持续和公平。我们有一个狭窄的时间窗口，以确保我们这个时代技术革命的支柱在地球限制内发展，并且提供关键矿物以推进人工智能的社区以及承载其基础设施和电子废物的地方，也能从中受益。” 一个被错误测量的足迹 报告发现，人工智能的环境成本正被系统性地错误测量。大多数现有评估集中在与训练大型模型相关的碳排放上。然而，训练或运行人工智能系统所需的每千瓦时电力同样存在水足迹（来自制冷和发电）和土地足迹（来自能源基础设施和供应链）。这三种足迹并不是同向发展的。例如，从煤炭转向生物能源，平均可以将电力的碳足迹减少70%，但水足迹增加了三十多倍，而土地足迹则增加了百倍。报告得出结论，“低碳”并不自动意味着“低水”或“低土地”，并警告称，通过单一指标评估人工智能的可持续性可能掩盖权衡，使环境负担转移到已经面临水或土地压力的地区。 在基础设施层面，数字迅速累加。预计全球数据中心在2025年消耗了448太瓦时的电力。如果将其视为一个国家，将成为世界第11大电力消费国，排在法国之后，沙特阿拉伯之前。“让我们感到最惊讶的是，从碳的角度来看，最环保的选择往往对水或土地来说反而更糟，”UNU-INWEH研究员及报告首席作者Miriam Aczel博士表示。“如果我们继续仅通过碳来评判人工智能的可持续性，我们可能会认为可再生能源使人工智能基础设施变得干净，但这解决了一个问题，而创造了其他问题，通常是在那些并未要求的地方。” 推理、效率和反弹效应 公众讨论主要集中在训练大型模型所需的能源上。训练GPT-3的电力需求估计为1.3千兆瓦时（GWh），而估计GPT-4的电力消耗在50到70 GWh之间。然而，报告揭示了这种框架已经过时。一旦模型被部署，推理——持续运行模型以回答日常用户的请求——成为主要成本，占人工智能总能耗的80%到90%。仅ChatGPT就估计每天处理约25亿个请求，每年大约消耗383 GWh的电力。抵消相关的碳排放需要260万棵长达10年的树苗，足够覆盖纽约曼哈顿大小的土地面积。水足迹相当于大约50万名撒哈拉以南非洲人的最低年家庭用水需求，土地足迹等于超过800个足球场。 视频生成作为新兴的环境危机 每次查询的能源消耗因任务而异，差异可达几个数量级。一个典型的对话聊天查询的能量密集度大约是200倍。