AI耗水量2030年预测：联合国大学报告称够13亿人用一年

联合国大学水、环境与健康研究所最近发布了一份报告，标题很直白——《人工智能能耗的环境成本：碳、水和土地足迹》。这份报告做了一件很多人没来得及细想的事：把AI基础设施产生的碳足迹、水足迹和土地足迹，实实在在算了一笔账。

报告给出的数据相当扎眼。随着人工智能飞速发展，支撑它的数据中心正在对能源、水、土地构成越来越大的压力。到2030年，全球数据中心的用电需求预计会达到945太瓦时——这个数字怎么理解？同期相关用水量，相当于13亿人一年的基本生活用水。而土地占用面积，将超过14500平方公里。

人工智能的环境成本被低估

现在谈到AI的环境影响，大多数人首先想到的是模型训练过程中的碳排放。但这远远不够。

研究发现，AI每消耗1千瓦时电力，背后不光是碳排放，还有冷却和发电过程中消耗的水资源，以及能源基础设施和供应链所占据的土地。更值得警惕的是，这三种环境足迹之间并不总是同步变化的。举个例子：从煤炭转向生物能源可以大幅降低碳足迹，但同时可能显著增加水资源和土地需求。这就好比在打地鼠，摁下碳的葫芦，又浮起水和土地的瓢。

报告显示，2025年全球数据中心耗电量估计已达448太瓦时。如果把这个数字放到国家层面去比较，已经能排进全球前列。预计到2030年，数据中心电力需求将增至945太瓦时，约占全球电力消费总量的3%。

效率陷阱：更节能，却更耗电

具体到日常使用，数据就更直观了。目前仅ChatGPT每天处理的提示请求估计约25亿次，对应的年耗电量约383吉瓦时——3.83亿度电。

报告还指出一个容易被忽视的事实：不同AI任务之间的能耗差异巨大。给你一个具体的例子：一次典型聊天查询的能耗，约为基础文本分类任务的200倍；生成一张AI图像的能耗，约为后者的1450倍；而生成一段短视频的能耗，则相当于20万次垃圾邮件分类任务。

研究人员在这里提出了一个值得反复咀嚼的警告：随着模型效率提高、成本下降，使用量往往同步增长，从而抵消节能收益。用报告原文的话说：“更高效、更经济的人工智能和能源意味着AI消耗量增加，导致整体生态足迹远大于通过效率提升所节省的部分。”——这正是效率陷阱的典型写照。

环境负担与收益分布不均

AI基础设施扩张带来的收益与环境负担，在全球范围内分配得并不均匀。

报告列举的多个案例显示，一些地区正在承受AI基础设施快速扩张带来的资源压力。到2030年，AI基础设施每年可能产生多达250万吨电子废弃物，而关键矿物开采和电子废弃物处理往往集中在环境监管较弱的发展中国家。换句话说，那些承担资源消耗和环境成本的社区，未必是AI技术的主要受益者。这种不对称性，已经引发了关于环境公平的严肃讨论。

当然，这份报告并不是要全盘否定人工智能。联合国大学水、环境与健康研究所所长马达尼说得明确：这项技术变革正在改善全球数十亿人的生活。报告的目的，是呼吁负责任地使用人工智能，主动应对其意想不到的影响，以确保其可持续发展和公平性。

来源：互联网