全球人工智能市场正在迅速扩张，预计将从2023年的1890亿美元增长至2033年的近5万亿美元。然而，这种增长并非没有代价。近日，联合国大学水、环境与健康研究所（UNU-INWEH）发布了《人工智能的环境成本：碳、水与土地足迹》（Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints）。该报告利用来自多种来源的原始数据量化了AI在全球范围内产生的碳足迹、水足迹和土地足迹，并呼吁建立一个以透明、设计效率、公平与环境正义、生命周期责任、全球合作和可持续利用为基础的负责任人工智能生态系统。接下来，就让我们透过这份报告的具体发现，看看AI究竟消耗了哪些真实的地球资源。

为什么不只关注碳足迹

报告指出，用于训练或运行AI模型的每一份电力都会产生三种环境足迹，包括来自发电的碳足迹、来自电力生产和冷却过程的水足迹，以及来自能源基础设施、水库和燃料开采的土地足迹。这三种资源的消耗往往此消彼长，不会同时减少。例如，从煤炭发电转向生物能源发电，平均可将碳足迹减少72%，但生物能源发电的平均水足迹可能是煤炭发电的30多倍，其土地足迹更是达到100倍。报告因此强调，“低碳”并不自动等同于“低水”或“低地”，通过单一的碳足迹指标评估AI可持续性，可能导致人们误判其真实资源消耗情况，并将相应环境负担转嫁给那些对水资源或土地资源消耗更敏感的地区，最终出现“某些国家承担AI发展的成本，却由其他国家获取战略收益”的问题。

AI模型的训练消耗

生成式AI需要大量训练数据集来学习才能发挥作用，训练AI模型是一个极其耗费资源的过程。以GPT为例，GPT-4的训练能耗相当于撒哈拉以南非洲地区46万余人的年家庭用电量；其产生的2.5万吨二氧化碳当量碳足迹，需要42万棵树苗（相当于105个伦敦海德公园的树木总量）生长10年后才能实现封存；其训练水足迹约为6亿升，足以满足撒哈拉以南非洲8.1万人的最低年度生活用水需求，或填满237个奥运标准泳池；其所需土地面积约为0.9平方公里（相当于126个足球场）。

AI模型的资源耗费程度还会随其迭代而大幅翻倍。例如，GPT-4在100天内可能消耗50-70吉瓦时的电力，大约是GPT-3的40-55倍。而针对GPT-5等模型的预测则显示，其训练所需电力为100吉瓦时，相当于撒哈拉以南非洲77万人一年的家庭用电量；其预计产生4.2万吨二氧化碳当量的碳足迹，需要70万棵树苗（约等于40个纽约中央公园的树木总量）才能在10年内实现碳抵消；其训练水足迹则预计为10亿升，足以满足撒哈拉以南非洲地区超过13.5万人的年度生活用水需求；其所需土地面积约为1.5平方公里（相当于210个足球场）。

AI模型的应用消耗

一旦AI模型部署完成，其生成数十亿次交互响应的持续推理阶段就将成为AI总能源消耗的大头，约占80%-90%。AI响应用户的能耗会根据其任务的复杂程度出现数量级变化：一次典型的ChatGPT式文本查询，能耗约为文本分类（如垃圾邮件过滤）的200倍。而一次典型的AI图像生成则需要消耗电力2.9瓦时（足以点亮一只10瓦的LED灯泡17分钟），是生成一段简短文本回答的60倍、文本分类的1450倍。

视频生成是AI能耗最高的领域之一，大型AI模型生成的高清长视频每段耗电量超过415瓦时（足以让10瓦的LED灯泡持续亮42小时），相当于20万次垃圾邮件分类；其水足迹也从生成图片的29毫升（两汤匙左右）跃升至4.1升，几乎相当于一个人两天的饮用水需求。

数据中心的整体消耗

报告估计，2025年全球数据中心将消耗448太瓦时的电力，足以满足整个撒哈拉以南非洲地区13亿人口2.6年的年度居民用电需求；用电产生的碳足迹为1.89亿吨二氧化碳当量，需要种植32亿棵树苗（大约相当于整个英国的树木总量）生长10年才能抵消；其电力消耗产生的水足迹为4.5万亿升，足以填满180万个奥运标准泳池，或满足撒哈拉以南非洲6亿多人的年度基本生活用水需求；其所占用的土地面积为6900平方公里，几乎是大伦敦地区的4.5倍。

如果将全球数据中心视为一个国家，其当前的电力消耗量排在全球第11位，仅次于法国，领先于沙特阿拉伯。到2030年，预计全球数据中心的电力消耗将超过945太瓦时，占全球预计电力消耗的近3%，足以满足撒哈拉以南非洲13亿人口约5.5年的家庭用电需求，堪比全球电力消耗排名第6位的国家。AI工作负载目前约占数据中心总用电量的20%，到2030年预计将增长至40%。那时，AI的电力消耗可能达到378太瓦时，相当于尼日利亚（全球人口第六大国，拥有2.24亿人口）电力消耗的9倍以上。

此外，到2030年，全球数据中心预计电力消耗对应的水足迹为9.3万亿升，足以满足撒哈拉以南非洲13亿居民全年的最低生活用水需求；对应的土地足迹将超过14500平方公里，约为墨西哥城面积的10倍。

除了运营所需的电力外，数据中心的建设以及GPU、电池和服务器等设备的制造都依赖于关键矿物（锂、钴和其他稀土元素），这些矿产的开采过程不仅消耗巨大，还往往发生在环境保护较薄弱的地区。与此同时，每年又会有大量设备因过时或者毁坏而被淘汰，若缺乏有效的回收措施，设备里的重金属又将污染土壤和水源。报告预计，到2030年，AI基础设施每年产生的电子废弃物可能高达250万吨，相当于每年丢弃近250座埃菲尔铁塔。AI供应链亟需实施从矿产开采到负责任报废管理的全生命周期治理。

来源丨可持续发展经济导刊

文丨朱琳

图片来源于网络，如有侵权请联系删除