联合国大学报告：数据中心的环境成本

使用AI似乎在聊天窗口内就结束了，账单却留在电网、水系和土地上。联合国大学水、环境与健康研究所（UNU-INWEH）6月3日发布的一份报告预计，到2030年，全球数据中心用电量将达到945太瓦时。这一基准预测约占当年全球预计用电量的3%。

这个数字并非9月新公布的结果，而是9月22日的一篇气候报道重新关注的6月报告中的预测。报告以AI普及推动增长的全部数据中心用电需求为起点，并非单独测量AI的耗电量。国际能源署（IEA）的基准情景也预计，数据中心用电量将从2024年估计的415太瓦时增至2030年的945太瓦时，增长超过一倍。

UNU-INWEH研究人员进一步计算了电力背后的三种足迹。2030年，与发电相关的碳足迹估计为3.99亿吨二氧化碳当量（CO₂e），水足迹为9.3万亿升，土地足迹为1.45万平方公里。该水量相当于撒哈拉以南非洲13亿人一年的基本家庭用水需求，土地面积则约为大雅加达地区的两倍。

UNU-INWEH所长Kaveh Madani明确表示：“这份报告并非反对人工智能。”研究要求提前应对意外影响，而非否定技术的益处。METAL查阅的报告全文和发布说明强调，不能仅凭减少碳排放的声明来判断AI基础设施是否可持续。

选择不同电源时，三种足迹不会总朝同一方向变化。报告对平均值的比较显示，从煤炭转向生物能源，电力的碳足迹可能减少约70%，水足迹却可能增至30倍以上，土地足迹增至100倍。低碳并不自动意味着少用水、少占地。改善一项指标，可能把负担转移到其他地区的水和土地上。

只看一次大型模型训练所用的电，也会遗漏全貌。研究人员估计，已部署模型持续回应请求的推理阶段，占AI能源消耗的80%至90%。产品广泛使用后，默认设置、请求被分配到哪个模型、回答长度和分辨率，都成为超出单次训练的重要运行变量。

任务类型带来的差异也很大。报告的比较显示，以基础文本分类为基准，一次普通对话查询的能耗约为其200倍，生成一张AI图像约为1450倍。一段复杂的短视频可能相当于20万次垃圾邮件分类任务。报告还给出了与发电相关的水足迹：一张图像约29毫升，一段复杂视频约4.1升。这些数字并非仅指服务器现场直接消耗的冷却水，也会随模型和电力结构而变化。

UNU-INWEH研究员、报告第一作者Miriam Aczel表示：“从碳的角度看最环保的选择，对水或土地反而更糟。”即使购电协议写着无碳，也仍需追踪冷却、发电、输电设施和供应链，才能看清全部成本。

报告也质疑效率提高会自动减轻问题的期待。更高效的模型可能降低价格、扩大使用量，从而抵消节省的资源，这就是反弹效应。研究人员建议，为token数量、输出长度以及图像和视频分辨率设置资源预算，并选择能够完成任务的最轻量模型和最低能耗形式。

负担并未均匀分布于全球。报告引用的2025年数据显示，只有32个国家拥有AI专用数据中心，其中超过90%的算力集中在美国和中国。与此同时，超过150个国家几乎没有或完全没有自主控制的AI算力基础设施。研究人员提出，承担矿产开采和电子废物处理负担的地区，可能并非获得经济与安全利益的地区。

报告整理的实际案例也显示出压力。在爱尔兰，数据中心2023年消耗了21%的计量电力，超过全部城市家庭；电网运营商暂停批准都柏林周边的新接入，直到2028年。墨西哥克雷塔罗和乌拉圭的案例显示，干旱与数据中心用水需求叠加。报告还引用预测称，到2030年，AI相关电子废物每年最多可能达到250万吨。

不过，数字也不支持把全球电力增长的责任全部归于数据中心。在IEA的基准情景中，数据中心占2024年至2030年全球电力需求增量的比例不足10%。空调和电动汽车的普及、工业产出增长及电气化的贡献更大。数据中心的风险在于设施集中于特定地区，可能在短时间内对电网和供水造成冲击。

报告希望改变的，是简单询问AI对气候有利还是有害的方式。关键在于何种模型部署在何处，使用哪些电力和水资源，以及谁获得利益、谁承担负担。研究人员建议，政府把电力规划、水管理和土地许可结合起来考虑，并要求标准化披露。他们也建议企业把模型选择和默认输出视为环境决策。

AI企业的购电合同已经在改变地区能源规划。METAL此前报道，Google签订了22年购电协议，将在2050年之前购买芬兰洛维萨核电站最多一半的电力。如今，一份企业合同就可能影响电站寿命和区域电网投资。阅读下一份可持续发展报告时，需要关注的不只是一句碳中和声明，还包括用电量、水、土地、电子废物，以及承担这些负担的地点。