联合国报告：AI 数据中心 2030 年耗能将匹配 13 亿人需求

联合国大学最新发布的报告《AI 能耗的环境代价：碳、水与土地足迹》指出，到 2030 年，全球数据中心预计将消耗 945 太瓦时（TWh）的电力，几乎是巴基斯坦、孟加拉国和尼日利亚三国年用电总量的三倍，而这些国家总人口超过 6.5 亿。报告同时警告，AI 基础设施的水足迹将相当于撒哈拉以南非洲 13 亿人的基本生活用水需求，土地足迹将超过 14500 平方公里，约为雅加达都市圈面积的两倍。

这份由联合国大学水、环境与健康研究所（UNU-INWEH）完成的报告，是首份从水、土地与碳三个维度对全球 AI 电力使用进行系统量化的研究。研究团队指出，仅看碳排放已无法反映 AI 的真实环境代价。

「低碳」不等于「低水耗」与「低土地占用」

报告认为，AI 的环境代价长期被系统性低估：绝大多数既有评估只关注大模型训练阶段的碳排放，却忽视了每一度电背后都伴随着冷却与发电产生的水足迹，以及能源基础设施与供应链带来的土地足迹。三者的变化方向并不一致。

以从煤炭转向生物能为例，平均可削减 70% 的碳足迹，但水足迹可能增长 30 倍以上，土地足迹增长 100 倍。报告由此提醒，仅凭「低碳」指标评判 AI 可持续性，可能掩盖真实的权衡代价，并将环境负担转嫁给本就承受水资源或土地压力的地区。

「最让我们意外的是，从碳的角度看起来最绿色的选择，往往对水或土地更糟，」报告第一作者、UNU-INWEH 研究员 Miriam Aczel 博士表示，「如果继续只用碳来衡量 AI 可持续性，我们可能以为可再生能源让 AI 基础设施变清洁，但这是在解决一个问题，同时制造其他问题——而且常常发生在并未主动选择的地区。」

推理而非训练，才是真正的能耗主体

公众讨论大多聚焦在大模型训练阶段的能耗：训练 GPT-3 估计消耗约 1.3 GWh 电力，GPT-4 被估算为 50 至 70 GWh。但报告指出，这一框架已经过时——模型部署后，用于回答用户日常提问的「推理」环节才是 AI 能耗的主体，占总能耗的 80% 至 90%。

以 ChatGPT 为例，该产品每日处理约 25 亿条提示，每年消耗约 383 GWh 电力：

• 抵消其碳排放需要种植并养护 10 年共 260 万棵树苗，所需土地相当于整个曼哈顿；
• 水足迹相当于撒哈拉以南非洲约 50 万人的最低年度家庭用水需求；
• 土地足迹相当于 800 多个足球场。

视频生成与反弹效应

不同任务的单次能耗可相差数个数量级：

• 一条典型聊天查询的能耗约为简单文本分类的 200 倍；
• 生成一张 AI 图像的能耗约为基线的 1450 倍；
• 一段短视频的能耗相当于约 20 万次垃圾信息分类任务。

模型选择、提示词长度、输出格式与分辨率都会显著影响实际足迹，而这些决策大多由用户看不到的默认设置悄然决定。报告援引「杰文斯悖论」指出：随着模型变得更高效，使用成本下降，使用频率反而上升；如果没有对 token、分辨率或默认输出长度的明确约束，单次查询层面的效率提升很容易被总量增长抵消。

UNU-INWEH 所长、调查团队负责人 Kaveh Madani 教授强调：「这份报告并非反对 AI——这一技术变革正改善数十亿人的生活——它呼吁负责任地使用 AI，主动应对其非预期影响，使其具有可持续性与公平性。我们有一个很窄的时间窗口，确保我们这个时代技术革命的支柱在地球承载极限内发展；而那些为 AI 提供关键矿产、承载其基础设施并承受电子垃圾的社区，也应成为受益者。」