AI正推动技术革新，但是否充分了解其真实环境成本？

人工智能的碳排放和耗水量

2023年至2024年间，生成式人工智能（AI）应用的快速普及——其催化剂是OpenAI广受欢迎的AI聊天机器人ChatGPT的推出——使媒体将目光聚焦于AI应用整体日益增长的电力需求。随着数据中心为支撑这些应用而急剧攀升的电力需求，谷歌等科技公司在扩建数据中心容量时遭遇了“电力容量危机”。尽管如此，AI实际电力需求在这些年间的具体发展态势仍不明朗。微软和谷歌等公司在2024年环境报告中披露了电力消耗和碳排放量的增长，并指出AI是增长的主要驱动因素。

科研机构 Digiconomist 创始人 Alex de Vries-Gao发布的研究报告显示，使用AI所产生的温室气体排放量已相当于全球航空排放的8%以上。研究显示，AI 蓬勃发展在2025年导致的二氧化碳排放量，可能高达8000万吨，相当于整个纽约市的总排放量。这项研究也估算了AI对全球环境的影响，结果发现AI相关用水量可能达到7650亿升，已超过全球瓶装水需求的总和。

de Vries-Gao说：“从绝对值来看，这种环境成本非常巨大。目前是社会在为这些成本买单，而不是科技公司。问题是：这公平吗？如果他们从这项技术中获益，为什么不承担部分成本？”

这些数据已发布在学术期刊《Patterns》。国际能源署（IEA）今年早些时候曾指出，AI导向数据中心的耗电量，与耗电量巨大的铝冶炼厂相当，预计到了2030年，数据中心的电力消耗量将增加一倍以上。研究作者指出，由于企业披露的数据十分有限，这一评估很可能还是相对“保守”的版本，实际环境代价可能更高。

根据早前研究，全球AI算力在2025年的用电需求可能达到23吉瓦，已经超过2024年比特币挖矿的用电规模。然而，大型科技公司在年度可持续发展报告中通常只披露整体碳排放和直接用水量，却鲜少细分AI业务本身消耗了多少资源。为此，de Vries-Gao借助分析师报告、财报电话会议纪要及其他公开信息，推算出AI芯片等硬件的生产数量及运行时的耗电水平，再据此折算出温室气体排放和用水量。

结果显示，2025年AI相关系统可能每年排放约3260万至7970万吨二氧化碳，当中的中位值与纽约市年均约5000万吨二氧化碳排放相当。在用水方面，AI今年预计将消耗约3125亿至7646亿升水，高于2023年一项研究对2027年约6000亿升上限的预测。加州大学河滨分校电气与计算机工程副教授任少雷表示，最新结果中用水预估“最让人意外”，并认为这项分析在方法上仍属“相当保守”，因为它只计算了设备运行阶段的影响，而未计入供应链以及设备报废后的额外环境成本。

数据中心是AI的“能源与水大户”。服务器在高负载运行中产生大量热量，需要通过冷却系统消耗大量水以防止过热，而为数据中心供电的发电厂本身也依赖海量冷却水，这些因素共同构成了AI庞大的“水足迹”。生成式AI的爆发式增长推动了新数据中心的建设，同时也带动新电厂规划，如果这些电厂继续依赖化石燃料，不仅会拉高用水需求，还会进一步增加温室气体排放。

在数据中心数量全球领先的美国，当地许多拟建项目已遭遇愈发强烈的社区反对，核心焦点正是电力和水资源的占用问题。反对者担心，AI数据中心会在本就水资源吃紧或电网压力较大的地区进一步加剧紧张局势。研究者指出，即便在水资源尚算充裕的地区，数据中心集中的发展也可能对当地生态系统造成长期影响。

尽管如此，研究仍给出了较宽的区间预测，这在很大程度上源于企业在披露环境数据时缺乏透明度。de Vries-Gao发现，许多公司虽然发布了可持续发展报告，却往往遗漏关键细节，例如电力消耗背后“间接用水”的占比，以及AI业务在整体水耗和排放中的具体份额。此外，不同地区电网结构差异显著，电力来源的“清洁程度”直接影响同等用电量对应的排放水平，因此，如果公司能够更清晰地标注数据中心的地理分布，也有助于外界更准确评估AI扩张带来的环境冲击。

该研究呼吁，科技公司应在AI相关的碳排放和用水数据上更加公开透明，让公众和决策者能够充分了解这一技术浪潮的真实环境成本。任少雷认为，在社会对AI的态度日益两极化、围绕用水问题的争论愈演愈烈之际，这类工作尤为关键，有助于推动基于事实的公共讨论。de Vries-Gao则表示，只有在信息更透明的前提下，社会才有可能认真讨论一个根本问题：“这是不是我们想要的未来？这是否公平？”

英国倡导公平技术发展的非营利组织Foxglove总监坎贝尔说：“这再次证明，公众正在为地球上一些最富有的公司承担环境成本。更糟的是，这可能只是冰山一角，由生成式AI驱动的数据中心建设热潮才刚刚开始。” 他指出：“仅一个新的‘超大规模’设施产生的排放量，就相当于几个国际机场的排放总量。在英国，单是规划系统中就估计有100至200个这类设施。”

人工智能的电子垃圾

AI的生产链是指将原材料和数据转化为人们使用的服务的一系列步骤。首先是开采稀有矿物和金属，如锂和钴等，用于制造强大的计算机芯片。其次是收集数据，将数据输入计算机，通过复杂的算法训练AI系统后，教会它们如何执行翻译、理解语音或进行人脸识别等任务。再次是将经过训练的AI工具嵌入设备、应用程序中，让用户开始与AI互动。最后是在达到使用寿命后处理和丢弃这些设备，使其成为电子垃圾或数字废弃物。可以说，从开采原料到处理数据再到丢弃垃圾，每个步骤都是AI生产链的一部分，都会对环境造成损害。

有研究称，由于AI技术的广泛应用，对矿产资源的需求目前正在以惊人的速度增长。据欧盟委员会发布的报告预测，到2030年，欧盟国家对锂的需求将增长到原有水平的18倍，到2050年将增长到原有水平的60倍。矿产资源开采具有很大的不稳定性，此外，采矿作业还会排放有毒的化学物质并产生大量危险废弃物，对环境和健康造成危害。数字设备变为电子垃圾的环节给政府部门带来了不可小觑的挑战。当前，“全球南方”国家被视为“电子垃圾场”。根据联合国机构《2024年全球电子垃圾监测》报告，全球电子垃圾的产生速度正以5倍于回收速度的状态增长。2022年，全球产生了约6200万公吨电子垃圾，比2010年增长了82%。按照这种速度，到2030年全球将会产生约8200万公吨电子垃圾。

这些数据并非为了抑制AI产业的发展，而是提示我们：在推动技术前进的同时，应当同步规划其可持续路径，尽早将环境成本纳入战略布局，提高硬件效率，改善模型演算效率，以改善产业的耗电情况。并且，AI开发者不仅应专注于优化 AI，也必须考虑使用 AI 的必要性，以降低 AI 行业的耗能成本；公众与政策制定者也应积极支持那些在环保方面作出努力的企业，共同推动高效、清洁、负责任的发展模式。

通过研究AI背后的生产链，人们得以真正了解相关技术对环境的影响，思考谁能拥有并控制推动AI发展的关键基础设施，确保这一问题在应对气候和环境变化的讨论中得到优先考虑。人们必须重新考虑开发AI的目的、它将如何影响集体福祉，以及如果要有效应对气候危机，应该以何种价值观来指导AI的发展。对此，全球和国家层面都在讨论和发起各种国际性倡议、立场文件和指导方针。联合国教科文组织《人工智能伦理问题建议书》表明，如果AI系统对环境产生不成比例的负面影响，则应避免使用它们。全球层面的政策措施还应包括推出旨在提升绿色AI素养的教育计划，提高人们对AI环境成本的认识水平，并强调负责任的能源消费的重要性。总之，为了达成《巴黎协定》设定的目标，AI发展所产生的环境问题不容忽视，需要人类通过共同努力来加以解决。