聯合國大學新報告：AI 電力使用的環境成本

隨著 AI 龐大的能源消耗對土地、水和氣候產生連鎖影響，聯合國大學的研究人員在一份新報告中呼籲採取緊急行動。

到 2030 年，全球驅動 AI 的資料中心用電量預計將達到 9450 億千瓦時。這幾乎是巴基斯坦、孟加拉和奈及利亞三國（總人口超過 6.5 億）年用電量的三倍。相關的水資源消耗量相當於撒哈拉以南非洲 13 億人一年的生活用水量，土地使用面積超過 14,500 平方公里，大約是擁有超過 3200 萬人口的雅加達都會區的兩倍。

這項驚人的調查結果詳載於聯合國大學水資源、環境與健康研究所（UNU-INWEH）發布的新報告《AI 能源使用的環境成本：碳、水與土地足跡》。儘管許多研究人員先前已對資料中心的溫室氣體排放發出警告，但聯合國大學的科學家現在指出，僅關注碳排放無法準確掌握 AI 和資料中心造成的環境成本。該報告量化了全球 AI 電力使用相關的碳、水和土地「足跡」，並揭示全球 20 個主要資料中心聚集地的這些數值存在巨大差異。

「這份報告並非反對 AI 這項豐富了全球數十億人生活的技術創新，」領導研究團隊的 UNU-INWEH 所長卡維·馬達尼博士表示。「我們呼籲以負責任的方式運用 AI，並主動應對其非預期影響，以使 AI 變得可持續且公平。AI 代表了我們這個時代的技術革命，但我們只剩下極短的時間來確保支撐它的基礎設施在地球的環境承載範圍內發展，並確保 AI 的惠益能傳達給居住在 AI 發展所需礦產資源蘊藏地區的人們，以及接收資料中心和電子廢棄物的地區的人們。」

未被正確衡量的「足跡」

該報告也揭示了 AI 的環境成本普遍被錯誤衡量。許多現行評估側重於訓練大型模型相關的碳排放。然而，AI 系統消耗的不僅僅是電力。它們還會因冷卻和發電而產生水足跡，並因能源基礎設施和供應鏈而產生土地足跡。這三種足跡並非總是成比例。例如，從煤炭轉向生質能源可以將電力的碳足跡平均減少 70%，但水足跡可能增加 30 倍以上，土地足跡則增加 100 倍。報告結論指出，「低碳」並不會自動導致水和土地使用的減少，並警告僅用單一指標評估 AI 的可持續性，可能會忽略隱藏的權衡取捨，並將額外的環境負擔強加給已經面臨水和土地短缺的地區。

從基礎設施的角度來看，數字會迅速膨脹。2025 年，全球資料中心估計消耗了 4480 億千瓦時的電力。如果將全球所有資料中心視為一個國家，它將成為全球第 11 大電力消費國，僅次於法國（第 10 名），領先沙烏地阿拉伯（第 12 名）。

「最讓我們驚訝的是，從脫碳角度看似最環保的選項，在水和土地方面卻往往更糟，」該報告的主要作者、UNU-INWEH 的米里亞姆·阿克澤爾博士表示。「如果我們繼續僅根據碳排放來判斷 AI 的可持續性，我們會認為使用再生能源就能讓 AI 基礎設施變得清潔。但這意味著在解決一個問題的同時製造了另一個問題，而其負擔往往落在意想不到的地區。」

AI 的持續使用比開發更耗電

先前關於 AI 環境影響的討論大多集中在訓練大型模型所需的能源上。訓練 GPT-3 消耗了約 13 億千瓦時的電力，而 GPT-4 估計消耗了 500 至 700 億千瓦時。然而，該報告揭示這種觀點已經過時。一旦模型公開發布，為了回答日常用戶查詢而持續運作模型的「推論」，佔據了 AI 能源消耗的 80% 至 90%，成為最大的成本。

僅 ChatGPT 一項服務每天就處理約 25 億個提示，每年消耗約 3830 億千瓦時的電力。要抵消相關的碳排放，需要種植 260 萬棵樹苗並培育 10 年，植林面積約等於美國曼哈頓島的大小。其水足跡相當於撒哈拉以南非洲約 50 萬人一年最低生活用水量，土地足跡則超過 800 個足球場。

影片生成成為新的環境危機

AI 每次處理任務所消耗的能量因任務類型而異。典型的聊天式問答消耗的能量約是基本文字分類任務的 200 倍。用 AI 生成一張圖像可能需要約 1450 倍於分類任務的能量。而用 AI 生成一部短片所消耗的電力，相當於分類 20 萬封垃圾郵件。所使用的模型、提示詞長度、輸出格式和解析度都會顯著影響足跡，但許多這些設定是由使用者未察覺的產品預設配置所決定的。

效率提升為何無法減少環境負擔

該報告引用了「反彈效應」（傑文斯悖論），警告模型效率越高，成本越低，使用頻率就越高。如果沒有對 token 數量、解析度和預設輸出量設定明確的上限，無論每次處理效率如何提升，其效果都將輕易被使用量的增長所抵消。

「很多人認為，隨著 AI 技術進步和處理效率提升，AI 的環境足跡會縮小。但這只是整個問題的一個面向，」該報告的共同作者、2026 年斯德哥爾摩水獎得主馬達尼教授表示。