当你向ChatGPT发出一条提问、用AI生成一张图片，有没有想过，这背后在地球某处，有冷却塔正在蒸腾，有电网正在嗡嗡作响？

联合国大学水、环境与健康研究所（UNU-INWEH）刚刚发布的最新报告给出了一组令人坐立不安的数字：到2030年，全球驱动人工智能运转的数据中心，耗电量将达到945太瓦时，相当于巴基斯坦、孟加拉国、尼日利亚三国用电量的总和乘以三，这三个国家加在一起住着超过6.5亿人。

而用水方面，数据中心届时每年将消耗9.3万亿升水。这个数字背后有多沉重？它等同于撒哈拉以南非洲13亿人口一整年的基本生活用水需求。

"低碳"不等于"无害"

过去几年，公众和媒体讨论AI的环境代价，基本绕着碳排放打转。报告的主要作者、联合国大学研究员米里亚姆·阿克塞尔直接戳破了这个认知盲区："如果我们只用碳排放来评判AI的可持续性，我们就会以为切换到可再生能源就能让AI基础设施变得干净。但这只是在解决一个问题的同时，又在别处制造了另一些问题。"

具体来说，将供电来源从煤炭切换为生物能源，确实可以将碳足迹压缩约70%。但与此同时，用水量会暴增逾30倍，占用的土地面积更会飙升至原来的100倍。三种"足迹"的变化方向根本不一致，压低其中一个，往往意味着抬高另一个，而增加的负担通常落在那些本就不富裕、水资源或土地已经十分紧张的地区。

这不是理论上的担忧，现实案例已经在世界各地出现。墨西哥克雷塔罗州在持续干旱中，数据中心建设计划仍在加速推进，当地水资源正被大量抽取。乌拉圭2023年蒙得维的亚遭遇严重旱情，首都淡水储备告急，自来水一度无法安全饮用，而偏偏就在这个当口，一项耗水量巨大的数据中心建设计划被摆上了桌面，直接引发了公众抗议。爱尔兰的状况则更能说明问题的系统性：2023年，数据中心吞掉了全国21%的用电量，超过了全国所有城市家庭的用电总量，国家电网运营商不得不宣布暂停都柏林周边地区的新项目审批，期限延至2028年。

问题的核心不在训练，在于每天250亿次的对话

很多人对AI能耗的印象停留在"训练一次大模型耗电惊人"这个层面。但报告给出了一个关键修正：模型训练只是冰山一角，真正的大头是推理，也就是模型在日常使用中持续运行、响应用户的每一个阶段，这部分占到AI总能耗的80%至90%。

仅ChatGPT一款产品，预计每天要处理约25亿条用户提示。折算下来，单这一个产品每年大约消耗383吉瓦时的电力。要通过植树来抵消这些碳排放，需要种植260万棵树苗，持续生长10年，覆盖面积约与曼哈顿岛相当。

更值得注意的是，不同任务之间的能耗差距大得出人意料。一次普通的AI对话，耗电量大约是基础文本分类任务的200倍；生成一张AI图片则高达1450倍；而一段短短的AI生成视频，其耗电量相当于20万次垃圾邮件分类。

报告还专门提到了"杰文斯悖论"：历史一再证明，技术越来越高效、使用成本越来越低，往往会刺激更大规模的使用，最终总消耗量不减反增。仅靠提高单次查询的效率，而不同步设置用量上限，根本无法遏制整体能耗的增长。

算力集中在两国，代价却由全球承担

联合国大学校长、联合国副秘书长齐利齐·马瓦拉说了一句很有分量的话："AI能否公平地造福人类，如今已不再是技术问题，而是一个治理问题。"

目前全球只有32个国家拥有AI专用数据中心，超过90%的算力集中在美国和中国两个国家。另有超过150个国家几乎没有任何自主的AI计算基础设施。与此同时，支撑这一切运转所需的关键矿物，很多在环境监管薄弱的发展中国家开采；每年可能产生的250万吨电子垃圾，大部分也将流向低收入国家进行处理。

收益在北方，成本在南方，这种结构性的不对称，正是报告发出警告的核心所在。

报告并非要叫停AI发展，而是呼吁建立覆盖碳、水、土地三个维度的强制性信息披露标准，推动数据中心选址与当地水资源和能源规划真正挂钩，同时在全球范围内更公平地分配算力资源和发展红利。留给做出改变的时间窗口，正在快速收窄。