隨著人工智能（AI）技術的爆發式增長，其背后的實體資源消耗正對全球生態構成嚴峻挑戰。

當地時間6月3日，聯合國大學水、環境與健康研究所發布最新研究報告《人工智能能耗的環境成本：碳、水和土地足跡》，嚴厲警告稱：受AI需求激增驅動，預計到2030年，全球數據中心的耗電量與耗水量將雙雙翻倍。若各國政府忽視這一日益攀升的環境成本，AI的快速普及還將加劇土地資源緊缺并產生巨量電子廢棄物。

報告用詳實的數據揭示了當前AI擴張的“隱性代價”。數據顯示，去年全球數據中心耗電量已達448太瓦時，超過沙特阿拉伯全國用電總量，其中AI算力耗電占總耗電量的五分之一；同期耗水量達4.5萬億升，足以滿足撒哈拉以南非洲6億多人的年度用水需求。展望2030年，全球數據中心年耗電量預計將飆升至945太瓦時，大致等同于日本全國的用電量，且屆時AI耗電占比將躍升至40%。在占地規模方面，數據中心面積也將從去年的6900平方公里擴張至14500平方公里以上。

針對外界普遍存在的認知誤區，報告主撰稿人、聯合國大學水、環境與健康研究所所長卡維·馬達尼指出：“公眾討論往往只把AI視作虛擬的軟件產品，但它離不開龐大的實體基礎設施支撐，涵蓋數據中心、發電設施、冷卻系統、輸電網絡以及礦產和水資源。”他強調，這份報告并非反對AI技術變革，而是呼吁行業在追求增速的同時，必須正視可持續發展準則，趕在資源配套格局固化前做好科學規劃。

報告還揭示了一個關鍵趨勢：模型部署后的“推理”過程已成為主要能耗來源，占AI總能耗的80%至90%。以ChatGPT為例，其每天處理約25億次請求，對應年耗電量高達383吉瓦時。更令人擔憂的是“杰文斯悖論”效應——隨著模型效率提高和成本下降，使用量往往會同步暴增，從而抵消了節能收益。例如，生成一段短視頻的能耗相當于20萬次垃圾郵件分類任務，整體生態足跡遠大于通過效率提升所節省的部分。

此外，AI發展帶來的環境負擔與收益在全球分布極不均衡。目前，全球超過90%的AI專用云計算資源集中在美國和中國兩國，而150多個國家幾乎沒有自主計算能力。與此同時，愛爾蘭、墨西哥等地正承受著數據中心擴張帶來的嚴重水資源壓力，而關鍵礦物開采和電子廢棄物處理則集中于監管較弱的發展中國家。這種不對稱現象引發了深刻的環境公平問題。

面對這一系統性挑戰，聯合國大學呼吁建立基于透明度、生命周期責任和全球合作等原則的負責任AI治理框架。報告建議，各國政府應將AI基礎設施全面納入能源規劃、水資源治理和土地使用管理體系，并建立統一的環境足跡披露標準；企業則需在產品設計階段就將環境影響納入考量。