联合国大学：AI 年碳耗 3.99 亿吨、年耗水 9.3 万亿升！（附下载）
很多人不知道，AI除了会耗电之外，还会消耗水资源。比如，和豆包聊5分钟，大概会消耗500毫升的散热用水。人们常以“十次问答消耗一瓶饮用水”来量化AI用水。
那么，AI 真实环境成本有哪些？2026年6月，联合国大学水、环境与健康研究所（ UNU-INWEH）发布《人工智能能耗的环境成本：碳、水和土地足迹》（Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints）报告。
对大规模训练、部署和运行人工智能系统所需电力产生的碳足迹、水足迹和土地足迹进行了量化分析。报告指出，随着人工智能技术的迅速发展，支撑其运行的数据中心正对能源、水资源和土地带来日益增长的压力。本文简述报告的主要结论，并分享报告原文，供读者参考（如需获取完整报告，欢迎文末添加小助手微信。）
全球人工智能市场规模预计将从2023年的1890亿美元增至2033年的近5万亿美元，十年间市场规模扩大约25倍。2026年，全球人工智能相关支出预计将超2.5万亿美元。发达经济体中约60%的工作已融入人工智能，而低收入国家这一比例仅为26%。
全球近一半的数据中心位于美国，仅有16%的国家提供专门用于人工智能的云计算服务，且这类算力资源超90%集中在美国和中国。
2025年，全球数据中心总耗电量估计达448太瓦时（TWh）。若将数据中心视作一个国家，其耗电量将位居全球第11位。
到2030年，全球数据中心总耗电量预计将增至945 TWh，约占全球电力消费总量的3%。生产如此规模的电力，其碳足迹将达到3.99亿吨二氧化碳当量，需要67亿棵树木生长10年才能抵消，这一树木数量约是英国树木总量的2倍。
与此同时，相关的水资源足迹达9.3万亿升，相当于撒哈拉以南非洲13亿居民的年用水总量。电力生产对应的土地足迹将超过14500 平方千米，约为墨西哥城面积的10倍。
人工智能的环境影响不仅取决于数据中心的规模增长和电力供应结构，也与更大模型研发成本不断攀升密切相关。
例如，GPT-3模型在34天内的训练耗电量约1.3吉瓦时（GWh），而GPT-4模型在100天内的训练耗电量达50~70 GWh，约为GPT-3的40~55倍。
然而，训练阶段只是能耗的一部分，模型投入使用后，数十亿次日常交互行为消耗了绝大部分能源，其中推理运算占人工智能总能耗的80%~90%。仅ChatGPT每天处理的指令请求估计约达25亿次，对应年耗电量约383GWh。
同时，不同人工智能任务之间的能耗差异巨大。典型的ChatGPT类问答请求的能耗约为基础文本分类任务的200倍；生成一张人工智能图像的能耗约为基础文本分类任务的1450~2000倍；生成一段简短的人工智能视频的能耗则相当于20万次垃圾邮件分类任务。
人工智能硬件依赖多种关键矿产，矿产开采与加工过程可能会造成环境和社会危害，且这些危害往往集中在监管薄弱的发展中国家。设备报废后，处理不当的电子废弃物会使一线社区暴露于有害物质之中。
到2030年，人工智能基础设施每年可能将产生250万吨电子废弃物，当于每年废弃250座埃菲尔铁塔。这些影响表明，想要实现人工智能的良性发展，需要建立从矿产采购到回收和安全处置的全价值链治理体系。
报告提出建立基于透明度、设计效率、公平与环境正义、生命周期责任、全球合作以及可持续利用六项原则的人工智能治理框架。
报告建议：
各国政府应将人工智能基础设施纳入能源规划、碳核算、水资源治理和土地使用管理体系，并建立统一的环境足迹报告标准；
企业应将模型选择和产品设计纳入环境影响考量；
国际机构应推动统一的测量标准，遏制环境压力跨境转移，为算力资源匮乏的地区提供技术支持与能力建设。
（……未完待续，获取完整报告，请添加文末小助手微信）
定期分享政策解读
产业研报、项目落地干货
END
免责声明：
本平台只做内容的收集与分享，报告版权归原撰写发布机构所有，由中和碳研究院通过公开合法渠道获得，如涉及侵权，请联系我们删除。
本平台对转载、分享的内容、陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完善性提供任何明示或暗示的保证，仅供读者参考，本公众平台将不承担任何责任。