联合国大学水资源、环境与健康研究所发布最新报告指出，人工智能的环境成本长期被低估，仅关注碳排放无法全面衡量其影响。报告预测，到 2030 年，全球数据中心年耗电量将达到 945 太瓦时，接近巴基斯坦、孟加拉国和尼日利亚年用电量总和的三倍。伴随而来的水足迹将高达 9.3 万亿升，相当于撒哈拉以南非洲 13 亿人的基本年度生活用水需求；土地足迹也将超过 1.45 万平方公里。报告强调，随着模型部署后的推理成为能耗主力（占比 80%-90%），单纯关注训练能耗已过时。ChatGPT 日均处理 25 亿次提示词，耗电量巨大，而生成视频的能耗更是普通文本分类的 20 万倍。研究警告，目前全球 90% 的 AI 算力集中在美国和中国，这种发展模式导致了严重的环境负担不均，基础设施所在地的社区往往面临水资源枯竭与电子垃圾处理难题。
事件分析
这份报告揭示了 AI 算力竞赛背后的“资源硬约束”难题。行业过去多聚焦于模型训练的单次能耗，但数据证明，随着应用爆发，推理阶段的持续能耗才是真正的电力黑洞，这对芯片能效和数据中心散热提出了极高挑战。报告中提到的“反弹效应”表明，单纯的技术效率提升会被使用量的激增所抵消，意味着行业可能需要引入“能量预算”机制来约束无限制的模型调用。从地缘政治角度看，算力分布的极度不均结合水资源与电力的区域性矛盾，预示着未来数据中心的选址将从单纯考虑网络延迟转向争夺能源与水资源禀赋。这也暗示 AI 基础设施的建设将面临类似关键矿产开采的资源博弈，若不通过标准化的碳、水、地足迹披露进行干预，全球可持续发展的目标将面临巨大风险。
核心观点：AI 的下一场危机不是智力瓶颈，而是能源与水资源的物理极限，全生命周期绿色计算势在必行。
原文链接：Hacker News
