具身硬件与前沿科学科普

人形机器人、具身智能、硬核制造与生命科学前沿科普解读。

超写派专栏

AI繁荣背后:每年耗水13亿人,资源账单触目惊心

SSuperAdmin官方主理人2026年11月17日AI 专栏 · SupaWriter 深度研究工作流生成

AI繁荣背后:每年耗水13亿人,资源账单触目惊心

图片

当你向ChatGPT随口问一句“今天天气怎么样”,或者用Midjourney生成一张“赛博朋克猫咪”时,指尖的轻触背后,是一场无声的资源劫掠。你以为AI只活在云端,其实它正大口吞噬着地球的血液、脂肪和皮肤。

联合国大学最新发布的报告揭开了这层“数字幻觉”的遮羞布:到2030年,全球AI数据中心每年将消耗 945太瓦时 的电力,用水量相当于 13亿人 一年的基本生活需求,而土地占用面积将超过 14500平方公里——比一个北京市还要大。这不是科幻片,这就是AI繁荣的真实账单。

图片

支撑AI运行的每1千瓦时电力,都同时对应着 三种环境足迹:来自能源生产过程的碳足迹、来自发电和冷却过程的水足迹,以及能源基础设施建设和资源开采带来的土地足迹。更棘手的是,这三者并非“同频共振”——它们常常此消彼长,形成难以调和的 环境权衡。

图片

一个看似“绿色”的能源选择,可能在别处捅出更大的窟窿。比如,从煤炭转向生物能源发电,平均可使碳足迹降低约72%,听起来很美好,对吧?但代价是:水足迹可能激增30倍以上,土地足迹甚至增加100倍。这就像为了减肥切掉一块脂肪,却因此长出了三块肌肉和十块骨头。

报告第一作者米丽娅姆·阿策尔坦言,最让研究团队震惊的发现是:那些从碳排放角度看最“绿色”的选择,往往会给水资源或土地利用带来更大负担。“低碳”并不自动意味着“低耗水”或“低占地”。

这意味着,如果只盯着“碳中和”这一个指标,我们很可能是在 自欺欺人。AI的环境账本不是单色印刷,而是一本需要同时核对碳、水、土地的 三色账单。将环境压力转移到本就面临缺水或土地紧张问题的地区,绝不是可持续之道。未来评估AI的环境影响,必须跳出“唯碳论”的狭隘视角,否则,我们可能正在用一种危机,去交换另一种更深的危机。

图片

资源黑洞:推理环节为何比训练更耗能?

提起AI能耗,公众的第一反应往往是那些动辄“烧掉”天文数字算力的训练场面。然而,联合国大学的报告揭示了一个反常识的真相:训练只是AI生命周期中的“首付”,真正的“按揭”——推理环节,才是吞噬资源的无底洞。

训练GPT-5:耗电1亿千瓦时,用水10亿升的真相

报告中的数据足以让人重新审视“算力”的物理成本。以训练GPT-5为例,它预计需要消耗约100吉瓦时(1亿千瓦时) 的电力。这个数字是什么概念?它相当于撒哈拉以南非洲约77万人一年的居民用电量。而与之相伴的,是约10亿升的用水量,以及相当于215个足球场大小的土地占用(约1.5平方公里)。

图片

这组数据直观地说明,每一次模型的“智力飞跃”,背后都是对地球资源的巨额“投资”。但更值得警惕的是,这仅仅是开始。训练成本虽然惊人,但它是一次性的;而推理成本,却是永续的。

推理环节占AI总能耗80%-90%,视频生成成新热点

如果说训练是“建工厂”,那么推理就是“工厂的日常生产”。报告明确指出,推理环节占AI总能耗的80%至90%。随着模型投入应用,每一次用户提问、每一次内容生成,都在持续消耗资源。

以ChatGPT为例,它目前每天处理约25亿条用户提示。按照每次文本请求保守消耗0.42瓦时电力计算,其年耗电量就高达383吉瓦时,年度用水量相当于撒哈拉以南非洲约50万人的最低家庭用水需求,占地面积超过800个足球场。

更令人担忧的是,视频生成正在成为新的“资源热点”。一段高分辨率AI视频片段的能耗可超过415瓦时,是生成数百张AI图像的总和。随着AI视频逐步融入主流平台,其资源需求将迅速演变为基础设施层面的环境问题。

核心洞察:我们往往高估了“一次训练”的代价,却低估了“无数次推理”的累积效应。AI的普及,本质上是在将“固定成本”极高的算力,转化为“边际成本”看似极低、但总量巨大的日常消费。真正的资源挑战,不在于如何造出更聪明的模型,而在于如何支撑数十亿人无时无刻的智能交互。

这种资源消耗的“结构性错位”带来了一个尖锐问题:当模型能力越来越强,用户基数越来越大,推理环节的资源账单会膨胀到何种程度?答案,或许比我们想象的更加触目惊心。

图片

效率悖论:技术越进步,资源消耗为何越多?

一个反直觉的现实正在上演:AI技术越高效,它消耗的总体资源反而越多。 这并非技术倒退,而是经济学中一个经典的“杰文斯悖论”在数字时代的残酷显现。

杰文斯悖论在AI领域的显现:高效刺激更多消费

联合国大学水、环境与健康研究所所长卡韦赫·马达尼一针见血地指出:“很多人认为技术进步会降低AI的环境足迹,但更高效、更经济的AI和能源,往往意味着带来更多AI消费,从而使整体生态足迹远大于通过提升效率节省下来的生态足迹。”

图片

这背后的逻辑并不复杂。当AI模型变得更高效,单位任务的能耗下降,其使用成本也随之降低。成本的降低会刺激需求的爆发式增长——更多用户、更频繁地使用AI,开发出更多需要算力的新应用。最终,效率提升所节省的资源,被激增的消费总量完全吞噬,甚至导致总消耗不减反增。

这正是“反弹效应”的核心。以视频生成为例,一段高分辨率AI视频的能耗已超过数百张AI图像的生成总和。随着AI视频工具效率提升,更多创作者涌入,该领域的资源消耗正迅速演变为“基础设施层面的环境问题”,而非简单的技术优化能解决。

技术越进步,资源消耗越多——这不是失败,而是市场机制在环境成本上的失灵。

图片

谷歌搜索:传统0.3瓦时 vs AI搜索3瓦时的对比

一组数据清晰揭示了这种“效率悖论”的代价。谷歌一次传统搜索仅需约0.3瓦时电力,而一次结合生成式AI的搜索,耗电量最高可达3瓦时,整整10倍的差距。

单次搜索的能耗飙升,本应是一种“低效”,但用户感受到的是AI搜索带来的“高效”体验——更精准的答案、更丰富的交互。这种体验提升,让用户更愿意使用AI搜索,甚至用它来完成原本不需要搜索的任务。结果就是,尽管单个AI搜索更耗电,但用户搜索总量的激增,使得谷歌搜索的总能耗呈指数级增长。

这揭示了一个残酷真相:在商业驱动下,技术进步往往优先服务于“体验提升”和“消费刺激”,而非“资源节约”。 效率悖论的本质,是市场机制在环境成本上的失灵。它提醒我们,单靠技术效率提升来解决AI的能源危机,可能只是一个美好的愿望。真正的破局,或许需要从治理框架和消费模式入手,而非仅仅寄希望于更快的芯片。

图片

全球不公:谁在享受AI红利,谁在承担代价?

AI的繁荣并非普惠全球,它正在制造一道前所未有的资源鸿沟。联合国大学报告揭示了一个令人不安的现实:目前全球仅有32个国家拥有专门的AI数据中心,而超过150个国家几乎没有自主AI计算能力。 这意味着,全球绝大多数人口不仅无法参与这场技术盛宴,反而可能在为少数国家的算力狂欢“买单”。

这种不公并非抽象概念,而是正在发生的资源掠夺。在爱尔兰,2023年数据中心耗电量已占全国计量用电量的21%,超过了该国所有城市家庭用电量的总和。 在墨西哥克雷塔罗州,数据中心的扩张正在加剧当地本已紧张的水资源压力。更极端的是乌拉圭——2023年,一项耗水量巨大的数据中心建设计划发布时,正值该国严重干旱期间,首都蒙得维的亚的淡水储备一度接近枯竭,自来水甚至短暂失去饮用安全标准。报告共同作者米尔·马廷一针见血地指出:一些承受数据中心资源压力的地区,并不一定是使用这些AI服务的人群。

这种“受益者”与“承压者”的错位,构成了AI时代最深刻的公平性困境。发达国家享受着AI带来的效率提升和生活便利,而发展中国家却在承受水资源被挤占、电力被消耗、土地被占用的代价。这不是技术问题,而是赤裸裸的环境正义问题。 当AI的算力需求继续膨胀,那些本就面临缺水或能源短缺的国家,将被迫在“发展权”与“生存权”之间做出艰难抉择。

图片

32国拥有数据中心,150多国无自主算力的鸿沟

数据中心的分布不仅是技术能力的体现,更是一张全球资源分配的权力地图。32个拥有数据中心的国家,几乎全部集中在北美、欧洲和东亚的发达经济体,而非洲、南亚、拉美的大部分地区被彻底排除在外。这一鸿沟意味着,AI的红利高度集中,而资源代价却被全球分摊。

以水为例,一个大型AI数据中心的年耗水量可达数百万立方米,这些水往往来自本就缺水的地区。当发达国家通过AI优化供应链、提升生产效率时,发展中国家的农民却在因水资源被挤占而减产。 更讽刺的是,这些数据中心的电力消耗,往往通过碳交易或“绿色证书”被“抵消”,但水的消耗和土地的占用却是不可转移的物理现实。这不是技术差距,而是资源霸权的延伸。

到2030年每年250万吨电子废弃物:公平治理刻不容缓

AI基础设施的寿命周期极短,这带来了另一个被严重低估的危机。研究人员警告,到2030年,AI基础设施每年可能产生多达250万吨电子废弃物,相当于每年丢弃约250座埃菲尔铁塔。 这些电子垃圾含有铅、汞、镉等有毒物质,若处理不当,将对土壤和水源造成不可逆的污染。而现实是,大量电子废弃物被运往发展中国家进行“拆解”,进一步加剧了当地的环境负担。

这不是技术进步的副产品,而是治理失效的直接结果。 当AI芯片的迭代周期缩短至18个月,旧设备被迅速淘汰,而“回收”往往意味着将污染转移至监管薄弱的国家。联合国大学校长兼联合国副秘书长马瓦拉强调,这份报告并非反对AI,但能否公平实现AI带来的目标,“已经成为治理问题,而不仅仅是技术问题”。报告呼吁建立基于透明度、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原则的AI治理框架。当算力成为新的权力象征,如何防止技术红利演变为环境霸权,将是未来十年全球治理的核心议题。

核心洞察:AI的资源账单,本质上是发达国家的“发展红利”与发展中国家的“环境成本”之间的不公平交换。谁在享受AI的便利,谁在承担资源的代价——这个问题的答案,决定了AI的未来是普惠还是霸权。

想拥有高效的全自动内容生产力?

SupaWriter 打通热点选题、长文创作、智能语义配图、文章 4 维客观评分与浏览器扩展一键发布,助你提升 10 倍创作效率。