AI 耗电大家都知道，但水和土地这笔账才刚开始算
联合国大学刚发布的报告首次把 AI 的碳、水、土地三个环境账放在一起算。最反直觉的发现：从煤电切换到生物质能，碳排放降了七成，耗水量却涨了三十多倍。
AI 耗电耗得多，这个大家多少有点印象。但联合国大学（UNU-INWEH）上周刚发的一份报告让我重新想了想这件事——它第一次把 AI 的三本账放在一起算：碳排放、耗水量、土地占用。
结论有点意外，放在最前面说：用可再生能源不等于变环保，换了能源可能只是把问题从碳排放转移到了水和土地上。
🔋 训练不是大头，用才是
说到 AI 的能耗，大家第一反应是训练模型——GPT-3 训练耗电 1.3 GWh，GPT-4 据估计 50–70 GWh，每次这类数字一出来就能上热搜。
但报告指出，真正的大头是推理，也就是模型日常回答问题的那个环节，占 AI 总能耗的 80–90%。
📊 ChatGPT 每天处理 25 亿次对话，仅这一个产品一年耗电约 383 GWh。
用法不同，差距也大：
| 任务类型 | 相对能耗 |
|---|---|
| 普通文字对话 | 基准 1× |
| 生成一张 AI 图片 | 约 7× |
| 生成一段短视频 | 相当于 20 万次基础文本分类 |
这些选择往往是产品默认就替你设好的，用户根本感知不到。
🌿 换了绿电，然后呢？
这是报告里最值得单独拿出来说的发现。
很多数据中心正在把电力来源从煤电切换到可再生能源，碳指标上确实好看——从煤电切到生物质能，碳排放平均能降七成。
但代价是：
⚠️ 耗水量涨了 三十多倍，土地占用涨了 一百倍。
因为生物质能需要大量农业用地和灌溉用水，核电需要大量冷却水，水电依赖水库和特定地形。碳、水、土地这三个指标不会同步变好，优化其中一个往往意味着另外两个变差。
报告首席作者 Aczel 博士说得很直接：从碳角度看最”绿”的选择，往往在水和土地上更糟。
📈 效率提升救不了你
“技术越来越高效，能耗自然会降”——这是最常见的反驳。
报告引用了杰文斯悖论来回应：越高效越便宜，用量就越大，总消耗反而上升。每次对话的能耗在降，但对话总量在爆炸。没有硬性的总量约束，效率的提升空间会被需求增长完全吞掉。
数字是现成的：
- 2025 年全球数据中心耗电约 448 TWh，相当于全球第 11 大电力消费国，排在法国之后、沙特之前
- 到 2030 年，预计翻番达到 945 TWh
⚖️ 谁在承担代价？
最后一个问题，也是报告最想强调的：利益和代价的分布极不对等。
用 AI 的是少数国家，AI 硬件需要的关键矿物来自非洲和南美，数据中心的电子废物也最终流向低收入国家处理。
- 爱尔兰数据中心用电量已占全国约 21%，超过全国所有城市家庭的总用电量
- 墨西哥、乌拉圭都出现过数据中心加剧当地水资源危机的案例
- 到 2030 年，AI 基础设施每年可能产生多达 250 万吨电子废物
建数据中心的地方承受环境成本，用 AI 的地方享受技术红利。这个结构不改变，谈”AI 可持续”就只是换着方式转移问题。
报告全文由联合国大学水、环境与健康研究所（UNU-INWEH）发布，感兴趣可以找原文：Environmental Cost of AI’s Energy Use: Carbon, Water and Land Footprints。
核心建议只有一句话：别再只盯着碳排放了，碳、水、土地三个指标要同时评估。只要只看一个数字，就一定会把问题藏起来、转移出去。