一項最新研究估算，2025年用于人工智能（AI）的基礎設施在全球范圍內產生的碳排放量，已大致相當于紐約市一整年的排放水平，而在用水方面，其消耗的水量則相當于全球居民通過瓶裝水飲用的總和。研究作者指出，由于企業(yè)披露的數據十分有限，這一評估很可能還是相對“保守”的版本，實際環(huán)境代價可能更高。

該研究由阿姆斯特丹自由大學環(huán)境研究所博士生Alex de Vries-Gao完成，并發(fā)表于學術期刊《Patterns》。他長期追蹤AI及加密貨幣挖礦相關數據中心的能源消耗情況，此次則在此前研究基礎上，對2025年AI用電及由此產生的排放和用水進行了綜合測算。他直言，目前幾乎不可能得出極其精確的數字，“但無論如何，這個規(guī)模都會非常巨大，而且最終為此付出代價的是所有人”。

根據早前研究，全球AI算力在2025年的用電需求可能達到23吉瓦，已經超過2024年比特幣挖礦的用電規(guī)模。然而，大型科技公司在年度可持續(xù)發(fā)展報告中通常只披露整體碳排放和直接用水量，卻鮮少細分AI業(yè)務本身消耗了多少資源。為此，de Vries-Gao借助分析師報告、財報電話會議紀要及其他公開信息，推算出AI芯片等硬件的生產數量及運行時的耗電水平，再據此折算出溫室氣體排放和用水量。

結果顯示，2025年AI相關系統(tǒng)可能每年排放約3260萬至7970萬噸二氧化碳，當中的中位值與紐約市年均約5000萬噸二氧化碳排放相當。在用水方面，AI今年預計將消耗約3125億至7646億升水，高于2023年一項研究對2027年約6000億升上限的預測。加州大學河濱分校電氣與計算機工程副教授任少雷表示，最新結果中用水預估“最讓人意外”，并認為這項分析在方法上仍屬“相當保守”，因為它只計算了設備運行階段的影響，而未計入供應鏈以及設備報廢后的額外環(huán)境成本。

數據中心是AI的“能源與水大戶”。服務器在高負載運行中產生大量熱量，需要通過冷卻系統(tǒng)消耗大量水以防止過熱，而為數據中心供電的發(fā)電廠本身也依賴海量冷卻水，這些因素共同構成了AI龐大的“水足跡”。生成式AI的爆發(fā)式增長推動了新數據中心的建設，同時也帶動新電廠規(guī)劃，如果這些電廠繼續(xù)依賴化石燃料，不僅會拉高用水需求，還會進一步增加溫室氣體排放。

在數據中心數量全球領先的美國，當地許多擬建項目已遭遇愈發(fā)強烈的社區(qū)反對，核心焦點正是電力和水資源的占用問題。反對者擔心，AI數據中心會在本就水資源吃緊或電網壓力較大的地區(qū)進一步加劇緊張局勢。研究者指出，即便在水資源尚算充裕的地區(qū)，數據中心集中的發(fā)展也可能對當地生態(tài)系統(tǒng)造成長期影響。

盡管如此，研究仍給出了較寬的區(qū)間預測，這在很大程度上源于企業(yè)在披露環(huán)境數據時缺乏透明度。de Vries-Gao發(fā)現，許多公司雖然發(fā)布了可持續(xù)發(fā)展報告，卻往往遺漏關鍵細節(jié)，例如電力消耗背后“間接用水”的占比，以及AI業(yè)務在整體水耗和排放中的具體份額。此外，不同地區(qū)電網結構差異顯著，電力來源的“清潔程度”直接影響同等用電量對應的排放水平，因此，如果公司能夠更清晰地標注數據中心的地理分布，也有助于外界更準確評估AI擴張帶來的環(huán)境沖擊。

該研究呼吁，科技公司應在AI相關的碳排放和用水數據上更加公開透明，讓公眾和決策者能夠充分了解這一技術浪潮的真實環(huán)境成本。任少雷認為，在社會對AI的態(tài)度日益兩極化、圍繞用水問題的爭論愈演愈烈之際，這類工作尤為關鍵，有助于推動基于事實的公共討論。de Vries-Gao則表示，只有在信息更透明的前提下，社會才有可能認真討論一個根本問題：“這是不是我們想要的未來？這是否公平？”