AI正在成为第11大耗电国：我们每天向它倾倒多少自然资源？

---

说实话，当我在报告里看到那个数字时，愣了好几秒——2025年全球数据中心的耗电量是448太瓦时（TWh）。如果把这些数据中心视为一个国家，它的电力消费量能排到全球第11位，刚好在法国之后、沙特阿拉伯之前。

这不是某个科幻小说里的末日场景，而是联合国大学水、环境与健康研究所（UNU-INE）今年6月发布的报告《AI能耗的环境成本：碳、水和土地足迹》里白纸黑字写着的现实。我们每天都在谈论大模型的能力边界、算力的军备竞赛，却很少停下来想一想：支撑这一切的底层资源，到底消耗了多少？

我必须承认，在看到这份报告之前，我对AI能耗的认知还停留在“比较费电”这个模糊层面。但看完数据之后，我的看法发生了根本性的转变——这不是一个可以轻易忽略的“副作用”，而是一个正在以惊人速度膨胀的系统性问题。

一份颠覆认知的资源账单

报告的核心预测指向2030年：届时，为全球人工智能提供支持的数据中心，每年将消耗945 TWh的电力。这个数字是什么概念？2025年全球数据中心的耗电量是448 TWh，这意味着在短短五年内，这个数字要翻一番还多。945 TWh相当于全球年发电量的约3.5%，而这个比例还在持续攀升。

但电力只是其中一个问题。报告提出了一个让我印象深刻的分析框架——支撑AI运行的每1千瓦时电力，都同时对应三种环境足迹：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。

这三种足迹是捆绑在一起的，不是非此即彼的关系，而是你用一度电，就同时在消耗这三类资源。

具体到数字层面，报告预计到2030年，全球AI数据中心的年用水量将相当于13亿人一年的基本生活用水需求。我查了一下，13亿人约占全球人口的六分之一。这意味着什么？意味着我们正在用相当于供养六分之一人类的淡水量，去给AI服务器降温。

土地占用同样触目惊心。报告指出，相关基础设施的土地占用面积将超过14,500平方公里，这个面积比北京市的行政区域面积还要大两倍多。

训练大模型：一场不计成本的豪赌

如果说数据中心的整体能耗还让人觉得过于抽象，那让我们把镜头拉近，聚焦到一次具体的大模型训练上。

报告对训练GPT-5的资源消耗做了估算：预计需要约100吉瓦时（GWh）的电力。这个数字换算成更直观的表达，相当于撒哈拉以南非洲约77万人一年的居民用电量。77万人，这是一个中等规模城市的人口总量。我们把这么多电力砸进一次模型训练，只为让AI学会更好地预测下一个token。

用水量方面，训练GPT-5预计需要约10亿升水。10亿升是什么概念？一个标准奥林匹克游泳池的容量大约是250万升，10亿升就相当于4000个游泳池。训练一次大模型，要“游掉”4000个游泳池的水。

土地占用方面，大约是1.5平方公里，相当于210个标准足球场的面积。

但我个人判断，训练还不是最让人担忧的部分。报告明确指出，训练只是AI生命周期中的一部分。模型一旦投入应用，真正持续消耗资源的是推理过程——也就是模型不断响应用户请求、生成内容的过程。这个环节占AI总能耗的80%到90%。

打个不太准确但容易理解的比方：训练像是建造一座工厂，耗电巨大但只发生一次；推理则像是这座工厂每天24小时运转生产，电力消耗是持续性的、规模化的，而且随着用户量增长，这个消耗会以几何级数膨胀。

当算力成为新型“发电厂”

我之所以在开头提到448 TWh这个数字，不仅因为它证明了数据中心已经是全球第11大电力消费国，更因为它揭示了一个容易被忽视的现实：算力正在成为一种新型的基础设施，其资源消耗模式越来越像传统工业。

过去几年，我们见证了无数次关于算力不足的讨论、GPU短缺的新闻、黄仁勋的“核弹式”发布会。但这些讨论大多聚焦在“够不够用”“怎么获取”上，很少有人追问“用了之后会怎样”。

微软、谷歌、亚马逊、Meta……这些科技巨头近年来在数据中心上的资本支出屡创新高。谷歌母公司Alphabet在2024年的资本支出达到520亿美元，其中大部分流向了数据中心和AI基础设施；微软同期也宣布将在未来几年投资超过1000亿美元建设AI基础设施。这些数字背后，是实实在在的电力需求、水资源消耗和土地开发。

说实话，我并不认为这些问题会在短期内导致AI发展停滞。商业利益和战略竞争的压力太大了，没有哪家科技公司会因为“水不够用”就停止训练下一代模型。但我也看到了一些积极信号：一些企业开始探索更节能的模型架构，比如稀疏注意力机制、量化压缩技术；微软、谷歌等公司也在尝试用核能、太阳能等清洁能源为数据中心供电。

然而，这些努力能跟上AI扩张的速度吗？坦率地说，我不乐观。

我们真的准备好了吗？

写到最后，我想回到一个更根本的问题：我们是否真的理解了这场AI浪潮的全部代价？

我在查阅资料的过程中，发现一件有意思的事：很多关于AI能耗的讨论，最后都会滑向两个极端——要么是“AI能耗巨大，人类要完蛋了”的末日叙事；要么是“技术会自己解决问题，人类不用担心”的乐观主义。这两种叙事都很吸引眼球，但都无助于我们真正理解和应对挑战。

我的看法是，在能源和水资源日益紧张的背景下，AI的能耗问题不应该被当作一个可以留待以后解决的“技术问题”。它是一个需要现在就开始认真对待的系统性议题，涉及能源政策、水资源管理、区域发展规划等多个层面。

2030年还很遥远，但“正在成为第11大电力消费国”的数据中心就在眼前。我们每天向AI倾注的每一焦耳能量、每一升淡水，背后都是真实的环境成本。这份账单，最终由谁来买单？

答案或许比我们想象的更近。