人工智能成为能源和水资源的主要消费者。神经网络的增长对气候的影响，以及为投资者和全球经济创造的风险和机遇。
人工智能的快速增长与能源需求
近年来，人工智能计算能力的需求激增。自2022年底公开神经网络如ChatGPT推出以来，全球各地的企业迅速采纳人工智能模型，这需要巨大的数据处理能力。行业估计到2024年，人工智能将占全球数据中心总能耗的约15-20%。到2025年，人工智能系统所需的功率可达23吉瓦——相当于英国的总电力消费。相比之下，这一数字超过了整个比特币挖矿网络的能耗，表明人工智能已成为最具能耗的计算形式之一。
这种指数级的增长是由于科技公司在基础设施上进行了大规模投资：几乎每周都会开设新的数据中心，每几个月就会推出专门用于机器学习的芯片生产。这样的基础设施扩展直接导致了供电和冷却数以千计的服务器所需电力的增加，从而支持现代神经网络。
相当于大城市的排放量
如此高的能耗不可避免地会带来显著的温室气体排放，特别是当部分能源来自化石燃料时。根据最近的研究，到2025年，人工智能可能每年会产生3200万至8000万吨的二氧化碳（CO2）排放。这实际上使得人工智能的“碳足迹”达到了整个城市的水平：例如，纽约的年度CO2排放量约为5000万吨。首次，原本被认为是纯数字化的技术显示出与大型工业部门相似的气候影响规模。
值得指出的是，这些估算被认为是保守的。它们主要考虑了为服务器运行而发电时的排放，而人工智能的完整生命周期——从设备（服务器、芯片）的生产到处置——则会产生额外的碳足迹。如果人工智能的繁荣继续以当前的速度发展，相关的排放量将迅速增长。这将复杂化全球减少温室气体的努力，并给科技公司提出任务——如何将人工智能的爆炸性增长纳入其实现碳中和的承诺中。
神经网络的水资源影响
人工智能另一个隐秘的资源“需求”是水。数据中心消耗大量水资源来冷却服务器和设备：蒸发冷却和空调都离不开水资源。除了直接消耗，发电厂在涡轮机和反应堆冷却过程中也需要大量水，以生产计算集群所消耗的电力。专家估计，仅到2025年，人工智能系统可能消耗3,120亿到7,650亿升水。这与人类一年消费的全部瓶装水量相当。因此，神经网络形成了巨大的水足迹，直到最近对公众几乎不可见。
官方估计往往无法反映完整的情况。例如，国际能源署提到2023年全球所有数据中心消耗了约560亿升水，但这并未包括在电站中使用的水。人工智能的真实水足迹可能远高于正式估算。该行业的主要参与者尚未急于公开细节：例如，谷歌在其人工智能系统的最新报告中明确表示未在指标中考虑供应电厂水消耗。这种做法受到批评，因为大量水是为满足人工智能的电力需求而消耗的。
目前，水消费规模已在一些地区引发担忧。在美国和欧洲的干旱地区，社区反对建立新的数据中心，担心这些中心将从当地水源抽取稀缺水资源。企业自身也意识到其服务器农场“渴望”的增长：例如，微软报告称其数据中心在2022年的全球水消耗增长了34%（达到64亿升），主要是由于与人工智能模型训练相关的负荷增加。这些事实强调水因素在评估数字基础设施的环境风险时的重要性正在迅速上升。
科技巨头的透明度缺乏
否认的是，在人工智能能耗和水利用程度如此之高的情况下，关于这些数据的公开信息极为有限。大型科技公司（Big Tech）在其可持续发展报告中通常列出总的排放和资源数据，而不单独列出与人工智能相关的比例。关于数据中心运营的详细信息——例如，具体有多少能源或水消耗用于神经网络的计算——常常被公司封闭。几乎没有关于“间接”消耗的信息，例如，为数据中心需求生产电力时消耗的水。
最终，研究人员和分析人士不得不像侦探一样，通过零散的数据拼凑出全貌：来自公司演示的片段、对销售的人工智能服务器芯片数量的估算、来自能源公司的数据以及其他间接指标。这种不透明性使得理解人工智能的生态足迹的全面规模变得困难。专家呼吁建立严格的信息披露标准：公司应就其数据中心的能耗和水利用情况进行报告，并按关键方向（包括人工智能）进行细分。这样的透明度将使社会和投资者能够客观评估新技术的影响，并刺激行业寻找减少对环境负担的路径。
潜在的生态风险
如果当前趋势继续，日益增长的人工智能“需求”可能会加剧现有的生态问题。每年增加数千万吨的温室气体排放将使实现巴黎气候协议的目标变得更加复杂。数百亿升清水的需求将在全球水资源的短缺背景下发生，预计到2030年，水资源短缺可能将达到56%。换句话说，如果没有可持续发展措施，人工智能的扩张可能与地球的生态限制发生冲突。
如果不采取任何措施，这些趋势可能导致以下负面后果：
- 由于温室气体排放的增加，加速全球变暖。
- 在一些本就干旱的地区，加剧清水短缺。
- 加大能源系统的负担以及因资源有限引发的社会环境冲突。
现在，地方社区和当局开始对这些挑战做出反应。在一些国家，建设“能源消耗型”数据中心的限制被引入，要求使用水回收系统或购买可再生能源。专家指出，如果不进行根本性的改变，人工智能产业从纯数字领域转向可能成为实实在在的生态危机的源头——从干旱到气候计划的崩溃。
投资者的视角：ESG因素
人工智能快速发展的生态因素对投资者变得越来越重要。在环保、社会和治理（ESG）原则突显的时代，技术的碳和水足迹直接影响公司评估。投资者开始问：政策的“绿色”转向是否会增加以人工智能为核心公司的成本？例如，碳法规的收紧或水资源使用费的引入可能会增加那些消耗大量能源和水的人工智能服务公司的开支。
另一方面，那些现在就投资于减轻人工智能生态影响的公司可能会获得优势。数据中心转向可再生能源、优化芯片和软件以提高能效、以及实施水的重复使用系统，均降低风险并改善声誉。市场高度重视可持续发展方面的进展：全球投资者越来越多地将环保指标纳入其商业评估模型。因此，对于科技领军企业而言，问题变得紧迫：如何在保证能够继续扩展人工智能能力的同时，满足社会对可持续性的期望？那些能够找到创新和对自然负责任的平衡的人，在长期内将获得优势——无论是从形象还是商业价值的角度。
朝着可持续的人工智能迈进
尽管面临许多问题，行业仍有机会将人工智能的增长引导至可持续发展的轨道。全球科技公司和研究人员正致力于开发解决方案，以在不抑制创新的前提下减少人工智能的生态足迹。关键战略包括：
- 提高模型和设备的能效。 开发优化算法和专用芯片（例如ASIC、TPU等），在更低能耗下完成机器学习任务。
- 转向清洁能源。 使用来自可再生资源（太阳能、风能、水能和核能）的电力为数据中心供电，从而将人工智能的碳排放降低为零。许多IT巨头已经签订“绿色”合同，以采购其所需的清洁能源。
- 减少和回收用水。 引入新型冷却系统（液体冷却、浸没冷却），大幅减少水的需求，以及重复使用工业水。根据水资源情况选择数据中心的地点：优先选择寒冷气候或水资源充足的地区。研究显示，合理选择地点和冷却技术能够将数据中心的水和碳足迹降低70-85%。
- 透明性与核算。 引入强制性的监控与数据披露，关于人工智能基础设施的能耗和用水情况。公共核算可促进企业更有效地管理资源，同时允许投资者追踪减少对生态系统负担的进展。
- 利用人工智能管理资源。 矛盾的是，人工智能本身可以帮助解决这个问题。机器学习算法已经用于优化数据中心冷却、预测负荷，以及合理分配任务，旨在最小化网络的峰值负荷，提高服务器的使用效率。
接下来的几年将对将可持续性原则融入人工智能迅速增长的核心起到决定性作用。该行业正处于十字路口：要么继续沿用惯性，冒着面临生态壁垒的风险，要么将这一问题转化为新技术和商业模式的动力。如果透明度、创新及对资源负责任的态度成为人工智能战略的不可或缺的一部分，那么“数字智能”将能够与对地球的关怀并行发展。这正是投资者和社会整体对新技术时代的期望。
