根据联合国大学水、环境与健康研究所最新发布的一份报告，到2030年，人工智能数据中心的用水量将达到13亿人口的用水需求总和。
这份报告指出，目前对人工智能环境影响的评估存在系统性误差，主要因为现有研究多聚焦于大型语言模型训练过程中的碳排放，而忽视了人工智能在水资源和土地使用上的广泛影响。人工智能的数据中心在冷却和供电过程中消耗大量水资源，而其能源基础设施和供应链则占用了大量土地。
报告强调，训练模型的能耗虽然巨大，但相比之下，模型推理（即运行模型回答用户请求）的能耗更为庞大，占人工智能总能耗的80%至90%。例如，训练OpenAI的GPT-4模型耗电高达70吉瓦时，而运行ChatGPT每天回答数十亿次请求的能耗估计达到383吉瓦时。
考虑到推理阶段的能耗，报告预测到2030年，支持人工智能的数据中心将消耗945太瓦时电力，这一数字是巴基斯坦、孟加拉国和尼日利亚三国总用电量的三倍，这三个国家总人口超过6.5亿。
与此同时，人工智能的用水量预计将达到9.3万亿升，相当于撒哈拉以南非洲13亿人口的基本年用水需求。
报告警告，解决人工智能的环境影响并非简单地转向绿色能源。虽然用生物能源替代煤炭可以减少70%的碳排放，但却可能导致用水量增加30倍，土地使用增加100倍。
联合国大学研究员、报告主要作者米里亚姆·阿塞尔表示：“最让我们惊讶的是，许多从碳排放角度看似最环保的选择，实际上对水资源和土地的影响更大。”
她补充道：“如果我们只用碳排放来评判人工智能的可持续性，可能会误以为可再生能源让人工智能基础设施变得清洁，但这只是解决了一个问题，却在其他地方制造了新的问题。”
此外，报告还指出，提升人工智能的能效反而可能增加其整体环境足迹。联合国大学水、环境与健康研究所所长卡维·马达尼表示：“很多人认为随着技术进步和流程效率提升，人工智能的环境足迹会减少，但这只是问题的一部分。更高效、更经济的人工智能和能源意味着人工智能的使用量会增加，从而使整体环境影响远大于效率提升带来的节省。”
更多关于人工智能的报道，请关注相关资讯。
