[AI书房] 第7章 能源与环境问题
人工智能与社会结构变迁
第7章 能源与环境问题
金京镇
1. 数据中心电力消耗暴增：规模堪比全球第五大能源消费国
得克萨斯州阿比林的荒野。深夜，一栋巨大的建筑依然灯火通明。这是OpenAI星际之门项目的一号数据中心。这一栋楼吞噬的电力达1.2吉瓦，足够75万户家庭使用。而这不过是个开头。OpenAI宣布未来四年将投入5000亿美元，建设总计10吉瓦的人工智能基础设施。相当于整个荷兰的电力消耗量。
数字揭示的现实冷酷无情。国际能源署（IEA）2026年4月发布的报告显示，全球数据中心2024年的电力消耗量约为415太瓦时（TWh），占全球总电力消耗的1.5%。IEA预测这个数字到2030年将翻一番以上，达到945TWh，逼近日本全国一年的用电量。单看人工智能专用数据中心，形势更为紧迫。IEA指出，人工智能数据中心的电力消耗仅2025年一年就激增了50%，远超普通数据中心的增速。
一次Google搜索消耗0.3瓦时电力。同样的问题抛给ChatGPT，消耗2.9瓦时。将近十倍的差距。Sam Altman请求用户「别对AI说谢谢」，原因就在这里。每天数亿人输入「谢谢」，AI就要多生成一次回复，多烧一次电。如果每天90亿次搜索全部转为AI文本查询，仅额外电力消耗一年就达10TWh。而文本只是起点。视频生成、推理、智能体任务这些新兴的人工智能功能，耗能比文本生成高出数百倍，有时甚至数千倍。
资金流向揭示了这场狂潮的规模。亚马逊、Alphabet、Meta、微软、甲骨文五大科技巨头2025年的资本支出（CAPEX）突破了4000亿美元，2026年预计超过6000亿美元，是2024年的两倍还多。这笔钱绝大部分砸在AI芯片、服务器和数据中心基础设施上。IEA指出，这五家企业的资本支出规模已经超过了全球石油和天然气生产的投资总额。建设消耗能源的基础设施花的钱，比开采能源本身还多。这就是2026年的现实。
布鲁金斯学会的分析更进一步。他们估算到2026年底，数据中心的全球电力消耗可能达到1050TWh。如果数据中心是一个国家，它将介于日本和俄罗斯之间，成为全球第五大能源消费国。AI记者Karen Hao说过一句话让人印象很深：「AI帝国与贪婪吞噬资源的现实世界帝国完全一样。」数字世界便利背后的物理代价，我们忽视得太久了。
2. AI节约的能源与消耗的能源之间的交叉点
Hashed创始人金瑞准在「即将到来的30条裂缝」备忘录中提出了这样的展望：「电力电网AI将削平峰值需求。」他说，通过实时预测天气、工业负荷率和家庭用电模式，以秒为单位调度电力的技术已经进入实证阶段。数据表明，仅靠储能系统（ESS）的优化运行，就能大幅削减峰值需求。金瑞准给这一项目标定的三年内实现概率是70%。
人工智能在节能方面确实展现了成果。Google将人工智能应用于数据中心冷却系统，成功将冷却用电降低了40%。丹麦海上风电场用人工智能实时读取气象数据，调节涡轮叶片角度，发电效率提升的同时电网也更加稳定。智能建筑、电网优化、新材料研发，在减碳领域人工智能的作用确实存在。IEA也曾给出一项「探索性分析（exploratory analysis）」结果，认为人工智能在其他领域提升效率，有可能抵消数据中心的额外排放。
问题在于，这种抵消是否真的在现实中发生了。IEA在同一份报告中冷静地补了一句：「AI的推广尚不具备足够的动力来实现这些减排。」对人工智能节能的期望虽然存在，但从期望到实际减排的路径仍不确定。
杰文斯悖论（Jevons Paradox）恰恰戳中了这个要害。蒸汽机效率提高之后英国的煤炭消耗反而增加，19世纪的这个悖论正在人工智能时代精确重演。算法越高效，人们用得越多。文本生成变快了就去试视频生成，视频能做了就把复杂任务整个丢给智能体。每一步跨越，能耗都是数百倍的跳升。效率提高多少，用途就爆发式扩张多少，节省下来的部分被增量吞噬殆尽。
人工智能究竟会成为解决气候危机的救星，还是加速能源枯竭的催化剂？这个问题的答案，取决于技术效率提升的速度与人工智能需求膨胀速度之间的赛跑。从目前的趋势看，需求一方遥遥领先。荷兰央行数据科学家Alex de Vries的警告至今有效：「AI是能源密集型的，把AI投入到实际上根本不需要的各种任务中，是毫无意义的浪费。」
3. 水消耗与碳排放：AI训练背后隐藏的环境成本
亚利桑那州沙漠深处的数据中心，吸走的不只是电力，还有水。服务器加速器散发的热量需要大量的水通过冷却塔蒸发来带走，而这些水不会回到水源。蒸发，这两个字是关键。投入冷却的水大部分消散到空气中，一去不返。
看看规模。仅得克萨斯一个州，休斯顿高级研究中心（HARC）与休斯顿大学的联合研究表明，2025年数据中心用水量为490亿加仑，到2030年将达3990亿加仑。2030年这个数字相当于一年之内把美国最大水库米德湖（Lake Mead）的水位降低约5米。这还只是一个州的情况。
Google 2023年全年用水61亿加仑（约231亿升），相当于一座小城市的年用水量。俄勒冈州达拉斯市，Google数据中心占了当地总用水量的25%，2017年到2022年间用水量翻了三倍。农民放弃农田，居民家中停水，而数据中心的冷却塔没有停转的一刻。
碳排放同样严峻。阿姆斯特丹自由大学Alex de Vries研究团队2025年12月发表的论文显示，人工智能系统2025年的碳足迹在3260万吨到7970万吨之间，相当于纽约市全年的排放量。水足迹在3125亿到7646亿升之间，接近全球一年的瓶装水消费总量。而这些数字很可能还是低估了。研究团队指出，数据中心运营商并不区分AI工作负载和非AI工作负载来做环境报告，精确测算本身就不可能。
企业承诺与现实之间的差距也在扩大。微软2025年环境可持续发展报告承认，自2020年以来能源使用量增长了168%，总排放量增加了23.4%。Google主动放弃了「全球首家实现碳中和的企业」这一头衔，原因是AI技术扩张和数据中心扩建导致碳排放持续增加。卫报的调查显示，Google、微软、Meta、苹果等公司官方公布的排放数字可能仅为实际值的七分之一。
如果再加上半导体制造过程中消耗的化学品和能源，以及报废服务器产生的电子垃圾，人工智能的环境成本远超我们的认知。人工智能创造的知识丰盈背后，是地球有限资源的持续消耗。是时候用一个包含碳足迹和水足迹在内的综合指标来正视这个事实了。
4. AI基础设施的地域集中带来的电网压力
都柏林，数据中心占了全市电力的79%。这个数字看起来不像是城市在用电，倒像是城市为服务器而存在。放大到爱尔兰全国，数据中心电力占比是21%，IEA预测2026年将飙升至32%。美国弗吉尼亚州的数据中心已经拿走了全州26%的电力。
问题在于电网从未被设计成能承受如此速度的需求增长。电网的设计前提是需求渐进变化，而人工智能数据中心的需求不是渐进的，是爆发式的。美国电力管理机构PJM辖区内，太阳能电站接入电网每兆瓦需缴纳10万美元（约合人民币72万元）。新建输电线路从规划、政府审批、居民同意到实际施工，加起来要十年以上。超过2太瓦的可再生能源项目在等待并网许可，但历史数据显示100个项目中只有15个最终获批。
Gartner预测，到2027年现有AI数据中心的40%将面临电力供应问题。因为缺电而导致AI停摆的局面可能成为现实。北美电力系统可靠性协会（NERC）也警告，美国超过一半的国土面积在未来十年将出现电力供应不足。佐治亚州因AI数据中心建设，将未来十年电力需求预测上调至原来的17倍。
在这种背景下，一个吊诡的事情正在发生。面向未来的人工智能，正在复活属于过去的能源：煤炭。堪萨斯、内布拉斯加、威斯康星、南卡罗来纳等州原定关闭的燃煤电厂被延期运行。这与应对气候变化的时代课题正面冲突。与此同时，小型模块化反应堆（SMR）引发了急剧升温的关注。SMR建设管线从2024年底的25吉瓦扩大到2026年的45吉瓦。三哩岛核电站重启的决定，是一个象征性的宣言：为了人工智能，甘愿承担环境风险。
地域集中也是地缘政治风险。集中在特定地区的数据中心一旦因自然灾害或地缘冲突停摆，全球人工智能服务可能同时瘫痪。分散布局是对的方向，谁都知道。但电力充足且网络延迟（Latency）足够低的选址，在地球上并不多。
金瑞准对此提出了一个有意思的建议：「必须走向分布式发电的时代。用电大户让企业自己想办法发电，政府应该营造这样的环境，而非事事管控。这样电网负担才能减轻，网格才能畅通。」韩日电力互联这个大胆构想也出自同一逻辑。韩国和日本通过海底电缆共享电力，形成余电交易市场，两国都能避免滑向高成本社会。
归根结底，人工智能的能源问题不是企业的技术创新能单独解决的。它涉及电网设计、电站选址、与当地居民的协商、国家间的能源合作，是一个复合课题。正如IEA在2026年报告中所说：「人工智能革命的速度，与支撑它的物理、社会和经济系统的速度，正在越来越脱节。」建一座数据中心只需要两三年，而为它供电的电厂和输电线路要十年以上。这个时间差不消除，约束人工智能扩张速度的就不是代码，而是物理现实。