本文刊发于 Live Science，作者为阿曼达·特恩布尔-麦克雷。

面对数据中心不断增长的能源和资源需求，人们经常用一个观点来缓解担忧：随着人工智能模型不断改进、效率不断提高，未来对资源的需求将会下降。

但联合国最新报告指出，这种看似合理的想法实际上是一个陷阱。

这份报告量化了 AI 带来的环境成本，并估计到 2030 年，AI 的能源消耗可能翻倍，占全球电力消耗的 3%；产生的排放量将与英国相当；用于冷却的数据中心耗水量将超过全球人口一年的饮用水需求。

报告还预计，AI 的发展将遵循一种被称为“杰文斯悖论”的经济学规律。

这一理论认为，当技术进步提高资源利用效率时，最终结果往往不是资源消耗下降，而是总消耗量上升。

这一悖论以经济学家威廉·斯坦利·杰文斯命名。他在研究 19 世纪英国煤炭使用情况时发现，效率提升并没有减少煤炭消费。

相反，由于成本下降，煤炭用途扩大，最终带来了更高的总体需求。

报告认为，随着 AI 模型变得更加便宜、更具吸引力，人们会开发出更多应用场景，并以更高频率使用 AI，从而削弱甚至完全抵消效率提升所带来的节约效果。

为了避免陷入这一陷阱，报告提出了一套负责任使用 AI 的路线图，其核心原则包括透明度、从设计阶段就强调效率、公平与正义、全生命周期责任、全球合作以及可持续利用。

去年，全球数据中心消耗的电力已经与沙特阿拉伯相当，而沙特是全球第十一大用电国。

如果到 2030 年数据中心用电量如预测般翻倍，那么由此产生的碳排放需要种植 67 亿棵树，并持续生长十年，才能抵消这些排放。

数据中心还将消耗 9.3 万亿升水资源，并占用接近墨西哥城面积十倍的土地。

为海外华人提供可靠的信息和分析。如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索「causmoney」，深度分析和评论也可以直接搜索「caus.com」。

除了资源消耗之外，报告还强调了 AI 热潮背后的结构性不平等。

目前，全球只有 32 个国家拥有专门用于 AI 的云基础设施，其中 90% 的算力能力集中在美国和中国。

报告警告，开发和控制 AI 系统的国家与仅使用 AI 系统的国家之间，数字鸿沟正在扩大。

而后者往往承担着更大的环境代价，例如矿产开采和电子垃圾处理所带来的污染。

决定 AI 运行环境足迹的主要因素有两个：使用量有多大，以及如何使用。

这涉及 AI 模型执行的各种任务，包括文本生成、代码生成、图像生成以及视频生成。

不同任务需要不同程度的计算资源。

模型选择同样重要，因为不同 AI 系统完成这些任务时消耗的能源和环境成本并不相同。

报告认为，要实现负责任的 AI，就必须对整个价值链进行治理，从矿产开采到回收利用和安全处置都应纳入监管范围。

报告呼吁将 AI 能力建设与环境保护结合起来。

换句话说，人们不仅要考虑 AI 能为我们做什么，也要考虑如何保护自然环境。

为海外华人提供可靠的信息和分析。如果想看更多内容与即时更新，可以在 Bluesky、Telegram、X 搜索「causmoney」，深度分析和评论也可以直接搜索「caus.com」。

这意味着在 AI 开发过程中，无论是模型层面还是具体任务层面，都应将环境信息披露变成常规做法。

同时，各国在制定气候和能源规划时，也应将未来 AI 需求纳入考虑范围。

随着越来越多国家在政府和公共部门推广 AI，负责任地使用 AI 变得尤为重要。

在新西兰，政府已经推出国家 AI 战略以及公共服务领域 AI 应用框架。

虽然这一框架参考了经济合作与发展组织（OECD）以价值观为基础的 AI 原则，其中包括包容性和可持续发展目标，但并未要求披露环境影响，也没有监管机构统计 AI 的能源消耗和排放情况。

澳大利亚情况也类似。

提升公共服务效率是澳大利亚国家 AI 规划的重要组成部分。

例如，澳大利亚国家电影与声音档案馆开发了名为 Bowerbird 的机器学习系统，可对海量音频和视频进行自动转录和整理。

澳大利亚退伍军人事务部也开发了一款概念验证工具，以评估 AI 是否能够加快福利申请处理速度。

澳大利亚和新西兰都采取了相对宽松、以原则为基础的 AI 监管模式。

但报告指出，这种做法存在风险，因为可能忽视 AI 不断增长的环境成本，而这些成本并不能仅靠提高效率来解决。

自然环境是经济、文化和社会福祉的基础，应当成为政策制定和技术发展的核心考量。

现在是时候重新审视 AI 创新的发展路径，并将重点转向更加可持续的技术未来。