根据联合国大学水资源研究所（UNU-INWEH）的一份报告，到2030年，与人工智能使用相关的水消耗将相当于13亿撒哈拉以南非洲人口的用水量。
这一计算包括用于冷却数据中心系统的水以及用于发电的水。
影响的规模如此之大，以至于为AI供电的数据中心已经消耗了448 TWh的电力，相当于法国的能源消耗。
能源和排放
报告警告称，AI将需要几乎是巴基斯坦、孟加拉国和尼日利亚总和（6.5亿人口）年能源消耗的三倍。至于排放量，可能达到4亿吨二氧化碳当量，类似于英国的总排放量。
此外，所需的基础设施将占用14,500平方公里，是雅加达大都市区的两倍或墨西哥城的十倍。
超越碳：多重足迹
研究人员强调，AI的环境成本被低估，因为大多数分析集中在碳排放上。然而，每消耗一千瓦时还意味着：
- 水足迹：冷却和发电。
- 土地足迹：基础设施和供应链。
一个例子：从煤炭转向生物能源减少了排放，但水足迹增加了30倍，土地影响增加了100倍。
训练与推理
直到最近，人们认为最大的能源消耗发生在模型训练期间。研究表明，推理过程（每当用户与模型交互时）占总消耗的80%到90%。
数据令人震惊：
- 与聊天机器人进行标准对话消耗的能量是基本功能（如垃圾邮件分类）的200倍。
- 生成合成图像消耗的能量是1,400倍。
- 创建短视频可能需要200,000倍的能量。
利益和成本的不平等
报告还指出分配不均：
- 只有16%的国家拥有计算AI的专业基础设施。
- 美国和中国集中了90%的已安装容量。
- 环境成本（水、排放、电子垃圾）在全球分布，而收益集中在少数国家。
例子：
- 在爱尔兰，数据中心在2023年已经占据了全国能源消耗的21%，导致都柏林实施了暂停措施。
- 在乌拉圭，一个大型数据中心的建设与蒙得维的亚的干旱同时发生，导致饮用水短缺。
电子垃圾和透明度
到2030年，AI基础设施可能每年产生250万吨电子垃圾，主要是过时的处理器，这些垃圾将堆积在资源较少的国家。
此外，专家指出该行业的缺乏透明度：大部分数据来自旧模型，如GPT-4，这限制了估计的准确性。
联合国的建议
报告提出了减轻影响的措施：
- 要求运营商提供标准化的环境足迹报告。
- 通过设计促进效率，避免使用大型模型来完成简单任务。
- 增加资源消耗的透明度。
AI不仅仅是算法和模型：背后还有一个涉及水、电、土地和废物消耗的真实物理和环境影响。
挑战在于确保这场技术革命在地球的界限内发展，平衡创新与可持续性和全球公正。
