‹ 返回

AI算力背後的缺水與斷電危機：聯合國2026報告揭密人工智慧的巨大環境代價

 

 

圖靈學院編輯部
2026-6-10

 

引言：無形演算法背後的有形代價

 

    在第四次工業革命的浪潮中，人工智慧（AI）已不再只是科技巨頭的實驗室產物，而是化身為文本翻譯、醫療診斷、金融預測、甚至全自動駕駛的核心驅動引擎。自2022年ChatGPT橫空出世、並在短短兩個月內突破一億用戶以來，生成式AI正以超乎想像的速度普及。然而，當全球數十億用戶沉浸在「彈指間生成精美圖文與影片」的科技便利時，一場 quiet且難以逆轉的全球環境危機正在實體世界中蔓延。

 

    聯合國大學水資源、環境與健康研究所（UNU-INWEH）在其成立30週年之際，發布了名為《AI能源消耗的環境代價：碳、水與土地足跡》的研究報告 。這份報告打破了過往「僅關注碳排放」的單一視角，首次將隱藏在「雲端」背後的電力消耗、水資源消耗及土地佔用進行量化評估。報告明確指出：「AI絕非僅僅是程式碼，它是水泥、銅線、矽晶圓、鋰礦、土地，更是大量的清水與源源不絕的電力。」 

一、 AI 的「胃口」有多大？從模型訓練看隱形資源吞噬者

 

    AI的生命週期主要分為兩個階段：「模型訓練（Training）」與「推理應用（Inference）」 。在訓練階段，為了讓AI具備驚人的智慧，科技公司必須將海量數據輸入數萬顆尖端晶片中，進行長達數月的不間斷運算，這是一場極致消耗能源的過程。

報告列出了令人震驚的數據對比：

 

• GPT-3 到 GPT-4 的狂飆： 舊款的GPT-3在34天的訓練期內消耗了約1.3 GWh（百萬度）的電力 ；然而，到了GPT-4，其訓練時間拉長至100天，電力消耗驟增至50至70 GWh ——這相當於GPT-3的40到55倍，更等同於撒哈拉以南非洲地區超過46萬人一整年的住宅用電總和！

• 估算中的 GPT-5 黑洞：報告更進一步預測，下一代 frontier model（如GPT-5規模的模型）在訓練階段的電力需求將一舉突破 100 GWh ，其背後產生的水足跡高達 10億公升（100萬立方公尺） ，足以滿足非洲13.5萬人全年的基本生活用水需求。

• 被犧牲的森林與土地： 僅僅訓練一個GPT-4模型，其碳排放量就高達2.5萬噸二氧化碳當量(CO2e )。如果要完全抵消這些碳排放，需要種植42萬棵樹苗並讓其生長10年，這相當於倫敦海德公園樹木總數的105倍。在土地足跡方面，GPT-4與預估中的GPT-5訓練電力設施分別需要佔用約0.9平方公里與1.5平方公里的土地（相當於126個及210個標準足球場）。

 

二、 日常點擊的累積：每一次問答、製圖都在蒸發地球水源

 

    許多人誤以為，只要AI模型訓練完成，科技公司就能一勞永逸。但聯合國報告揭露了一個殘酷的事實：雖然單次訓練的資源強度極高，但在AI部署後的「推理應用階段」（即全球數十億用戶日常向AI提問、尋求回應的互動），才是真正吃掉80%至90% AI總體能源的無底洞。 目前，僅ChatGPT一家平台每天就要處理大約 25億條提示詞（prompts） 。在精細量化後，不同媒介形式（Modalities）的能耗差異呈現幾何級數的放大 ：

 

1. 純文字檢索： 點擊一次ChatGPT進行標準文字回應，雖然平均僅消耗約0.42 Wh的微量電力，但乘以每日25億次的恐怖基數後，ChatGPT一年就吃掉 383 GWh 的電量。其背後的年水足跡高達38億公升，相當於50萬非洲居民的一年飲用水。這比傳統的「垃圾郵件過濾」等基本文字分類工作，能耗高出整整 200倍。

 

2. 生成式圖片：生成一張標準解析度的AI圖片需要 2.9 Wh 的電力，是純文字問答的數倍 。這點電量足以讓一盞10瓦的LED燈泡連續發光17分鐘。而每生成一張圖，就會連帶消耗 28.6毫升的水（約兩湯匙）。全球每天若生成3億張AI圖片，一年累積下來的水足跡就超過30億公升。

 

3. 生成式影片：網際網路的新能源噩夢。 生成式影片是目前AI能耗的最高峰。利用大型模型生成一段高解析度的長影片，單次點擊即可耗電超過 415 Wh ——這幾乎等同於20萬次垃圾郵件分類的總和，且足以讓10瓦的LED燈泡不間斷燃亮 42小時！在水資源方面，生成一段複雜的AI影片，其關聯水足跡高達 4.1公升，這已經超越了一個成年人兩天的基本飲用水需求。

三、 數據中心：名列全球第11大的「隱形用電大國」

 

    這些龐大的AI演算法，究竟在哪裡消耗地球資源？答案是遍布全球、內部由成千上萬台伺服器整齊排列的「數據中心（Data Centers）」。報告指出，在2025年，全球數據中心的總耗電量已達到驚人的 448 TWh（十億度）。如果將全球數據中心視為一個國家，它的用電量將高居全球第11位！ 2025年數據中心的總耗電量，足以讓撒哈拉以南非洲13億人口的住宅用電連續運轉2.6年。隨著AI工作負載（Workloads）在數據中心內所佔的比例從2025年的20%迅速攀升，預計到2030年將達到40%。這意味著在2030年，全球數據中心的總電力消耗將大突破，預計飆升至 945 TWh：

 

• 電力衝擊： 945 TWh將佔屆時全球總電力的近3% 。若將其視為國家，將躍升為全球第6大用電國。僅AI工作負載單獨消耗的電量（約378 TWh），就是世界第六大人口國奈及利亞全國用電量的9倍以上。
• 水資源黑洞： 2030年數據中心的關聯水足跡將達到 9.3兆公升，這等同於非洲13億居民一整年的基本生活用水總和。由於高密度AI伺服器運作時會產生致命高熱，多數大數據中心不得不仰賴「水冷系統」進行直接散熱。報告點名，位於美國亞利桑那州沙漠中的Google Mesa數據中心，每年獲准抽取高達550萬立方公尺的水資源，在極度乾旱的缺水區域與當地農業及民生用水直接爭利。
• 土地與電子垃圾危機： 2030年維持這些數據中心運作的電力設施，將佔用高達14,500平方公里的土地（相當於10個墨西哥城）。更糟糕的是，AI晶片（GPU）的淘汰週期極短 。報告預估到2030年，全球因AI硬體升級產生的電子垃圾（e-waste）每年將高達 250萬公噸 ——相當於每年遺棄 250座巴黎艾菲爾鐵塔 的高毒性廢棄物。

四、 綠能的迷思：低碳不等於「低水」與「低土地」

 

    許多科技巨頭紛紛宣稱其數據中心已達到「100%再生能源（綠能）」或「淨零碳排」，並試圖以此證明AI是綠色環保的。然而，聯合國報告提出了極具批判性的警告：「低碳」並不等同於「低水」或「低土地」佔用。 

這是一場複雜的資源權衡（Trade-offs）：

 

• 許多依賴化石燃料的傳統電網雖然碳排放極高，但其發電過程的土地佔用率和直接耗水量有時反而較低。
• 相反地，大規模發展太陽能和風力發電雖然能大幅削減碳排放，卻需要鋪天蓋地的土地面積（土地足跡）；而大型核能或生質能發電，在冷卻與生產過程中同樣會消耗極為龐大的水資源。

 

    報告強調，若僅用「碳排放」單一指標來定義AI的永續性，將會掩蓋其對地方水資源與土地帶來的實質壓迫，甚至導致科技大國將「战略利益留給自己，卻將環境破壞與資源枯竭的代價轉嫁給發展中國家」的數位殖民主義現象。

結論與解方：如何建立負責任的 AI 生態系？

 

    科技的進步不應以犧牲地球的生命之源——水與能源——為代價。面對這場迫在眉睫的科技環境危機，聯合國大學在報告結尾呼籲全球各界立即採取行動，並提出六大核心治理原則 ：

 

1. 政府應納入國土與能源規劃： 各國政府在審查數據中心興建許可時，絕不能只看經濟產值，必須將AI硬體納入當地的水資源管理、電網負荷及土地變更審查中，並實施強制性的「環境足跡標準化報告」制度 。

 

2. 企業落實「綠色永續設計（Efficiency-by-Design）」： AI開發商（如OpenAI、Google、Anthropic等）應將演算法的節能表現視為核心指標 ，在使用者介面（UI）中提供「節能/精簡回應模式（Concise modes）」提示，引導用戶減少不必要的高能耗推理。

 

3. 大眾踐行「實用適度用量（Fit-for-Purpose）」： 身為一般用戶，我們也應建立「資源有價」的意識。在日常工作中，對於簡單的文字分類或查閱，應避免動輒呼叫資源消耗量高出數千倍的「深度思考模型」或「AI製圖、影片生成功能」。保持對資源的敬畏，選擇最輕量、最合適的科技工具，才能在享受人工智慧帶來的跨時代紅利之餘，為子孫後代留下一片有水、有電、生生不息的地球。

本文關鍵數據一覽表:

 

 

 

資料來源： 
United Nations University - Institute for Water, Environment and Health (UNU-INWEH), Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints (2026).