联合国报告指出，到2030年 AI 冷却用水量可能超过全球人口的年度饮水需求。

面对数据中心能源与资源需求持续攀升的担忧，业界常见的回应是：AI 模型未来会变得更高效、单位算力消耗更少，所以不必过度担心。但一份新的联合国报告直接否定了这种逻辑，称其为"效率陷阱"。报告量化了AI的环境成本，估计到2030年，AI的能源消耗可能翻倍，将消耗全球3%的电力，产生相当于英国全国总排放量的温室气体，而其冷却用水量将超过全球人口的年度饮水需求。

报告的核心论据来自一个诞生于160年前的经济学概念：杰文斯悖论。19世纪英国经济学家威廉·斯坦利·杰文斯在研究英格兰煤炭使用时发现了一个反直觉的现象，当蒸汽机技术改进使每单位功率消耗的煤炭减少时，煤炭的总消耗量不但没有下降，反而大幅飙升。原因在于效率提升降低了使用成本，从而催生了更广泛的应用场景和更大的总需求。报告认为，AI 正走在完全相同的路径上。随着模型变得更便宜、更快、更具吸引力，各行各业将涌现出前所未有的用途和更高的使用量，其带来的增量将远远抵消单次运算效率改进所节约的资源。

具体数字令人警醒。去年，全球数据中心消耗的电力已与沙特阿拉伯全国用电量相当，而沙特是全球第11大电力消费国。如果电力使用如预期在2030年翻倍，相应的碳足迹需要67亿棵树生长整整十年才能抵消。数据中心还将需要9.3万亿升水用于冷却系统，以及近十倍于墨西哥城面积的土地来安置基础设施。

报告还强调了AI繁荣在结构上的深刻不公。全球仅有32个国家拥有AI专用云基础设施，且其中高达90%的容量集中在美国和中国这两个国家。在建设并控制AI系统的少数国家与仅被动消费AI的广大国家之间，数字鸿沟正在急剧扩大。后者往往承受着AI供应链中最沉重的环境代价，包括稀土矿产开采带来的生态破坏和电子废弃物的不当处置，却几乎享受不到AI带来的经济红利。

报告提出了一套负责任AI使用路线图，核心原则包括全生命周期透明度、效率优先的设计理念、公平与正义的全球分配、从矿产采购到回收处置的全链条责任，以及跨国界的合作与可持续使用。作者 Amanda Turnbull-McRae 指出，新西兰和澳大利亚等国家目前采取的是基于原则的"轻触式"AI监管，但这种方式存在一个关键盲区：没有要求强制性的环境信息披露，也没有监管机构统计AI的能源使用与排放。她警告说，自然环境是一切经济、文化和福祉的根基，而AI日益增长的环境成本无法仅靠技术进步本身来解决，需要从根本上重新思考AI创新的游戏规则。

本文译自 sciencealert，由 BALI 编辑发布。