聯合國研究：AI 用水 2030 年耗 9.3 兆公升，等同 13 億人需求

聯合國大學水、環境與健康研究所（UNU-INWEH）研究員 Miriam Aczel（報告主要作者）於 6 月 7 日警告，到 2030 年，運行 AI 系統的資料中心設施每年可能消耗 9.3 兆公升水，相當於撒哈拉以南非洲 13 億人口的年度基本用水需求。

確認的三項 2030 年資源估算

依據 UNU-INWEH 的報告，三項主要資源估算數字如下：年度用水量達 9.3 兆公升（等同 13 億人年度基本用水需求）；電力消耗達 945 太瓦時；土地需求超過 14,500 平方公里（涵蓋場地、能源基礎設施和供應鏈）。

加州大學河濱分校計算工程教授任少雷（透過《國家報》英文版）表示：「這份報告及時且重要地提醒我們，AI 不僅限於模型和演算法，還會對資料中心、電力系統、供水系統、土地利用和硬體供應鏈產生實際的物理和環境影響。」

確認的 AI 資源消耗機制

AI 推論（即日常使用，非訓練）佔 AI 總能源消耗的 80% 至 90%，使每日例行使用成為主要資源消耗源。ChatGPT 每天處理約 25 億個提示訊息；一次標準聊天機器人對話消耗的能源遠高於簡單分類任務。魁北克 AI 研究所研究員 Alex Hernandez 指出，目前 AI 系統的能耗仍難以精確測量，這限制了預測的準確性。

常見問題

UNU-INWEH 的 9.3 兆公升水預測的計算基礎是什麼？

UNU-INWEH 的用水估算涵蓋兩個層面：資料中心冷卻系統的直接用水（水足跡），以及與電力生產相關的間接用水。報告將電力來源的水消耗納入了計算框架，而不僅限於資料中心場地的直接水消耗。研究員 Alex Hernandez 指出，目前 AI 設施的能耗數據本身仍難以精確測量，因此這一估算存在固有的不確定性。

碳減排措施為何會導致用水量增加 30 倍以上？

依據 UNU-INWEH 的研究分析，將資料中心電力從煤炭轉向生物能源是一種常見的碳減排路徑，可使碳排放減少約 70%；但生物能源種植需要大量灌溉用水，同時佔用大量農業用地，導致用水量增加 30 倍以上、土地利用量增加約 100 倍。Aczel 指出，僅以碳排放作為環境影響的衡量標準，會掩蓋這些水資源和土地的代價。

效率更高的 AI 模型是否能顯著降低水資源消耗？

UNU-INWEH 報告提到了「反彈效應」的風險：更便宜、更高效的 AI 可能降低單次使用的資源消耗，但成本降低通常導致使用頻率大幅增加，最終可能使整體資源消耗高於效率提升前的水準。因此，模型效率提升是否能在宏觀層面減少 AI 對水資源的影響，取決於使用規模的增長速度是否超過效率提升幅度。