联合国研究：AI 用水 2030 年耗 9.3 兆公升，相当于 13 亿人需求

联合国大学水、环境与健康研究所（UNU-INWEH）研究员 Miriam Aczel（报告主要作者）于 6 月 7 日警告，到 2030 年，运行 AI 系统的数据中心设施每年可能消耗 9.3 兆公升水，相当于撒哈拉以南非洲 13 亿人口的年度基本用水需求。

确认的三项 2030 年资源估算

依据 UNU-INWEH 的报告，三项主要资源估算数字如下：年度用水量达 9.3 兆公升（等同 13 亿人年度基本用水需求）；电力消耗达 945 太瓦时；土地需求超过 14,500 平方公里（涵盖场地、能源基础设施和供应链）。

加州大学河滨分校计算工程教授任少雷（透过《国家报》英文版）表示：「这份报告及时且重要地提醒我们，AI 不仅限于模型和算法，还会对数据中心、电力系统、供水系统、土地利用和硬件供应链产生实际的物理和环境影响。」

确认的 AI 资源消耗机制

AI 推论（即日常使用，非训练）占 AI 总能源消耗的 80% 至 90%，使每日例行使用成为主要资源消耗源。ChatGPT 每天处理约 25 亿个提示讯息；一次标准聊天机器人对话消耗的能源远高于简单分类任务。魁北克 AI 研究所研究员 Alex Hernandez 指出，目前 AI 系统的能耗仍难以精确测量，这限制了预测的准确性。

常见问题

UNU-INWEH 的 9.3 兆公升水预测的计算基础是什么？

UNU-INWEH 的用水估算涵盖两个层面：数据中心冷却系统的直接用水（水足迹），以及与电力生产相关的间接用水。报告将电力来源的水消耗纳入了计算框架，而不仅限于数据中心场地的直接水消耗。研究员 Alex Hernandez 指出，目前 AI 设施的能耗数据本身仍难以精确测量，因此这一估算存在固有的不确定性。

碳减排措施为何会导致用水量增加 30 倍以上？

依据 UNU-INWEH 的研究分析，将数据中心电力从煤炭转向生物能源是一种常见的碳减排路径，可使碳排放减少约 70%；但生物能源种植需要大量灌溉用水，同时占用大量农业用地，导致用水量增加 30 倍以上、土地利用量增加约 100 倍。Aczel 指出，仅以碳排放作为环境影响的衡量标准，会掩盖这些水资源和土地的代价。

效率更高的 AI 模型是否能显著降低水资源消耗？

UNU-INWEH 报告提到了「反弹效应」的风险：更便宜、更高效的 AI 可能降低单次使用的资源消耗，但成本降低通常导致使用频率大幅增加，最终可能使整体资源消耗高于效率提升前的水准。因此，模型效率提升是否能在宏观层面减少 AI 对水资源的影响，取决于使用规模的增长速度是否超过效率提升幅度。