联合国研究人员称，到2030年，人工智能将使数据中心的能耗和耗水量翻倍
一句话看懂：联合国大学（UNU）研究预测，到2030年，全球数据中心的电力消耗和用水量将在当前基础上翻倍，主要驱动力是大规模AI模型训练和推理需求的爆发式增长。这意味着AI的指数级算力需求正从技术问题演变为严峻的资源与环境挑战。
事件核心：发生了什么
联合国大学（United Nations University）的研究人员发布报告指出，由于人工智能技术的快速普及，特别是大型语言模型和图像生成模型的训练与推理需要海量算力，全球数据中心的能耗和耗水量将在2030年前实现翻倍。报告主要基于对当前数据中心扩建速度、AI芯片功耗（如NVIDIA H100/B200等GPU集群）以及冷却用水需求的综合估算。目前，数据中心已占全球总电力消耗的1%至2%，而AI工作负载是其中增长最快、耗能最高的部分。此外，为维持GPU集群稳定运行所需的液冷和蒸发冷却系统，大幅增加了淡水消耗量。
为什么重要
这一预测直接挑战了当前“算力即国力”的主流叙事。如果AI带来的算力增长以双倍的环境成本为代价，那么大模型竞赛将面临来自环保法规、能源供给和水资源约束的现实瓶颈。一方面，云服务商（如微软、谷歌、亚马逊）和AI公司（如OpenAI、Meta）在扩建数据中心时，可能不得不更早面对碳排放合规压力和当地社区的用水抗议。另一方面，这意味着未来AI算力的成本曲线可能不会无限下降——能源和冷却成本占比将显著上升，从而影响大模型API的定价策略以及闭源模型的商业化盈利空间。对于开源模型社区而言，如果小规模微调或本地推理未来能以更低能耗运行，其相对于“越大越好”的闭源路线可能会有新的生态优势。
对用户/开发者/创作者的影响
对于普通用户，短期内AI产品（如ChatGPT、Midjourney等）的订阅价格可能不会直接飞涨，但长期看，如果云服务商将增加的能源和用水成本向下游传导，AI服务的月费或API调用价格面临上涨压力。对于开发者和企业，在采购算力或选择模型时，除了关注token价格和推理速度，“能效比”（每瓦特算力产出）和“冷却方式”（是否依赖大量淡水）可能成为新的技术选型指标。对于内容创作者，频繁使用AI生成高清图像或长视频，背后对应的碳排放和水耗同样不容忽视；一些平台可能在未来推出“绿色AI渲染”选项，以较低算力换取更长的生成时间。此外，开发者社区中针对“低功耗推理”的技术探讨，如量化模型、边缘设备部署等，将获得更多实际商业价值，而不仅仅是学术兴趣。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，主要云厂商（如AWS、Azure、Google Cloud）是否会公开其AI数据中心的能效比和用水量数据，并推出“绿色算力”分级服务。第二，各国家地区的环保监管政策是否会对新建AI数据中心实施更严格的能源和用水审批，尤其是在水资源紧张的地区（如美国西部、中国华北）。第三，AI芯片厂商（如NVIDIA、AMD、Intel）和服务器设计商在下一代产品中是否能显著降低单位计算的功耗和冷却需求，具体技术路线和发布时间值得跟踪。
