随着人工智能在日常生活中的使用在近年来激增，支撑其运作的计算基础设施的能源需求也随之增加。但这些大型数据中心的环境代价，因其消耗数十亿瓦的电力并需要大量水进行冷却，变得难以量化且影响过于分散。
现在，康奈尔大学的研究人员利用先进的数据分析技术——当然也用到了一些人工智能——创建了一个关于这种环境影响的逐州分析。
研究小组发现，到2030年，当前的人工智能增长率每年将向大气中排放2400万到4400万吨二氧化碳，相当于在美国公路上增加500万到1000万辆汽车所排放的二氧化碳。它还将每年消耗731亿到1125亿立方米的水——相当于600万到1000万美国家庭一年的用水量。累积效应将使得人工智能行业实现净零排放目标变得更加困难。
值得庆幸的是，这项研究还提出了一条可行的路线图，通过智能选址、更快的电网脱碳和提高运营效率，将这些影响与最坏情况相比减少约73%（二氧化碳）和86%（水）。
这些研究结果已发表在《自然可持续性》期刊上。第一作者是过程-能源-环境系统工程（PEESE）实验室的博士生生肖天琦。
“人工智能正在改变社会的每个领域，但其快速增长带来了在能源、水和碳方面的实际影响，”康奈尔工程学院能源系统工程的罗克珊·E·扎克和迈克尔·J·扎克教授冯琦（Fengqi You）说，他领导了这个项目。
“我们的研究旨在回答一个简单的问题：考虑到人工智能计算的快速发展，它将走向什么样的环境轨迹？更重要的是，哪些选择能引导它走向可持续发展？”
为了量化国家人工智能计算基础设施的环境足迹，团队三年前开始汇编“多个维度”的财务、市场和制造数据，以了解该行业是如何扩展的，并结合特定地点的电力系统和资源消耗数据，以及它们如何与气候变化相联系。
“有很多数据，这是一项巨大的努力。可持续性信息，如能源、水和气候，通常是公开的。但工业数据很难获取，因为并不是每家公司都会报告所有信息，”冯琦说。“当然，最终我们仍然需要考虑多种情景。没有一种方法适用于所有情况。每个地区的法规都不同。我们还使用人工智能来填补一些数据空白。”
但仅仅预测影响是不够的。研究人员还希望提供基于数据的建议，以实现人工智能基础设施的可持续增长。
“没有灵丹妙药，”你说。“选址、电网脱碳和高效运营是相辅相成的，这样才能实现大约73%的碳减排和86%的水减排。”
迄今为止，最重要的因素之一：位置、位置、位置。
目前许多数据中心正在水资源匮乏的地区建设，例如内华达州和亚利桑那州。在一些中心，例如北弗吉尼亚，快速聚集可能会对当地基础设施和水资源造成压力。
如果将设施选址在水压力较低的地区，并提高冷却效率，水需求可以减少约52%；而结合电网和运营的最佳实践，总水减排可达到86%，研究发现。中西部和“风带”州，特别是德克萨斯州、蒙大拿州、内布拉斯加州和南达科他州，提供了最佳的碳和水综合表现。
“由于拥有核能、水电和日益增长的可再生能源的清洁电力组合，纽约州仍然是一个低碳、气候友好的选择，”你说，“尽管优先考虑水高效冷却和额外的清洁能源是关键。”
如果脱碳进程跟不上计算需求，排放可能会增加约20%。
“即使每千瓦时变得更清洁，如果人工智能的需求增长速度超过电网的脱碳速度，总排放量也可能上升，”尤说。“解决方案是在人工智能计算扩展的地方加速清洁能源转型。”
然而，电网的脱碳只能做到这么多。即使在雄心勃勃的高可再生能源情境下，到2030年，二氧化碳排放量相比基线将下降约15%，并且仍将有大约1100万吨的剩余排放，需要大约28吉瓦的风能或43吉瓦的太阳能容量才能实现净零排放。
研究人员确定，部署一系列节能和水效技术，例如先进的液体冷却和改进的服务器利用率，可能会再减少7%的二氧化碳排放，同时水使用量也能降低29%，当两者结合时，总水减少量可达32%。
根据尤的说法，随着OpenAI和谷歌等公司不断投入更多资金快速建设人工智能数据中心以跟上需求，这是行业、公用事业和监管机构之间进行协调规划的关键时刻，以避免地方水资源短缺和更高的电网排放。
“这是一个建设的时刻，”他说。“我们在这个十年做出的人工智能基础设施选择将决定人工智能是助力气候进步，还是成为新的环境负担。”
共同作者包括来自瑞典斯德哥尔摩KTH皇家理工学院、加拿大蒙特利尔的康考迪亚大学以及意大利米兰的RFF-CMCC欧洲经济与环境研究所的研究人员。
更多信息： Tianqi Xiao等，研究了美国可持续人工智能服务器的环境影响和净零路径，《自然可持续性》（2025年）。 数字对象标识符（DOI）：10.1038/s41893-025-01681-y
热门跟贴