用电量
大型人工智能系统通过装满 GPU 和专用硬件的数据中心持续消耗电力。训练和推理工作负载所需的能源可与数千个家庭相媲美。
人工智能对环境的影响
关于人工智能在电力、用水、碳排放、数据中心和计算基础设施等方面环境足迹的实用概述。
人工智能对环境的影响是一个基础设施问题
人工智能系统依赖于物理基础设施：GPU、服务器、数据中心、电网、冷却系统、供水系统以及全球网络。其环境足迹取决于计算量的多寡、运行地点、数据中心的能效，以及当地可用的能源和冷却资源。
从核心影响问题入手
要理解人工智能的影响，最有效的方法是将主要驱动因素区分开来：电力需求、碳强度、用水量、训练运行、推理流量以及数据中心冷却。以下页面将分别对这些方面进行说明，但不会将TheAIMeters的估算值视为官方总数。
通过现实世界的比较了解人工智能的影响
人工智能基础设施消耗大量电力、冷却水和计算资源。与我们熟悉的现实世界活动相比，这些数字就更容易理解了。
碳排放
与人工智能相关的碳排放在很大程度上取决于为数据中心供电的能源组合。与可再生能源相比，化石燃料发电产生的环境足迹要大得多。
耗水量
现代人工智能基础设施需要大量冷却能力。许多数据中心依赖于水冷却系统，这使得水消耗成为人工智能可持续发展讨论中日益重要的一部分。
耗电量
电力是人工智能基础设施的基础。图形处理器、服务器、网络和冷却系统都会产生能源需求。
更多信息碳排放
与人工智能相关的 CO₂e 排放量取决于所用电力和为数据中心供电的电网的碳强度。
更多信息用水
根据地区和基础设施的不同，水可以通过数据中心冷却直接参与，也可以通过发电间接参与。
更多信息主要环境指南
训练与推理
人工智能对环境的影响既来自于训练大型模型，也来自于每天数十亿次的推理请求。训练需要大量的计算能力，而推理工作负载则对全球基础设施产生持续的长期需求。
数据中心与制冷
人工智能数据中心将大量计算资源集中于高密度GPU集群中。这使得散热、水资源供应、电力输送以及当地电网容量成为影响人工智能基础设施环境影响的关键因素。
人工智能能否提高效率？
研究人员和基础设施提供商正在通过更好的芯片、优化的模型、可再生能源供电的数据中心和更高效的冷却系统，积极提高人工智能的效率。然而，全球人工智能的采用率也在极速增长，这可能会抵消部分成果。
为何估计值仍存在不确定性
公开报告并不完整。模型规模、硬件类型、利用率、数据中心位置、冷却技术、电网能源结构以及训练与推理之间的分配比例，都可能影响最终的能耗足迹。应将AIMeters视为透明、具有指导意义的估算值，而非官方测量数据。
方法
这些指标结合了公共数据、基础设施假设和定期更新。详细假设见方法页面 方法.
相关实时指标
相关文章
人工智能数据中心对环境有害吗？
人工智能数据中心并不一定对环境有害，但其影响取决于电力需求、电网能源结构、用水量、冷却设计、当地限制条件以及信息透明度。
ChatGPT 每天会处理多少查询？
基于公开采用信号，而不是官方实时流量数据，对 ChatGPT 每日 prompt 和查询量进行实用估算。
AI 智能体与工具
了解 AI 系统如何连接工具、数据源、API 和工作流，从而超越简单的文本生成。
人工智能数据中心如何运作
现代人工智能系统依赖于庞大的数据中心，其中装满了 GPU、网络设备、冷却系统和高密度基础设施。这些设施为人工智能训练、推理、图像生成和大规模语言模型提供了动力。
人工智能为何耗电如此之多？
AI 之所以消耗大量电力，是因为训练、推理和全球规模部署都依赖计算密集型基础设施。
为什么人工智能数据中心耗水量如此之大？
人工智能数据中心之所以使用水，是因为高密度GPU服务器会产生热量，必须持续进行散热。水冷技术虽然效率较高，但其对当地的影响取决于气候、冷却设计、发电情况以及水资源的可用性。