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
AI 系统依赖物理基础设施：GPU、服务器、数据中心、电网、冷却系统、水资源和全球网络。它们的环境足迹取决于使用了多少计算、计算在哪里运行、数据中心效率如何，以及本地可用的能源和冷却资源。Stanford AI Index 等报告提供了有用背景，但 TheAIMeters 结合多个公开来源、估算和方法假设，而不是依赖单一参考。
AI 影响可视化
AI 消耗看起来是什么样子
查看 AI 用水量、电力消耗和碳排放如何转换为现实世界中的等价比较。
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
AI 的环境影响既来自大型模型训练，也来自每天处理数十亿次推理请求。训练需要巨大的计算能力峰值，而推理工作负载则对全球基础设施形成持续的长期需求。Stanford AI Index 2026 通过分别追踪训练排放、推理能耗估算和 AI 数据中心电力容量，突出了这种双重压力。
数据中心与制冷
AI 数据中心把大量计算集中在高密度 GPU 集群中。因此，冷却、水资源可用性、供电和本地电网容量，都是 AI 基础设施环境影响的核心因素。Stanford AI Index 2026 估计，到 2025 年第四季度，全球 AI 数据中心电力容量约为 29.6 GW，这是有用的规模信号，而不是完整的实时清单。
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。模型大小、硬件类型、利用率、数据中心位置、冷却技术、电力结构，以及训练和推理之间的比例，都可能改变最终足迹。外部报告可以提供重要锚点，但 TheAIMeters 应被理解为基于多个来源构建的透明方向性估算，而不是官方测量。
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。
AI 消耗看起来是什么样子
查看 AI 用水量、电力消耗和碳排放如何转换为现实世界中的等价比较。
人工智能在机器人技术中是如何应用的？
在机器人领域，人工智能被用于帮助机器感知环境、理解指令、规划行动，并利用基于数据、仿真和演示训练而成的模型来适应现实世界中的任务。
AI 正如何改变网络安全？
AI 正在同时改变攻防两端：防御者用它更快检测、调查和响应，而攻击者可以用它扩大钓鱼、自动化和社会工程的规模。
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。