人工智能数据中心对环境有害吗？

人工智能数据中心确实会给环境带来实际压力，但若断言所有人工智能数据中心都会自动对环境造成危害，这种说法未免过于简单化。相同的工作负载所产生的影响可能因电网、冷却系统、当地水资源状况以及硬件能效的不同而大相径庭。

一个主要使用低碳电力供电、采用高效制冷技术并实行透明报告机制的数据中心，其碳足迹与那些依赖化石能源占比高的电网、消耗当地稀缺水资源或给本已紧张的电力系统增添压力的数据中心截然不同。

真正有意义的问题并非从抽象层面探讨人工智能数据中心是好是坏，而是它们消耗什么资源、位于何处、取代或促进了什么，以及当地社区能否清楚地看到其中的利弊权衡。

人工智能数据中心的存在是为了进行计算。大型人工智能系统依赖于密集排列的GPU机架、高带宽网络、存储设备、内存以及供电设备。当这些系统进行模型训练或处理推理请求时，会持续消耗电力。

该电力对环境的影响在很大程度上取决于电网。来自低碳电网的1兆瓦时电力，其气候影响与主要由煤炭或天然气产生的1兆瓦时电力不同。这就是为什么地理位置与建筑内部的硬件设备同样重要。

关于人工智能为何消耗如此多能量的更深入解释，请参阅 人工智能为何耗电如此之多？.

AI 芯片会产生热量。数据中心必须将这些热量散发出去，以确保服务器的可靠性和效率。有些设施采用空气冷却，有些采用冷水循环系统，有些采用蒸发冷却，还有许多采用根据室外条件动态调整的混合设计。

在某些情况下，水冷系统可以降低用电需求，但也可能增加当地的用水量。这种权衡并非天然好或坏，而是取决于当地的气候、水资源压力、能源结构，以及所用水源是饮用水、再生水还是经过其他方式处理的水。

有关冷却和用水情况的更多详情，请参阅 为什么人工智能数据中心耗水量如此之大？.

人工智能数据中心的大部分碳排放属于间接排放。服务器通常不会在数据中心内直接排放二氧化碳，但为其供电的电力可能来自电网某处的化石燃料。

这意味着，同一款AI模型的碳足迹会因其运行的时间和地点不同而有所差异。区域电网强度、可再生能源采购比例、备用发电能力以及每小时电力匹配情况，都会影响其实际碳足迹。

由于针对人工智能的详细能源来源数据很少公开，因此碳排放估算值应仅作为参考。透明的假设比假装已知确切的全球总数更具可信度。

数据中心是实体工业设施。它们需要土地、电网接入、变电站、光纤、备用系统、建筑材料以及制冷基础设施。即使全球排放问题是当前的焦点，当地的影响仍可能决定一个项目能否获得批准。

社区可能会担心用水问题、电费、电网拥堵、噪音、税收优惠、土地使用、施工带来的干扰，以及承诺的就业岗位是否与公众支持的规模相称。这些担忧在各地并不完全相同。

正因如此，一项严谨的环境评估不应仅关注人工智能的总体需求，还应考察特定数据中心对特定电网、流域和社区的影响。

关于人工智能基础设施的公开披露正在改善，但仍不完整。许多公司虽然披露了企业的能耗或用水量数据，却并不总是提供将人工智能工作负载、单个设施或特定模型服务系统单独列出的所需细节。

如果没有明确的披露信息，外部估算必须综合考虑公开报告、基础设施假设、硬件规格以及相关研究。这可以得出有用的数量级估算，但不应将其与经过审计的设施级测量数据混为一谈。

提高透明度将使讨论更具实用性：需要多少电力、使用了哪些电网资源、冷却系统如何运作、涉及哪些水源，以及相关影响随时间推移如何变化。

通过采用更高效的芯片、优化模型部署、缩小专用模型规模、热能回用、改进冷却系统、优化选址、使用低碳电力以及制定更严格的报告标准，可以降低人工智能数据中心的环境足迹。

仅靠效率提升并不能保证总体影响会降低。如果人工智能的使用增速超过效率提升的速度，总用电需求、制冷需求以及基础设施建设规模仍可能增加。

现实的结论颇为复杂：人工智能数据中心本身并非坏事，但它们并非毫无影响。其环境表现取决于工程设计选择、当地资源限制、公众问责机制，以及它们所服务的需求规模。