不僅耗電，研究發現AI也極度耗水，也顯示了資源分配將成為重要課題之一。示意圖。unsplash by xcrap
生成式AI掀起全球算力競賽，各國加速興建資料中心，但聯合國大學水、環境與健康研究所（UNU-INWEH）最新報告指出，2030年全球資料中心用電量將達945太瓦時（TWh），約占全球用電量3%；耗水量更相當於13億人一年的基本生活用水需求。研究警告，AI正快速成為國家級資源消耗者，若缺乏完善治理，恐加劇資源分配不均與環境負擔。
過去AI永續討論多聚焦於模型訓練產生的碳排放，聯合國大學水、環境與健康研究所（UNU-INWEH）近日最新報告卻指出，這種評估方式忽略了水資源與土地利用成本。報告強調，AI每消耗一度電，除了產生碳足跡，也伴隨冷卻、發電所需的水足跡，以及能源設施與供應鏈帶來的土地足跡。
研究發現，以生質能取代燃煤雖可降低約70%碳排，但用水量可能增加30倍、土地需求更高達100倍，顯示「低碳」不等於「低耗水」或「低占地」。因此，研究團隊呼籲AI環境揭露應同步納入碳、水、土地三大指標。
數據顯示，全球資料中心2025年用電量已達448太瓦時（TWh），若視為單一國家，將成為全球第11大用電體；2030年更預估增至945TWh，並伴隨3.99億噸碳排、9.3兆公升用水及逾1萬4500平方公里土地需求。
★台灣第一個ESG與USR永續整合平台，加入ESG遠見共好圈★
真正耗能的是日常使用：「推論」已占近九成AI能源需求
聯合國這份報告指出，AI耗能主力已不再是模型訓練，而是模型上線後的「推論」（Inference）階段，推論目前占整體AI能源需求的80%至90%。以ChatGPT為例，每天處理約25億次提示詞請求，單一年耗電量約383GWh，一年耗水量相當於50萬人一年的基本生活用水需求。
報告也發現，不同AI任務的能耗差異極大，一般聊天查詢約為基礎文字分類的200倍，生成AI圖片高達1450倍，高複雜度AI影片甚至相當於20萬次垃圾郵件分類作業。研究團隊指出，模型選擇、回應長度、輸出解析度及產品預設設定都會影響能源消耗，但多數使用者難以察覺。
這份報告引用「傑文斯悖論」表示，效率提升未必降低總耗能，當AI變得更便宜、更普及後，需求往往同步增加，抵銷節能成果。因此，專家呼籲除提升模型效率外，也應建立使用量、輸出長度與解析度等管理機制。
誰享受AI紅利？誰承擔環境代價？
報告指出，AI基礎建設不僅帶來資源消耗問題，也逐漸成為環境正義議題。目前全球僅32個國家擁有AI專用資料中心，超過90%的算力集中於美國與中國，逾150個國家幾乎沒有自主算力能力，使AI帶來的利益與環境成本分配高度失衡。
報告認為，資料中心所在地居民未必是AI主要受益者，卻往往優先承擔缺水、缺電與土地開發壓力，目前部分地區已出現資源壓力。愛爾蘭2023年資料中心用電量占全國用電21%，甚至超過所有城市住宅總和，因此暫停都柏林新資料中心申設至2028年；墨西哥克雷塔羅面臨資料中心擴張加劇缺水問題；烏拉圭則曾在乾旱期間推動高耗水資料中心計畫，引發民生用水爭議。
此外，AI供應鏈也帶來新的環境風險。研究推估，2030年AI相關電子廢棄物將達250萬噸，相當於每年丟棄近250座艾菲爾鐵塔。支撐AI發展的關鍵礦物多來自環境監管較弱地區，而報廢設備也常流向處理能力不足的低收入國家。
面對AI快速擴張，聯合國提出透明揭露、效率設計、環境正義、全生命週期責任、國際合作及永續使用六大治理原則，並建議將資料中心納入能源、水資源與國土規劃管理，建立統一的碳、水、土地足跡揭露制度。
研究團隊強調，AI並非環境問題本身，關鍵在於如何在技術發展與地球資源限制間取得平衡，避免算力競賽以犧牲環境與公平為代價。
延伸閱讀：ESG每週必讀》算力即獲利！黃仁勳攜手台灣「節能黑科技」改寫AI賽局
💧 AI 隱形環境代價 QA
不只碳排放。聯合國報告指出，評估 AI 環境成本應同時納入「碳足跡、水足跡、土地足跡」三大指標。例如，改用生質能雖能大幅降低碳排，卻可能讓用水量暴增 30 倍。
目前 AI 耗能主力已從「模型訓練」轉向模型上線後的日常「推論（Inference）」階段，占整體能源需求高達 80% 至 90%。且任務愈複雜愈耗能，如生成圖片的耗能高達一般文字查詢的 1450 倍。
全球逾 90% 的 AI 算力集中於中美等少數國家，但資料中心所在地的居民卻常被迫優先承擔缺水、缺電壓力。此外，未來龐大的 AI 電子廢棄物也常流向環境監管較弱的低收入國家，造成資源與代價承擔的嚴重失衡。