注：此报告仅来自单一来源，尚待核实。

根据联合国大学的一项研究，到 2030 年，支持人工智能流程的数据中心每年可能消耗高达 945 太瓦时的电力，几乎是巴基斯坦、孟加拉国和尼日利亚三国年用电量总和的三倍，而这三个国家加起来共有超过 6.5 亿居民。

除了碳排放之外，这些中心使用的每一单位电力都需要大量的水用于冷却和能源生产，以及与发电和供应链相关的土地占用。报告指出，到本十年末，人工智能相关的用水量可能足以满足13亿人的基本年度家庭用水需求，而其占地面积可能超过14500平方公里——大约是雅加达都市区面积的两倍。

该研究凸显了人工智能环境影响评估方面存在的巨大差距，指出仅关注模型训练相关的温室气体排放忽略了其他重要因素。报告称，一些减少碳排放的可再生能源转型可能会增加对水和土地资源的需求，尤其是在资源匮乏地区，这将带来严峻挑战。

大部分能源需求来自人工智能的日常使用，约占总能耗的 80% 至 90%。例如，一项广泛使用的人工智能服务每天处理约 25 亿条提示信息，每年消耗数百吉瓦时的电力。不同任务的能源需求差异显著，生成一张人工智能图像所需的能量是简单文本分类的千倍以上，而视频生成所需的能量则更高。报告指出，仅靠提高效率可能无法降低总体能耗，因为性能提升会带来反弹效应——性能的提高会刺激更多使用，从而导致更高的总资源需求。

人工智能基础设施带来的环境负担并非在全球范围内均匀分布。尽管人工智能的益处惠及全球，但其资源成本往往集中在特定地区，而数据中心在这些地区已占据了相当大比例的全国电力消耗，从而加剧了当地能源系统的压力。