CSRone／編譯：陳志宜
當全球投入 AI 競賽，討論焦點多半集中在模型能力、算力需求與產業變革。然而，AI 帶來的環境影響真的只有碳排放嗎？
聯合國大學水、環境與健康研究所（UNU-INWEH）近期發布《Environmental Cost of AI's Energy Use》報告指出，AI 快速發展背後所消耗的不只是電力，還包括大量水資源、土地與關鍵礦物。研究顯示，若依照目前成長趨勢推估，全球資料中心用電量至 2030 年可能達 945 TWh，相當於巴基斯坦、孟加拉與奈及利亞 3 國全年用電總量的近 3 倍；其對應用水量更可能達 9.3 兆公升。
報告認為，未來 AI 治理不能再只關注碳排放，而應同步納入碳足跡（Carbon Footprint）、水足跡（Water Footprint）與土地足跡（Land Footprint），重新思考 AI 發展與自然資本之間的關係。（同場加映：AI 發展背後的能源代價，科技發展與環境永續的矛盾）
AI 最大的環境成本，可能來自每日的用戶
過去外界討論AI環境影響時，多聚焦於大型模型訓練所需的龐大算力。然而，聯合國大學指出，真正推升 AI 能源需求的關鍵，其實是模型部署後的日常使用。
研究估計，AI 總能源消耗中約有 80% 至 90% 來自推論（Inference）階段，也就是使用者每天透過 ChatGPT、Gemini、DeepSeek 等工具進行問答、搜尋與內容生成的過程。以 ChatGPT 為例，目前每天約處理 25 億次提示（Prompt），看似微小的單次互動，累積起來已形成龐大能源需求。
報告指出，雖然 GPT-4 訓練期間估計消耗 50 至 70 GWh 電力，是 GPT-3 的 40 至 55 倍，但從整體生命週期來看，模型上線後持續服務數十億次互動所產生的能源需求，才是 AI 環境足跡快速擴大的主要原因。
隨著生成式 AI 逐漸融入搜尋引擎、客服系統、辦公工具與內容創作平台，AI 能源需求已不再只是科技公司的問題，而成為全球數位基礎設施的重要議題。
AI 從文字走向影像與影片，能源需求正在急速攀升
除了使用次數增加，不同 AI 任務之間的能源消耗差異也十分顯著。
研究指出，一次簡短文字生成約需 0.047 Wh 電力，一般大型語言模型（LLM）回覆約需 0.42 Wh，而長篇回覆則可達 1.9 Wh。相較之下，一張典型 AI 生成圖片約需 2.9 Wh，高解析度圖片則達 4.08 Wh。
換言之，生成一張 AI 圖片所需能源可能超過簡短文字回覆的 60 倍。若進一步比較影片生成，能源需求甚至更高。報告估計，高解析度 AI 影片生成可消耗超過 415 Wh 電力，相當於約 20 萬次垃圾郵件分類作業。
這也意味著，隨著生成式 AI 逐漸從文字應用擴展至圖片、影音、虛擬人與數位內容產業，即使模型效率持續提升，整體能源需求仍可能持續攀升。
值得注意的是，報告同時提到所謂的「反彈效應（Rebound Effect）」。當模型效率提升、使用成本降低後，往往會刺激更多人使用AI服務，進而抵銷部分節能效果。換言之，即使單次運算變得更有效率，整體資源消耗仍可能持續增加。
AI 背後真正被忽略的資源：水
AI 帶來的環境衝擊並不只來自用電。報告指出，每一度電背後都伴隨著冷卻系統、發電設施與供應鏈所產生的環境成本，其中又以水資源最容易被忽略。
2025 年全球資料中心用電量約 448 TWh。若將資料中心視為一個國家，其用電量將排名全球第 11 位。依照目前發展趨勢推估，到 2030 年資料中心用電量可能進一步攀升至 945 TWh，約占全球用電量的 3%。
而這些電力所對應的水足跡將達 9.3 兆公升，相當於滿足 13 億撒哈拉以南非洲居民一整年的基本生活用水需求。
事實上，資料中心的耗水問題已逐漸成為部分地區的公共議題。報告指出，美國亞利桑那州 Google Mesa 資料中心每年獲准使用約 550 萬立方公尺水資源，相當於約 2200 座奧運標準游泳池的容量。在乾旱頻繁發生、水資源壓力升高的背景下，資料中心與地方社區之間的資源競爭也愈來愈受到關注。
除了用水之外，AI 基礎設施也帶來電子廢棄物問題。研究預估，到 2030 年 AI 相關設備每年可能產生高達 250 萬噸電子廢棄物，相當於每年丟棄約 250 座艾菲爾鐵塔。
此外，AI 硬體所需的鋰、鈷、鎵與稀土元素等關鍵礦產，也涉及採礦、冶煉與供應鏈過程中的環境與社會風險。報告指出，若未妥善管理，AI 發展所需的硬體基礎設施可能將環境負擔轉移至資源開採地區。
當全球使用 AI，環境成本卻由少數地區承擔
AI 的效益遍及全球，但其環境成本卻往往集中於特定地區。
目前全球近一半資料中心位於美國，而全球超過 90% 的 AI 專用運算能力則集中於美國與中國兩國。相對地，全球僅 16% 的國家擁有 AI 專用雲端運算基礎設施，超過 150 個國家幾乎沒有本土 AI 算力資源。
這種不均衡分布正形成新的數位與環境落差。
報告分析全球主要資料中心據點發現，即使是相同規模與設計的資料中心，若設置於不同國家，也可能因能源結構差異而產生截然不同的環境衝擊。
例如部分國家因再生能源或核能占比較高，使碳足跡低於全球平均；但在水資源消耗或土地使用方面，卻未必具有相同優勢。這代表單一指標往往無法完整反映 AI 基礎設施的實際環境成本。
研究團隊因此將此現象與「環境正義（Environmental Justice）」連結，認為 AI 治理不只是技術問題，也涉及全球資源分配、公平性與治理責任。
當少數國家掌握算力與經濟利益，而其他地區承擔更多能源、水資源與土地使用壓力時，AI所創造的不只是數位落差，也可能進一步擴大環境不平等。
AI 治理下一步：從減碳走向自然資本管理
這份報告最重要的訊息或許並非AI有多耗電，而是提醒外界重新思考AI的永續治理框架。
研究指出，若 2030 年資料中心用電量達 945 TWh，其對應碳足跡將達 3.99 億噸二氧化碳當量（CO₂e），同時伴隨 9.3 兆公升用水量與超過 14,500 平方公里土地足跡。這顯示 AI 的環境影響已超越傳統減碳範疇，逐漸延伸至自然資本與資源治理層面。
因此，聯合國大學提出「Responsible AI Ecosystem（負責任 AI 生態系）」概念，主張未來 AI 治理不應只關注模型能力與市場競爭，而應同步納入環境與社會成本考量。報告提出 6 項核心原則，包括透明度（Transparency）、設計導向效率（Efficiency by Design）、公平與環境正義（Equity and Environmental Justice）、生命週期責任（Lifecycle Responsibility）、全球合作（Global Cooperation）以及永續使用（Sustainable Use）。
隨著生成式 AI 快速導入客服、知識管理、內容生成、程式開發及供應鏈管理等企業場景，AI 也逐漸從科技公司的技術工具，轉變為企業提升效率與競爭力的重要基礎設施。然而，當企業享受AI帶來的生產力提升時，也意味著其背後的能源、資源與供應鏈需求正在同步增加。
在此趨勢下，AI 的環境影響未來可能如同碳管理、再生能源與供應鏈永續議題一樣，逐步成為企業治理的重要一環。對於已推動淨零轉型、自然相關揭露或永續供應鏈管理的企業而言，AI不只是數位轉型工具，也可能成為新的環境管理課題。
企業導入 AI 前可評估的 3 個問題
1. 供應商是否揭露能源、水資源與碳排放資訊？
除了價格、效能與資安之外，企業也可關注AI供應商是否揭露能源使用、碳排放、水資源消耗及資料中心相關資訊。透明的揭露機制有助於了解AI服務的實際環境影響，並作為永續採購與供應商管理的重要參考。
2. AI 應用是否符合實際需求？
報告指出，不同AI任務的能源消耗差異極大，生成圖片、影片等內容所需資源往往遠高於一般文字應用。因此，在導入 AI 工具時，也可思考是否真的需要使用更大型模型、更高解析度輸出或更頻繁的生成服務。根據實際需求選擇適當工具，不僅有助於控制成本，也能降低不必要的能源與資源消耗。
3. 是否已將AI相關風險納入既有永續管理機制？
AI 的環境影響不只來自用電，還涉及資料中心能源來源、硬體設備、電子廢棄物以及關鍵礦產供應鏈等議題。因此，企業可考慮將相關風險納入既有 ESG 或永續治理架構，例如供應商評估、資訊治理、能源管理及自然相關風險管理機制，以降低潛在環境與供應鏈風險。
AI 無疑正在改變世界，但它並非存在於雲端的虛擬技術，而是建立在電力系統、水資源、土地利用與全球供應鏈之上的實體基礎設施。當全球持續投入AI 發展，真正值得關注的或許不只是模型變得多強大，而是我們是否已準備好面對其背後龐大的資源需求。
當 AI 開始消耗的不只是電力，而是更多自然資本時，如何在創新與環境承載力之間取得平衡，將成為下一階段永續發展的重要課題。
參考資料
全文轉載自 CSRone，原文標題：從 AI 耗電到自然資本治理：聯合國揭露 AI 背後的真實環境成本
延伸閱讀
>> AI 浪潮掀起的不平等，逆轉女性職場上的「雙重劣勢」
>> AI 的燃料是人類？揭穿演算法背後的「數位血汗工廠」
>> 增添溫暖「人味」的 AI 科技：3 件人工智慧可以協助非營利組織的事
