星空体育app官网入口半岛：

  随手打开AI聊几句天或者问几个问题，这些看似不经意间的几句话却可能消耗掉一整瓶矿泉水。在今年夏季达沃斯论坛上，一个往年容易被忽略的话题引发集中讨论：AI不仅耗电，还大量耗水，而且这一个数字正在迅速增加。6月26日，国家能源局局长王宏志在新闻发布会上公开表示，人工智能每生成5秒钟高清视频，它的用电量相当于给10部手机充电。

  事实上，在算力狂飙之下，任何一个人都在为AI背后的“资源账单”买单。这张账单不仅体现在个人钱包的缩水上，更深刻地映射在地球生态的承载极限与全球产业链的价值重构之中。业内认为，只有资本受到监管约束，技术被迫向绿色转型，协议与标准得以在全世界内确立，才能真正从源头上堵住AI高耗能的无底洞。

  这场讨论的缘起并非空穴来风。专家这样认为，每次用户说“谢谢”，AI都需要消耗算力来处理这个指令。以豆包为例，假设其日活跃用户为1亿，如果每个人都对AI说一句“谢谢”，一年下来就会消耗大约1095万度电，相当于5000个家庭一年的用电量。此外，发电与服务器冷却也需要大量水资源。OpenAI CEO Sam Altman曾提到，人们在ChatGPT中输入的礼貌用语已经耗费了数千万美元。

  联合国的一份报告数据显示，如果我们删掉指令中“麻烦了”“谢谢”这些客套话，ChatGPT的耗电量最多能够更好的降低25%。对此，科学家曾算过一笔账：如果大家都不说客套话，一年省下来的电，够非洲76万户家庭用一整年！

  2026年夏季达沃斯论坛上，今年论坛的讨论风向从“AI能做什么”扩大到了“AI背后的经济成本”。

  AI用水到底有多快？与会嘉宾提供了两个直观的换算。毕马威中国副主席吴旭初说，跟AI聊5分钟，大约消耗500毫升散热用水。美国国家地理学会空气和水基金科学委员会委员温波也给出了类似的测算：向AI提10个问题，差不多消耗一瓶矿泉水。

  而就在论坛开始前的几天，联合国大学水、环境与健康研究所发布的报告数据显示，人工智能算力扩张正在同时引爆碳、水、土地三重资源危机。

  报告指出，预计到2030年，全球数据中心每年将消耗945太瓦时的电力，其相关用水量将相当于13亿人一年的基本生活用水需求，而土地占用面积将超过14500平方公里，这些数字确实值得每一个人关注。当人们惊叹于大模型的智慧时，往往忽略了它们其实是“数字巨兽”，需要庞大的物理基础设施来“喂养”。

  早在2024年，国外研究机构报告数据显示，ChatGPT每天要响应大约2亿个请求，在此过程中消耗超过50万度电力，也就是说，ChatGPT每天用电量相当于1.7万个美国家庭的用电量。而随着生成式AI的广泛应用，预计到2027年，整个AI行业每年将消耗85至134太瓦时（1太瓦时=10亿千瓦时）的电力。

  AI 的资源消耗本质是‌数字智能的物理化代价‌。它不是虚拟的魔法，而是建立在‌高功率芯片、巨型机房和庞大电网‌之上的重资产产业。

  事实上，大模型训练和推理需要大量高性能GPU持续运行，服务器长时间处于高负载状态，会产生大量热量。为了能够更好的保证设备稳定运行，许多数据中心采用循环冷却系统，而水冷依然是目前效率最高、成本最低的散热方案之一。

  有关专家这样认为，AI真正的耗水并不仅发生在数据中心。芯片制造本身就是一个高度依赖超纯水的产业，一块先进AI芯片从生产到封装，要经历大量清洗、蚀刻等工艺。同时，为数据中心供电的火电、核电等能源设施，同样需要大量水资源完成冷却，因此整个产业链的用水规模远高于人们的直观感受。

  而在电力方面，AI不仅消耗巨大，其背后的能源结构也离不开化石能源，每一句流畅的回答，实际上都在无形中增加了大气中的碳排放。这不是虚拟世界的云端游戏，而是真金白银的资源消耗，是实打实的江河之水与煤炭之能。

  统计显示，一次生成式AI搜索的耗电量是传统搜索的‌10 倍左右‌；生成一段高清 AI 视频的能耗可点亮数百张 LED 灯，远超文本处理 。

  值得一提的是，目前全球仅有32个国家拥有专门的AI数据中心，而全球150多个国家就没有自主AI计算能力。

  在爱尔兰，2023年数据中心耗电量占全国计量用电量的21%，超过了该国所有城市家庭用电量的总和；在墨西哥克雷塔罗州，数据中心扩张正在加剧当地水资源压力。

  研究人员提醒，到2030年，AI基础设施每年可能会产生多达250万吨电子废弃物，相当于每年丢弃约250座埃菲尔铁塔。

  正如汽车会消耗燃油、电动车需要电力一样，任何基础设施的发展都伴随着资源投入。真正需要我们来关注的是，如何在推动AI发展的同时，提高算力效率，降低单位算力对应的能源和水资源消耗。

  近年来，面对环保组织抗议及监管压力，科技巨头被迫承担部分成本。谷歌承诺到2030年实现“水正效益”（补充水量超过消耗量），微软转向封闭式液冷技术以减少补水需求。然而，这些措施增加了资本支出（CapEx）和运营复杂度。此外，因隐瞒用水量引发的公关危机及潜在法律诉讼，也构成隐性成本。

  有专家撰文表示，在传统模式下，数据中心的水电成本常通过公用事业费间接转嫁给普通民众。2026年5月，美国佛罗里达州率先通过法案，禁止将超大规模AI数据中心的水电成本转嫁给民众，标志着监管介入的开始。但在缺乏严格监管的地区，居民仍面临水价上涨或供水紧张的风险。

  在破解“AI能耗之困”方面，中国显然走在了前面。有报告数据显示，从2024年起，中国液冷服务器市场迅速增加，预计2027年渗透率将达80%。封闭式液冷、芯片级冷却等技术可大幅度降低甚至消除对淡水的依赖。

  此外，上海等地近年来积极探索利用海水循环带走设备热量，单看散热环节成本几乎为零。阿里云、腾讯云等企业通过智能温控系统及自然冷却（如贵州年均15℃气候）明显降低能耗与水耗。

  另外，为避免在极度缺水地区盲目扩张数据中心，中国积极推行“东数西算”工程，引导算力需求向西部水资源相对丰富、气候适宜的地区转移，同时需保障西部本地用水权益，防止新的资源冲突。

  未来，AI竞争或许不仅是谁的大模型更聪明，也是谁能够用更少的能源、更低的成本提供更强的智能服务。当算力、能源和水资源开始成为新的竞争要素，AI产业的发展，也将进入更看重效率的新阶段。

  专家提醒，个体也能够最终靠改变对AI的使用习惯，力求在提问时更精准高效以减少算力的空转浪费。“这种个体的行为，虽然微小，但当数亿人共同践行，便能形成巨大的节约合力。”