算力怪獸的「渴」望！聯合國報告：2030年AI耗水量將超越13億人全年飲水需求
想要AI，就需要更多的電
2026年6月聯合國大學公佈了一份報告書，它的名稱相當直接：《人工智慧能耗的環境代價：碳、水與土地足跡》，估計到2030年，全球支撐AI運作的資料中心每年將消耗945太瓦時（TWh）的電力，已經接近全球總用電的3%，約等於法國2025年用電量的兩倍，或巴基斯坦、孟加拉、奈及利亞三國一整年用電的三倍（這三國合計人口超過6.5億）。
光是2025年，全球資料中心就已經用掉448TWh。若把這些資料中心當成一個國家，它會是世界第11大電力消費國，排在法國之後、沙烏地阿拉伯之前；但真正嚴重的問題不是電，而是「水」，這份報告指稱，到2030年全世界用於冷卻的水量將超過全球13億人份的年度飲用水需求。
這是因為每一度電的背後，都同時存在一個水足跡和一個土地足跡。前者來自冷卻系統與發電過程的耗水，後者來自能源基礎建設與供應鏈的占地。問題是這三個足跡未必同方向移動。報告以煤炭轉換成生質能為例，這樣的轉換確實能讓電力的碳足跡平均降低70%，但是水足跡會放大超過30倍、土地足跡更會擴張100倍。
AI servers need water to cool down. This one takes 30 million litres per month pic.twitter.com/4wtR7TzF8F
算力怪獸的「渴」望
「低碳」並不自動等於低水或低地。如果只用碳排來判斷一座資料中心的環保程度，很可能只是把問題從一個地方搬到另一個地方。過去兩年輿論討論AI環境成本，幾乎都聚焦在「訓練一個大型模型有多耗電」這件事上。
GPT-3的訓練估計用了1.3GWh電力，GPT-4 估計在50到70GWh之間，GPT-5則被估算排放了42,000噸二氧化碳當量、用掉10億公升水。這些數字確實驚人，但聯合國報告的論點是：模型部署後因全球用戶日常呼叫所產生的「推論（Inference）」耗能相比，模型「訓練（Training）」階段的能源消耗根本是小巫見大巫。
報告估算一個AI模型完成訓練、進入日常服務後，推論階段的能源消耗會占整個生命週期的80%到90%。光是ChatGPT一項產品，每天就要處理大約25億次提問，換算成年用電量是383GWh。要中和這個用電量產生的碳排放，得花十年種大約260萬棵樹苗，種樹的面積跟整個曼哈頓島差不多大。
AI data centers will use up enough clean water for 1.3 billion people by 2030 according to a United Nations report. pic.twitter.com/k3E3TKamyg
一支AI影片，就會耗掉4.1公升水足跡
而且不同的AI任務，耗能差距是數量級的差別，一次標準的對話查詢耗能大約是基本文字分類的200倍，但一張AI生成圖片要燒掉1,450倍的電。一支短的AI生成影片能耗則等於20萬次垃圾郵件分類。換算成更具體的單位，跑出一張AI圖片的水足跡大約是兩茶匙（29毫升），跑出一支複雜的AI影片，水足跡是4.1公升，差不多是一個人兩天的飲水量。
根據摩根大通分析師的觀察，自2023年初到2026年初，AI推理成本已下跌約92%。但這波成本崩盤並沒有讓AI市場縮小，反而引爆需求爆炸性成長。醫療領域是個現成的例子。AI把判讀X光與電腦斷層的成本與時間都壓到極低，原本以為這會讓放射科醫師變閒，結果反而是醫院開始幫更多病人做預防性篩檢，掃描總量翻了一百倍。
當資料中心變成「吃電怪獸」與「搶水惡鄰」
如果只看全球加總數字AI像是大家共同承擔代價的進步，但實際上代價分布得非常不平均。像是愛爾蘭2023年光是資料中心就吃掉愛爾蘭全國有計量電力的21%，比全國都市住宅用電還多。國家電網營運商 EirGrid 已經把都柏林周邊新資料中心的併網申請暫停到2028年。墨西哥Querétaro地區的資料中心擴張，在跟長期乾旱中的當地用水搶水源。
全球目前只有32個國家擁有AI專用的雲端基礎設施，其中超過90%的算力集中在兩個國家：美國和中國，其他超過150個國家眼前完全沒有自主AI算力可用，但它們仍然要承擔上游關鍵礦物開採的環境破壞，以及下游每年估計多達250萬噸的AI相關電子廢棄物，這個量大約等於每年丟棄將近250座艾菲爾鐵塔。
聯合國副秘書長Tshilidzi Marwala最後對現象下了一句重話：
「AI基礎設施集中發展在世界少數特權地區，正在製造一個巨大的數位鴻溝，對AI公平發展構成深刻挑戰。AI確實能促進繁榮和人類福祉，但它能不能做到公平，現在已經是一個治理問題，不是技術問題。」