我之前工作过的公司正在放弃其最初的旗舰产品。我们仍将保留并支持该产品，当然，它曾经（现在）每天被数百万人使用。但它不再是我们的主要关注点。

相反，我们现在将专注于“集成的、人工智能驱动的”产品。

就在那儿。AI。

又一个科技热词。像加密货币、比特币、VR 和许多其他所谓的创新一样的时尚，它们占据了一天的头条新闻，现在却被归入失败技术实验的墓地。

不幸的是，这种时尚的代价是巨大的，几乎每个人都会受到伤害，特别是那些最负担不起的人。

环境成本

毫不夸张地说，人工智能给地球带来的负面影响是巨大的。事实上，人工智能给环境带来的代价可能是它造成的最严重后果。

然而，在有关人工智能的众多文章、博客文章、视频和其他媒体中，很少有关于这些问题的信息。那些确实将气候或环境与人工智能联系起来的文章通常关注人工智能如何通过提高能源效率来帮助应对气候变化。但一个领域（效率）的改进并不能抵消其他领域（水、电、碳）的损害。事实上，正如我们将看到的，一些世界上最大的科技公司正在努力提高能源效率，同时每​​年使用越来越多的水、电和碳，这在很大程度上是由于人工智能的需求。

水

最大的问题之一是人工智能所需的水量。据研究人员李、杨、伊斯兰和任称，训练 GPT-3 导致 70 万升水蒸发，而据估计，2027 年全球对人工智能的需求将导致 42-66 亿立方米（是的，十亿立方米）的取水量。（“取水量”是指从地下或地表抽取的淡水，然后用于农业、工业或市政目的。）

科技公司是当今的主要用水者之一，其产品和服务需要大量用水。例如，谷歌的《2023 年环境报告》指出，“2022 年，我们数据中心和办公室的总用水量为 56 亿加仑”。这一数字在 2023 年增加到64 亿加仑，“主要是由于 [谷歌] 数据中心的水冷需求，这些数据中心的电力消耗逐年增加。”尽管谷歌“优先考虑在 [其] 数据中心和 [其] 全球办公运营中负责任地使用水”，但情况仍然如此。

同样，微软在其2022 年环境可持续发展报告中表示，其运营在 2022 财年消耗了近 640 万立方米（17 亿加仑）的水，这一数量“与我们的业务同比增长成正比”。这一数量在 2023 财年增加到780万立方米（20.6 亿加仑）以上，“与我们的业务增长保持一致”。

确实，微软和谷歌都致力于开展水资源补充项目，这些项目旨在补充比其工作地区消耗更多的水。微软还在其2024 年环境可持续发展报告中声称，其“新数据中心的设计和优化旨在支持人工智能工作负载，并且将不消耗任何冷却水。随着人工智能计算需求的增加，这一举措旨在进一步减少我们对全球淡水资源的依赖”，但该报告并未具体说明在没有水的情况下冷却将如何工作。另一方面，谷歌表示，它将“继续使用水冷却来提高我们在某些地区的能源效率”，但它“从一开始就优先考虑在新站点负责任地使用水和补充水”。

这些公司需要用水不仅仅是为了冷却。从制造到处置，人工智能的几乎每个环节都需要水：

• 制造人工智能服务器和芯片需要水
• 数据中心需要水来冷却服务器
• 发电需要水

但问题不仅仅在于需要水。

这些过程会导致： 1）部分水因蒸发而流失；2）剩余的水受到污染，然后排放，导致水中可能含有“有毒化学物质和/或危险废物，需要经过额外处理才能用于其他用途”。

这是所需的大量水。

事实上，这里讨论的大部分是可饮用的淡水，是植物、动物和人类生存所必需的淡水，而地球的大部分地区已经频繁遭遇干旱。

事实上，这些公司都知道这些，但他们还是继续推进人工智能。事实上，谷歌将自己描述为一家“以人工智能为先的公司”，“将人工智能作为其业务和所有谷歌产品的基础”。

电

在气候变化领域，电力几乎已经成为一个流行词。与碳排放一起，电力也是媒体在讨论人工智能的环境成本时经常提到的因素之一。结果往往是建议不要完全停止使用或生产人工智能，而是以更节能的方式进行。

然而，必须指出的是，正如研究人员本德、格布鲁、麦克米兰-梅杰和施密切尔所指出的那样，能源效率和可再生能源“对环境仍然代价高昂”。例如，在 2020 年，苏格兰砍伐了近 1400 万棵树，挖掘了数十万英亩的泥炭地，为发电涡轮机的“风力发电场”腾出空间。此外，更高的效率可能导致需求和使用量不断增加的循环，直到进一步的改进变得不可能，需求和使用量水平比以往任何时候都高。

事实上，人工智能已经增加了电力的使用和需求，而且这种增长没有停止或逆转的迹象。正如MarketWatch今年早些时候 报道的那样，目前估计电力需求可能会从 2024 年的 8 太瓦时增加到 2030 年的 652 太瓦时，1 太瓦时相当于 1 小时消耗 1万亿瓦的电力。

仅六年时间就达到了 652 万亿瓦。

电网是否已准备好应对这种需求？在美国，德克萨斯州和加利福尼亚州等州已经经历了轮流停电，或将其视为避免电网受损的最后手段。他们的电网——以及其他电网——能在如此短的时间内做好准备吗？

谷歌的2023 年报告并未说明其确切用电量，而是重点关注其因用电量高而产生的碳排放。报告确实指出，该公司“通过 [谷歌] 运营的电网的长期 PPA [购电协议] 直接从新的风能和太阳能发电场购买电力，并且 [公司] 还通过 [谷歌] 帮助创建的可再生能源购买模式通过公用事业购买可再生能源。” 不幸的是，风能和太阳能并非总是 24/7 全天候可用，因此谷歌仍然部分依赖碳基能源。2024 年的报告大致相同，但它确实指出 2022-2023 年“电力需求增长”。微软的报告类似，2022 年的报告指出，“电力使用占微软运营碳排放足迹的绝大部分。”

这让我们想到了碳。

碳

谷歌在其2023 年环境可持续发展报告中报告称，其 2022 年的排放量约为 1020 万吨二氧化碳当量 (百万公吨二氧化碳当量)。这一数字在 2023 年增加到1430 万吨二氧化碳当量。微软的数字甚至更高， 2022 年约为 1290 万吨二氧化碳当量，2023 年约为 1670 万吨二氧化碳当量。这两家公司都支持碳去除项目，尽管此类项目涉及许多困难，而且有证据表明碳去除可能不如完全避免排放有效。

毫不奇怪，当今避免排放的最佳方法之一就是避免训练和/或使用人工智能模型。

2019 年，马萨诸塞大学阿默斯特分校的研究人员Strubell、Ganesh 和 McCallum估计，就碳排放而言，训练一个模型“大致相当于一次跨美洲航班”，而训练另一个模型将排放超过 626,155 磅的二氧化碳，几乎是普通汽车碳排放量的五倍。

在讨论这种模型的专门硬件要求时，他们指出：

[即使]这些昂贵的计算资源可用，模型训练也会给环境带来巨大的成本，因为需要为这些硬件供电数周或数月。虽然其中一些能源可能来自可再生能源或碳信用抵消资源，但这些模型的高能源需求仍然是一个问题，因为 (1) 目前许多地方的能源并非来自碳能源，(2) 即使有可再生能源，也仅限于我们必须生产和储存它的设备，而训练神经网络所花费的能源可能最好分配给家庭供暖。

众所周知，最无力承担这些费用的人很可能被迫支付这些费用。

这就引出了人工智能的伦理问题。正如 Strubell 等人所问：“例如，要求马尔代夫居民（到 2100 年可能被淹没）或苏丹受严重洪水影响的 80 万人为训练和部署越来越大的英语 LM [学习模型] 付出环境代价，而迪维希语或苏丹阿拉伯语却没有制作类似的大型模型，这公平吗？“