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

 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 

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、孟加拉與奈及利亞三國全年用電總量的近三倍；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。

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。（圖：訓練與推論是AI能源消耗的兩大來源，模型上線後的日常使用往往占據大部分能源需求。）

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。（圖：不同AI任務的耗能差異顯著，圖片生成所需電力遠高於一般文字回覆。）

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2,200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。（圖：相同電力消耗在不同國家可能產生截然不同的碳、水與土地足跡，顯示AI環境成本與能源結構密切相關。）

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。報告提出六項核心原則，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前可評估的三個問題

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／圖片來源：
UNU-INWEH - Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints

延伸閱讀：
當AI開始耗盡地球能源，SpaceX的太空資料中心是解方還是新風險？
COMPUTEX 2026 觀察：從高效算力到永續設計，AI產業競爭力正在重組