夜雨聆风本月某个周日，我在家改学生们的课程作业，改到十点半的时候突然想到一个问题——我对学生们的课程作业的修改多次用了deepseek最新的V4专家版，每次提问prompt大概耗电多少？我当时没想这个问题，就跟往常一样用了。但那天晚上不知道为什么突然想到了，然后就睡不着了。第二天一早我就开始查资料，一查查了三天，越查越心里不安。我发现这个问题比我想的大得多。而且最让我不安的不是排放量本身，是几乎没人在管这个事。
一、先说几个数，你心里有个底
最先说训练。MIT今年发了一篇解释性文章，里面提到了一个数字：训练GPT-4大概耗电50吉瓦时，花了超过1亿美元。五十吉瓦时是什么概念？相当于一个中等城市一年的用电量。就为了训一个模型。而且这只是训练阶段，不包括推理。
再说推理。推理才是大头。你每次向豆包、深度求索、千问等提问，它背后的服务器就在跑，跑就耗电，耗电就排碳。北京大学的一项研究分析了全球369个大语言模型，发现当前全球大语言模型的年耗电量达到24.97到41.1太瓦时。这是什么概念？相当于三峡工程年发电量的40%。三峡啊。三峡是全球最大的水电站，一个三峡就够让很多人想象了，40%的三峡只是为了让大模型跑起来。
由此产生的二氧化碳排放量是1067万到1861万吨。这是华北电力大学丁肇豪教授课题组的研究结果。千万吨级别。什么概念？相当于北京市全年碳排放的十分之一左右。就是说，光是让全球的大模型跑一年，排的碳就跟北京一个超大城市差不多了。
GPT-3单次训练耗电1287兆瓦时，这是斯坦福AI研究所的数据。1287兆瓦时什么概念？相当于3000辆特斯拉各行驶20万公里。就为了训练一个模型。而且GPT-3已经过时了，GPT-4的训练能耗是GPT-3的好几十倍。那GPT-5呢？GPT-6呢？没人知道，因为OpenAI不公布这些数据。你连它排了多少碳都不知道，你怎么管？
我知道有人会说，这点碳跟全球总排放比起来不算什么。对，现在确实不算什么。但问题是它在飞速增长。
二、增长速度才是真正的问题
说几个让我吃惊的数。埃森哲今年发了一份报告，说AI数据中心的碳排放到2030年可能激增11倍。十一倍。你想想这个数字。如果现在是一个北京，到2030年就是十一个北京。康奈尔大学的一个研究团队也算了一笔账，说到2030年，当前速度的AI增长每年会往大气里排入2400万到4400万吨二氧化碳。
还有一个数据让我很意外。Meta的数据中心排放自2019年以来涨了223%。两百二十三个百分点。这家公司可是签了承诺要做碳中和的。签了承诺，排放反而涨了223%。为什么？因为AI。他们在狂建数据中心，狂买GPU，狂训模型。承诺是承诺，业务是业务。当业务和承诺冲突的时候，承诺先放一边。
这不是Meta一家的问题。谷歌也一样。微软也一样。所有在AI上发力的大厂都一样。他们都签了碳中和承诺，然后全部在延迟。为什么延迟？因为没有人逼他们。没有法律说你必须在某个日期前完成碳中和，没有罚则说你完不成就得赔钱。承诺就是一句话的事。
三、水也是一笔大账
现在考察各大公司的ESG报告。谷歌2024年的范围二排放涨了将近50%，微软也差不多。两家都把原因归结为AI数据中心的扩张。但他们的措辞很有意思，说的是“暂时性增长”，意思是以后会降下来的。以后是什么时候？没说。我有个在投行做ESG分析的朋友跟我说了句大实话：“他们说的以后会降，就跟我说以后会减肥一样，你信吗？”
说到AI的环境成本，大多数人只想到电和碳。但水也是一笔大账。数据中心要冷却，冷却要用水。一个中等规模的数据中心每年耗水可以达到1.1亿加伦，相当于一个中等城市的年用水量。而且这还是中等规模的。现在那些专门为AI建的超大数据中心，耗水量只会更多。
有一个研究说，全球AI数据中心的耗水量预计将达到丹麦全国年用水量的6倍。六倍。丹麦虽然小，但也是一个国家的用水量的6倍啊。而且这些水很多是在缺水地区耗的。你知道很多数据中心建在哪里吗？美国的很多数据中心建在俄勒冈州和亚利桑那州，那些地方本身就缺水。中国的很多数据中心建在内蒙古和宁夏，也是缺水地区。为什么建在缺水地区？因为电价便宜，地价便宜，风能太阳能丰富。但水呢？没人想。
我前两天看到一个新闻，说智利的某个县为了引进数据中心，把当地居民的农业用水给切了。当地农民意见很大，但数据中心已经建好了，拆不了。这种事以后会越来越多。因为数据中心建了就是建了，它不会自己搬走，而它每天都要喝水。
有些数据中心为了省水，改用空气冷却。空气冷却不用水，但耗电更多。耗电更多就排碳更多。你省了水，但多排了碳。你省了碳，但多用了水。这两个目标之间是矛盾的，而目前没有任何政策工具来平衡这个矛盾。你到底该省水还是省碳？没人告诉你。
四、谁在埋单？现在的答案是：没人
中国2024年数据中心的用电量大概是166太瓦时，占全社会用电量的1.68%。1.68%听着不多，但增速吓人。而且这还只是2024年的数据，2025年2026年只会更多。如果AI应用真的爆发了，这个比例翻几倍都有可能。到那时候，数据中心用电可能占到全社会的5%甚至10%。这意味着什么？意味着为了跑AI，我们可能得建更多的电厂。建什么电厂？如果是煤电，那AI就是在用碳换智能。如果是绿电，那绿电本来可以用来替代煤电的，现在被AI抢走了，煤电还是得跑。怎么算都不划算。
这让我想到一个更大的问题：我们现在的环境治理体系是分头管理的。碳归生态环境部管，水归水利部管，电归能源局管。但AI的环境影响是整体的，它同时耗电、耗水、排碳、占地。你分头管，每个部门只看自己那一块，就会出这种按下葫芦浮起瓢的事。得有人统筹。但目前没有这样的统筹机制。
AI的碳足迹谁来埋单？现在的答案是没人。或者说，是所有人在埋单，但没人知道自己在埋。
你每次用豆包或千问等的时候，你付了钱吗？如果你用的是免费版，你没付钱。那谁付了？豆包或千问付了电费，付了水费，付了服务器的钱。但它们的的钱从哪来？从投资人那里来。投资人的钱从哪来？从其他业务的利润里来。其他业务的利润从哪来？从消费者那里来。所以绕一圈，还是所有人在埋单。但这个埋单是隐性的，没人知道自己付了多少。
更重要的是，谁承担了环境成本？是数据中心所在地的居民。他们的电被用了，他们的水被用了，他们的空气被污染了。但他们得到了什么？一些就业岗位？一点税收？还是什么都没有？这就是典型的负外部性问题。经济学上说的负外部性，就是有人得了好处不付钱，有人承担了成本不得利。AI的碳足迹就是一个巨大的负外部性。
我在《管理经济学》课上跟学生讨论这个问题的时候，有个学生说了句让我想了很久的话。他说：“老师，我们用AI的时候付的是货币，但地球付的是碳。这两种货币之间没有汇率。”说得太好了。货币和碳之间没有汇率，意思是你花了钱不等于你付了碳的成本。钱进了科技公司的口袋，碳留在了大气里。
五、碳交易能解决吗？不能
有人会说，碳交易不就行了吗？你排了碳，你买碳配额，买了就抵消了。听着很美。
但我觉得碳交易解决不了AI的碳问题。原因有三个。
第一，碳配额本身就是一笔糊涂账。你买的碳配额真的能抵消你排的碳吗？很多碳配额项目根本就不靠谱。种树的说能吸收多少碳，实际上树死了就放出来了。可再生能源的说能替代多少煤电，实际上很多时候煤电还在跑。碳配额很多时候就是一种“赎罪券”，让你觉得自己排的碳被抵消了，其实没有。
第二，数据中心的碳排放还没被纳入全国碳市场。我国的全国碳排放权交易市场目前主要覆盖的是电力、钢铁、建材等行业。数据中心呢？还没被明确纳入。也就是说，数据中心排的碳在现有体系里是“无主”的。没人对它负责，没人为它买单。生态环境部2025年发了一个通知，说要做好2025年全国碳市场的工作，但里面没提数据中心。
第三，即便纳入了，碳价太低也没用。现在全国碳市场的碳价大概几十块钱一吨。几十块钱。对一家年收入几百亿的科技公司来说，这点钱跟没有一样。你让他买碳配额，他买就买了，然后继续排。因为排碳的收益远大于买碳的成本。这就是经济学说的“边际减排成本太低”。你得把碳价提到足够高，高到让他们觉得排碳比减排更贵，他们才会真的去减。但现在的碳价远远不够。
六、三个判断
第一，必须把数据中心纳入碳市场。这是最基本的。你连市场都不让它进，它永远不会有减排的动力。但光纳入不够，碳价得提上去。我的看法是，数据中心的碳价应该比普通行业高，因为它的排放增长速度比普通行业快得多。你排得快，你就得付得多。这才公平。
第二，必须强制披露AI的碳足迹。现在很多公司不披露他们的AI业务排了多少碳。他们披露的是全公司的碳排放，但不单独披露AI部分。你不知道AI排了多少，你就没法监督。这就像你让一个企业披露环保数据，但不让它披露最污染的那条生产线的数据。披露了等于没披露。欧盟在这方面走得前一点，CSRD要求企业披露更详细的环境信息，但专门针对AI碳足迹的披露要求还是没有。
第三，必须有“绿色AI”的标准和认证。现在有机食认证、绿色建筑认证，但没有绿色AI认证。你不知道你用的模型训练时排了多少碳，你不知道它是用煤电训练的还是用绿电训练的。这个信息应该像食品包装上的营养成分表一样，明明白白地写在每个模型的介绍里。这样用户才能做出选择。你可能会说，用户会在乎吗？我觉得会。不是所有人会在乎，但总有人会。而且当越来越多人在乎的时候，市场就会变。
七、一个很不安的预测
有机食品刚出来的时候也很贵，没几个人买。但随着越来越多的人在乎，市场规模越来越大，成本反而降下来了。绿色AI也可以走这条路。当用户开始在乎模型的碳排放，公司就有动力去优化。优化了成本就降了，降了就有更多人用，更多人用就进一步降成本。这是一个正循环。但前提是得有人迈出第一步，而这个第一步得是政策推的。
中国的一项研究说，中国AI碳足迹的碳达峰时间可能推迟至2038年。这意味着什么？意味着因为AI的快速增长，我们原本预计的碳达峰时间被推迟了。国家说的2030年碳达峰，但AI可能让这个目标实现不了。这不是小事。
这个问题跟气候变化本身的问题很像——都是“公地悲剧”。每个人都在用AI，每个人都在排碳，但没人觉得自己的使用会造成问题。因为一个人的使用确实不会造成问题。但几十亿个人的使用叠加在一起，就是火山。而没人为这座火山买单。
八、最后
我有时候想，也许我们得接受一个现实：AI的环境成本问题不会自己解决，它只会越来越严重。除非有人为它设定边界。就像当年治理空气污染一样，不是企业自己想减排的，是法律逼的。AI的碳排放也一样，光靠企业自觉是不够的，得有规则。没有规则的市场就是公地，公地的结局就是悲剧。经济学上叫“公地悲剧”，每个人都在最大化自己的利益，最后所有人的利益都受损。AI的碳足迹就是数字时代的公地。
从数据安全到AI安全，我们已经讨论了很多。但AI的环境安全，几乎没人谈。这才是最大的治理盲区。我们关注AI会不会伤害人，会不会侵犯隐私，会不会失业，但很少有人关注AI会不会让地球变得更热。而这个问题，跟所有人都有关。
参考文献
[1] MIT News (2025). Explained: Generative AI’s Environmental Impact.
[2] 北京大学大数据分析中心 (2025). 当AI学会“创造”，地球却在“碳息”？——全球生成式人工智能的环境成本研究.
[3] 华北电力大学丁肇豪教授课题组 (2025). 大语言模型碳足迹量化研究.
[4] Fortune (2025). AI Data Centers’ Carbon Emissions Could Surge 11-Fold by 2030.
[5] Cornell University (2025). Roadmap Shows the Environmental Impact of AI Data Center Boom.
[6] As You Sow (2025). Meta Platforms Inc: Disclose Climate Transition Plan for Data Centers.
[7] ESG Dive (2025). How Meta is Ramping Up Cleantech Investments Amid the AI Boom.
[8] 生态环境部 (2025). 关于做好2025年全国碳排放权交易市场有关工作的通知.
[9] MIT Technology Review (2025). We Did the Math on AI’s Energy Footprint.
[10] Frontiers in Sustainability (2024). Forecasting US Data Center CO2 Emissions Using AI Models.
[11] 《低碳AI：大模型的绿色训练与推理优化方法研究》，信息通信技术与政策 (2025)
