ChatGPT发布仅仅几年,但将人工智能融入各个领域的竞赛已引发数据中心激增,环境成本不断攀升。
根据国际能源署数据,全球数据中心电力需求增长速度比所有其他行业快四倍,预计到2030年将超过日本的电力使用量。
在澳大利亚,能源市场运营商预计数据中心能源需求将在五年内增长三倍,到2030年将超过该国电动汽车车队的用电量。当局还预期饮用水供应将面临巨大需求。
随着QuitGPT运动(因AI在监控和武器方面的应用而抵制AI)势头渐起,关注AI环境影响的人们是否也应该考虑退出?
能耗急剧上升
虽然估算不一,但大多数研究表明,生成式AI模型——能够生成文本、图像和视频——消耗的能源比传统计算方法多"几个数量级"。
一些估算显示能耗高出五倍,其他研究认为可能显著更高。这很大程度上取决于具体模型或查询类型。
墨尔本大学AI与数字伦理中心联席主任珍妮·帕特森教授表示,问题的一部分在于科技公司对AI和数据中心的能源、水资源和排放影响缺乏透明度。
"但很明显,训练模型和运行数据中心是高耗能任务",她说。
奥斯陆气候分析师、澳大利亚研究所关联专家凯坦·约什表示,"生成文本、图像和视频的消费软件在能源方面特别低效",这是因为"底层发生的大规模数据集和模式匹配的计算压力"。
向AI聊天机器人提问比通过简单网络搜索或计算器找答案消耗更多能源。他说,这毫无理由地增加了额外需求,就像开SUV去商店购物而不是骑自行车一样。
"你可能仍然能完成购物,单次出行在成本或排放方面可能看起来不算太糟,但如果你的所有出行都这样,当整个社会都开始这样做时会怎样?"
《Patterns》期刊发表的一项研究估计,2025年AI的全球碳足迹为3260万至7970万吨二氧化碳排放,用水量为3125亿至7646亿升——相当于全球瓶装水消费量。
在澳大利亚,用于处理和存储AI数据的数据中心增长预计将减缓能源转型、增加排放并提高消费者电力成本。
约什说:"这么大的能源需求,社会效益却不明确或很小。相比之下,视频通话技术的全球效益减少了航班并在疫情期间实现了沟通。"
抵制运动兴起
AI工具正被嵌入工作场所和教育软件,以及银行和地方政府使用的聊天机器人中。生成式AI越来越多地被部署在超市自助结账、五金店面部识别和医生笔记转录中。
帕特森说:"我们正在沉浸在这项技术中。真的很难避免。但我们仍然有机会表达我们对AI如何使用的看法。"
有许多小方法可以限制使用——比如关灯或关电器来节能。人们可以取消AI平台订阅,从搜索中排除AI结果(例如在搜索查询末尾添加"-AI"),或避免将其用于不必要或高耗能任务,如文本转视频提示或为庆祝活动或工作演示生成AI图像。
约什说:"Meta、谷歌和微软都已将生成式AI深度嵌入其系统。我认为这都是试图将这些系统嵌入社会并培养依赖性的策略,类似于1970年代一次性塑料的增长。"
约什表示,退出可以是"有意义的抵抗行为"。"这部分是为了不产生那种能源需求,但主要是成为反对腐蚀性有害行业的广泛集体行动的一部分。"
他说消费者抵制可以很有力,但他对QuitGPT将用户从一个平台引导到另一个平台而不是完全退出AI感到沮丧。QuitGPT一直鼓励用户取消ChatGPT,同时推广使用Anthropic的Claude。他说这感觉像是对广泛反对AI情绪的"犬儒式剥削"。
建立问责机制
数据中心——数量和规模快速增长——是AI繁荣的物理体现。越来越多人呼吁该行业为其环境影响承担责任。
包括清洁能源委员会、电力行业工会、澳大利亚保护基金会和气候能源金融在内的能源和环境组织联盟提出了一套"数据中心公共利益原则",包括投资新的可再生能源和负责任地使用水资源。
澳大利亚保护基金会首席执行官亚当·班特说:"如果你想建造数据中心,你应该必须建造可再生能源和水循环系统来为其供电。大科技公司应该被迫承担公平份额,这样它们就不会耗尽我们的资源。"
除了能源、水和排放,对生活在数据中心附近的社区和野生动物也可能产生本地影响——这些巨大的仓库式设施24小时照明,空调持续运行声音不断。
一些社区已经自行采取行动,反对在当地拟建的巨型数据中心。
悉尼科技大学跨学科社会研究员布朗温·坎博博士说,这些不起眼的建筑通常成群建造。她说,通常"这是一个工业中心"而不是单个数据中心。
"当然,沟通、与社区互动、融入本地知识、考虑当地关切符合他们的利益,因为他们确实想成为好邻居。但成为好邻居的动机真正取决于公司。"
坎博表示,关于AI与物理环境关系及其社会、政治、经济影响的讨论正在达到关键点。
她说,提高认识很重要,这样社区就能批判性思考并知道要问什么问题。
"AI成为我们生活一部分是不可避免的,但它如何成为我们生活的一部分是我们绝对可以控制的。"
Q&A
Q1:生成式AI的能耗比传统计算高多少?
A:大多数研究表明,生成式AI模型消耗的能源比传统计算方法多"几个数量级"。一些估算显示能耗高出五倍,其他研究认为可能显著更高,具体取决于模型类型或查询类型。
Q2:数据中心增长会对澳大利亚能源系统产生什么影响?
A:澳大利亚能源市场运营商预计数据中心能源需求将在五年内增长三倍,到2030年将超过该国电动汽车车队的用电量。这种增长预计将减缓能源转型、增加排放并提高消费者电力成本。
Q3:普通人如何减少AI使用以降低环境影响?
A:人们可以取消AI平台订阅,从搜索中排除AI结果(在搜索查询末尾添加"-AI"),避免将其用于不必要或高耗能任务如文本转视频提示或AI生成图像,这些都是有意义的抵制行为。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。