环保组织也用上AI了：算力扩张的电力账单谁来付？

（本文作者为 反熵，钛媒体经授权发布）

最担心AI环境代价的环保组织，如今自己也用上了AI。

路透社采访的15家国际环保、自然保护和发展组织，没有一家例外，全部已在使用AI。11月7日这则报道提到，国际绿色和平组织一边质疑大规模建设数据中心的必要性，一边在日常使用的部分软件里也用着集成的AI工具。

11月9日，第31届联合国气候变化大会（COP31）在土耳其安塔利亚开幕。东道国正在推动《安塔利亚人工智能承诺》，回应算力扩张带来的环境压力。AI已经能帮人类保护自然，支撑它的电力消耗到底值不值？

01 那些难以标价的算力

1960年，26岁的珍·古道尔来到坦桑尼亚贡贝，开始观察野生黑猩猩。此后半个多世纪，一代代研究人员接力记录，攒下大量手写笔记。她创办的珍·古道尔研究所，眼下正用AI整理这份科研遗产。

这些笔记里混着当地基哈语和科研速记，光靠人工辨认、录入，原本估计要13至15年。研究所与亚马逊云科技合作开发了AI工具，用来识别、翻译和整理手写记录，数字化工作预计能压缩到约两年。跨越数十年的野外观察资料，研究人员检索和分析起来也会更方便。

肯尼亚的野生动物保护机构“拯救大象”（Save the Elephants）也曾为整理海量照片投入大量人力。2017年，肯尼亚一处大型保护区做航空调查，拍下约20万张影像，九名工作人员花九个月才全部检查完。如今，训练过的AI模型处理同等规模的资料，几个小时就够。

该机构负责人弗兰克·波普对路透社说，AI辅助分析还发现，过去的人工调查漏计了约三分之一的大象，斑马和长颈鹿的漏计比例接近一半。种群统计关系到巡护怎么安排、保护经费怎么争取，调查结果更准，保护工作才有更可靠的依据。

湖北五峰后河国家级自然保护区的工作人员，也曾为影像整理发愁。进一次山就收回160余张红外相机存储卡，市面上的软件又难以准确识别当地物种。保护区索性花两年时间，自己开发了一套AI识别系统。

这套系统目前已累计处理超过4TB影像，能识别林麝、亚洲黑熊等30余种动物，整体准确率超过90%。据《湖北日报》报道，过去要两三个人花一年分析的资料，现在约七天就能完成。

这些应用的价值不止于省人工。珍·古道尔研究所积累数十年的野外观察记录，能更快用于后续研究；保护区更准确的种群数据，也能为巡护安排和生态保护提供依据。科研与生态保护的收益往往要多年才显现，分享的人也更多。

环保组织已经证明AI在自然保护中有用。可几个成功案例，并不能给所有新增算力项目背书。数据中心还在持续扩建，能源与环境成本必须算清楚。

02 电费之外的代价

国际能源署今年4月给出的预测是，全球数据中心年耗电量2030年将达950太瓦时，而2025年为485太瓦时，接近翻倍，届时约占全球用电量的3%。AI是拉高用电量的一股重要力量，专门面向AI的数据中心，耗电量预计五年内增至三倍。

用电需求常常集中在某些地区，首先承受压力的就是当地电网。变电站、输电线路从规划到投运，往往要花好几年，大型算力项目集中压上来的负荷，一时接不住。按国际能源署的预计，到2027年，一个先进机柜的峰值功率可能抵得上65户家庭。

扩建电网要花钱。这笔费用如果通过公共电价回收，原有居民和企业也得跟着分担新增项目的成本。数据中心的冷却系统还可能加重缺水地区的用水压力。科技公司买绿电能减少相应碳排放，却代替不了当地的电网建设和水资源管理。

经济学把这种由他人承担、又没充分计入企业支出的社会负担叫外部成本。大型科技公司为芯片、服务器和电力掏了大钱，也该承担自身扩张引起的公共基础设施成本。商业项目的投资决策，不能建立在其他用户被动分担的前提上。

眼下COP31正试图推动相关治理。主席国土耳其与国际电信联盟共同推动《安塔利亚人工智能承诺》，呼吁提高AI能源利用效率、扩大清洁能源使用、加强环境影响披露。双方计划11月16日举行高级别AI圆桌会议，推动政府和企业拿出自愿承诺。

不过，这份倡议目前没有强制约束。10月27日，世界资源研究所指出，文件缺少有效的问责机制，对受数据中心建设影响的社区参与权，以及用水和空气质量保护，都没给出充分保障。该机构主张强制披露科技企业的实际耗电量和用水量，并要求企业自己承担新增数据中心所需的电网升级费用，不能把这些成本转嫁给当地居民。

大型科技公司已为AI基础设施投入巨资，环境责任却没法长期靠自愿承诺撑着。算力扩张的收益归企业，由此增加的公共成本，就该有明确的承担者。

03 省电为何更耗电

1865年，英国经济学家杰文斯在《煤炭问题》中观察到，蒸汽机的煤炭利用效率提高之后，英国的煤炭消费仍持续增长。廉价动力进入越来越多的生产环节，新增需求可能抵消效率进步省下的部分。这个现象后来被称为杰文斯悖论。

一个多世纪后，AI的能效提升同样在刺激新的计算需求。

芯片在升级，模型在压缩，推理也在优化，单位计算成本一路走低，企业用AI的场景因此越铺越开。国际能源署提到，视频生成、复杂推理、智能体这类任务，单次请求的耗电量可能是简单文本生成的数百倍乃至数千倍。

如今的AI不只会润色邮件。在智能体驱动下，它能连续查资料、写程序、反复测试，这类工作往往要经过多轮模型调用。成本降下来之后，企业更愿意把活儿交给AI；任务越复杂、调用越频繁，技术进步省下的电就可能被抵消掉。

已经有环保机构在主动约束计算需求。世界资源研究所对耗能偏高的图像和视频生成设了限制，还用缓存来避开重复查询。美国大自然保护协会把AI摄像设备装到商业渔船上，捕捞影像当场分析，需要传回远程数据中心的原始视频因此减少。

芯片能效上去，并不等于全行业用电量就会下来。对模型服务商和应用企业来说，减少重复调用、优化计算任务，本该纳入日常运营。不然，技术革新省出的能源，很容易被不断膨胀的低效需求吃掉。

04 算力扩张的中国选择

中国的算力设施，用电规模已经不小。国家发展改革委今年7月引用相关机构统计，2025年全国在用算力基础设施耗电约1960亿千瓦时，占全社会用电量1.9%，同比增长18.1%。大模型应用加快落地，新增的电力需求还会继续牵动数据中心布局。

电力系统规模庞大，风电、光伏装机也在持续增加，这是中国的底子。“东数西算”把一部分计算任务引向西部，为就地使用清洁能源提供了条件。可光伏发电的高峰未必跟算力负荷对得上，风电出力也得看天气。实时业务还受网络时延牵制，数据中心选址没那么自由。电源条件好，不等于机房就有稳定客户、有充足的使用量。

评价算力设施的办法同样在变。9月，工信部等五部门发布2026年度国家绿色算力设施评价指标体系，要求盯住单位算力能效和单位能耗产出效益，同时把碳效、水资源利用、机柜上架率等指标的权重提上来。

行业里常用的PUE，主要算的是机房制冷、供配电这些辅助系统的损耗。PUE再漂亮，服务器也可能因为没业务而闲着。设备照样折旧，机房照样要维护，拿不到持续订单的算力项目，很难有合理回报。机柜上架率也替代不了真实的计算负载，更说明不了应用挣了多少钱。

算力供给涨得这么快，中国更该把现有设备的利用效率当回事。模型服务商要把有效负载提上去，企业买AI要算清具体任务的成本和结果，地方投算力设施得有靠谱的市场需求托底。扩建能带来短期投资，却不会自动长出一个有竞争力的AI产业。

机柜数量和芯片规模一旦成了展示成绩的主要指标，低利用率、高折旧的风险就容易被盖住。那些没有稳定业务、长期闲置的算力中心，再扩建只会把资源浪费放得更大。先进算力中国还是需要的，但每一笔新增投入，都该拿真实需求和使用效率来验一验。