绿色和平也在用AI：环保组织离不开的算力，电费该谁买单？

最担心AI环境代价的群体里，如今也出现了环保组织的身影。

路透社采访了15家国际环保、自然保护和发展组织，结果没有一家例外，全都已经在用AI。国际绿色和平组织一边质疑大规模建设数据中心有没有必要，一边自己日常用的部分软件里也装进了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既然已经能帮人类保护自然，那支撑它的电力消耗到底值不值？

01 那些难以标价的算力

26岁那年，珍·古道尔抵达坦桑尼亚贡贝，蹲点观察野生黑猩猩，时值1960年。往后五十多年，一批又一批研究者接续记录，手写笔记越积越厚。这份科研遗产如今交给AI来梳理，操办此事的是她创立的珍·古道尔研究所。

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，原本估计要花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。

在

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。动物种群统计关乎巡护怎么安排、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，也曾为整理影像发愁。进一次山就收回160余张红外相机存储卡，市面上的软件又认不准当地物种。保护区于是花两年时间，自己开发了一套AI识别系统。

这套系统到现在累计处理影像超过4TB，识别范围覆盖

这些应用的价值远不止省人工。珍·古道尔

AI在自然保护中的价值，环保组织已经用案例证明了。可几个成功案例，没法给所有新增算力项目背书。数据中心还在持续扩建，能源和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月预测，全球数据中心年耗电量会从2025年的485太瓦时涨到2030年的950太瓦时，差不多翻倍，届时约占全球用电量的3%。AI正是推高用电的重要力量，面向AI的数据中心耗电量预计五年内增至三倍。

电力消耗常常集中在少数地方，本地电网最先扛不住。变电站、输电线路从规划到投运，动辄要几年时间，大型算力项目一齐上马带来的负荷增量，电网一时接不了。国际能源署的预测是，到2027年，单是一个先进机柜的峰值功率，就可能顶得上65户人家。

扩建电网要花钱。这笔费用若通过公共电价回收，原有居民和企业也得替新增项目分担。数据中心的冷却系统还可能让缺水地区的水资源更紧张。科技公司买绿电能减少相应碳排放，可当地电网建设和水资源管理，替代不了。

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价钱，自身扩张引起的公共基础设施成本也该担起来。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

不过这份倡议目前没有强制约束力。10月27日，世界资源研究所指出，文件缺少有效的问责机制，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，都没有得到充分保障。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。

大型科技公司已经在AI基础设施上投了巨资，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》里注意到，蒸汽机的煤炭利用效率提高后，英国的煤炭消费照样一路增长。廉价动力进入越来越多生产环节，新增需求可能把效率进步省下的部分抵消掉。这个现象后来被叫作杰文斯悖论。

一个多世纪过去，AI能效提升也在刺激新的计算需求。

芯片升级、模型压缩和推理优化不断压低单位计算成本，企业用AI的范围跟着扩大。国际能源署指出，视频生成、复杂推理和智能体这类任务，单次请求的能耗可能是简单文本生成的数百甚至数千倍。

今天的AI，既能润色邮件，也能在智能体驱动下连续检索资料、编写程序并反复测试。后者往往要跑多轮模型调用。使用成本降下来，企业就更愿意把活交给AI；任务越来越复杂、调用越来越频繁，技术进步省下的电，最后可能又被吃掉。

有些环保机构已经在给计算需求上缰绳了。世界资源研究所对耗能偏高的图像、视频生成做了限制，还靠缓存躲开重复查询；美国大自然保护协会把AI摄像设备装到商业渔船上，就地分析捕捞影像，原始视频不必再长途传回远程数据中心。

芯片能效往上走，并不等于全行业用电量就会跟着降。对模型服务商和用AI的企业来说，压住重复调用、把计算任务排得更合理，本该是日常运营里的常规动作。不然，技术进步省下的那点电，很可能被不断膨胀的低效需求重新吞掉。

04 算力扩张的中国选择

国内算力设施的耗电盘子已经不小。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%。大模型应用落地越快，新增的电力需求就越会牵动数据中心的选址和布局。

中国的电力系统体量很大，风电、光伏装机还在往上加。“东数西算”把一部分计算任务引向西部，正好给了就地使用清洁能源的机会。问题是，光伏发电的高峰未必和算力负荷对得上，风电出力也得看天气脸色。实时业务还受网络时延掣肘，数据中心选址绕不开这一条。电源条件好，不等于机房就有稳定的客户和足够的使用量。

评价算力设施的那把尺子同样在变。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、单位能耗产出效益，并把碳效、水资源利用、机柜上架率等指标的权重提了上来。

行业里常用的PUE，量的主要是机房制冷、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，想取得合理回报很难。机柜上架率也替代不了真实的计算负载，更证明不了应用带来了多少收益。

算力供给猛增的阶段，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得算清楚具体任务的成本和结果，地方投算力设施必须有靠得住的市场需求托底。扩建项目能带来短期投资，却不会自动长出一个有竞争力的AI产业。

当机柜数量和芯片规模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大。先进算力中国仍然需要，但每一笔新增投入，都该拿真实需求和使用效率来检验。