人工智能（AI）正以前所未有的速度改变世界。从智能搜索到生成式模型，AI似乎无所不能。它能让工厂更节能、让交通更高效、让企业做出更精准的决策。听起来，它似乎是一种“绿色技术”——帮助我们用更少的资源创造更多的价值。

但问题在于：AI自己要耗多少电？

AI的“隐形排放”正在扩大

数据中心是AI的“发动机”。所有模型训练、云计算和大规模数据处理都在这里完成。根据Davenport等（2024）的预测，到2030年，美国的数据中心将消耗全国 8%的电力——而2022年这一数字只有3%。这种激增的用电需求，可能会推迟燃煤电厂的关闭，让“绿色转型”的脚步变慢。

另一方面，科技产业总喜欢用“绿色”“高效”这样的词来描绘自己。毕竟，AI可以优化能源调度、减少浪费、提升产出。但真实情况可能更复杂：AI的增长，也可能意味着排放的增长。

Figure 1 Data-intensive occupations, data centres, and CO2 emissions

Bonfiglioli et al. (2025）构建了一个涵盖 2002至2022年 的大型数据库，追踪美国722个通勤区（大致相当于城市及周边地区）的AI发展、数据中心分布、电厂类型以及CO₂排放。

· AI渗透度：通过软件工程师、数据科学家、系统分析师等数据密集型职业的就业比例来衡量。

· 能源与排放：来自高分辨率的Vulcan数据库，能精确到地方层面。

· 电厂信息：包括2000多个数据中心与邻近电厂的燃料结构。

我们发现，AI密集度高的地区往往也有更多的数据中心、更高的能源消耗、以及更大的CO₂排放。

Figure 2 AI penetration, CO2 emissions, and electricity generation

Notes: The figure presents estimated coefficients and 90% confidence intervals for the effects of AI penetration on various types of emissions and on the non-renewables share of net electricity generation. The estimation sample includes 722 commuting zones observed across four 5-year periods from 2002 to 2022.

AI让排放下降得更慢

研究结果揭示出一个清晰的趋势：AI放慢了地方层面的减排速度。

在AI渗透更深的地区，2002至2022年间CO₂排放仅下降约16%；而在几乎没有AI渗透的假想地区，排放可能会下降多达37%。换句话说，AI的兴起在一定程度上“抵消”了地方绿色转型的成效。

主要原因不是污染技术，而是规模效应

AI本身并非直接造成污染，而是通过“规模效应”间接增加排放：

· AI吸引了更多企业和人才入驻，

· 推动了经济活动和生产，

· 从而带动能源需求上升。

产业结构的变化反而略有助于减排，但力度有限。

Figure 3 Distance to data centres and power plant activities

Notes: The figure presents estimated coefficients and 90% confidence intervals for the effects of power plants’ average distance to data centres on different power plant activities. The estimation sample consists of 11,500 power plants observed four 5-year periods from 2002 to 2022.

电力系统被迫更“脏”

更令人担忧的是，在AI密集的地区，即便控制了经济增长因素，单位电力的碳强度仍然上升。原因在于：

电厂为了满足数据中心持续、稳定的高功率需求，不得不从可再生能源转向化石燃料发电。

毕竟，太阳能和风能难以保证全天候供电，而AI训练任务常常要连续运行数周甚至数月。

此外，我们还发现：距离数据中心越近的电厂，排放越高，越依赖非可再生能源。

这意味着AI基础设施的选址——不仅仅是经济问题，也越来越成为环境问题。

生成式AI时代：更高的能耗，更大的挑战

Bonfiglioli et al. (2025)的研究数据止于2022年，也就是ChatGPT等生成式AI爆发之前。而现在的AI模型训练规模和计算强度，远超以往。训练一个大型语言模型的能耗，相当于数千户家庭一年的用电量。

如果电力结构仍以化石能源为主，下一波AI浪潮可能会带来更高的短期排放。

数字化转型 ≠ 绿色转型

这项研究的结论直指核心矛盾：数字化和脱碳不能被视为两条独立的路线。

AI的发展体现了技术进步的经典两难——它能在长期提高效率，却在短期内扩大能源需求与环境外部性。

我们需要加速清洁能源，而不是放慢AI