聯合國大學水、環境與健康研究所（UNU-INWEH）最新報告指出，AI產業高速成長背後的環境代價，除了模型訓練產生的碳排放，支撐AI運作的資料中心消耗大量電力、水資源與土地，並可能加劇電子廢棄物與全球資源分配不均等問題。隨著AI市場持續擴張，如何兼顧技術創新與環境永續，已成為全球新挑戰。
Bloomberg Intelligence估計，全球AI市場將從2023年的1,890億美元，在10年內成長近25倍，於2033年達到近5兆美元；國際數據資訊（IDC）也預測，2026年全球AI支出預計將超過2.5兆美元，凸顯AI市場大爆發。
然而，聯合國大學水、環境與健康研究所於台灣時間6月3日晚間發布《AI能源使用的環境成本：碳、水與土地足跡》 （Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints）報告指出，過去各界討論AI環境衝擊，多聚焦於模型訓練所產生的碳排放，卻忽略每消耗一度電背後所伴隨的用水量與土地需求，導致AI產業的整體環境成本遭到嚴重低估。
聯合國大學：2025年，全球資料中心耗電量相當於法國一年用電規模
報告估計，2025年全球資料中心用電量將達4,480億度，相當於法國一整年的用電規模；若將資料中心視為單一國家，總耗電量可排全球第11位。同時，資料中心每年將產生約4.5兆公升水足跡及6,900平方公里土地足跡。
到了2030年，全球資料中心用電量更可能攀升至9,450億度，占全球總用電量約3%；水足跡將增加至9.3兆公升，土地足跡超過1.45萬平方公里、相當於東帝汶的面積，並可能衍生高達250萬噸電子廢棄物。
「這份報告並非反對AI，AI技術變革正改善全球數十億人的生活，」領導該調查團隊的UNU-INWEH所長Kaveh Madani表示，「這是一項引導大眾負責任地運用AI的呼籲，主動應對衍生的非預期衝擊，以實踐永續與公平。」
他說，人類要確保當代科技革命的發展不破壞地球極限；同時也必須保障為AI開採關鍵礦物、建置基礎設施及承擔電子廢棄物處理的在地社群，同樣能從技術紅利中受益。
為了確保科技進步不以破壞生態為代價，報告呼籲需建立負責任的AI生態系統，並落實透明度、能源效率以及環境公正原則。在發展AI的同時，必須將其物質成本與長期永續性納入核心考量。
AI真正耗能的不是訓練，而是日常使用
報告指出，外界普遍認為AI最耗資源的環節是模型訓練，但實際上，模型完成訓練後的大規模日常使用，才是能源消耗的主要來源。
以ChatGPT、Gemini等生成式AI服務為例，每日數十億次的互動請求，使推論（Inference）階段的能耗占整體生命週期高達八至九成。
不同AI任務間的能源消耗也差異甚大，研究顯示，一次聊天問答的耗能約為文字分類任務的200倍；生成一張AI圖片則高達1,450倍。若進一步生成短影音，耗電量則足以完成20萬封垃圾郵件分類工作。
換算成生活情境，生成一張AI圖片所需電力，可讓一顆10瓦LED燈泡持續點亮17分鐘；生成複雜AI影片，則足以讓同一顆燈泡連續運作42小時。
水資源消耗也同樣明顯，一張AI圖片約消耗29毫升水，相當於兩湯匙；而複雜AI影片則可能消耗4.1公升水，接近成年人兩天的飲用水需求。
報告提醒，即使技術進步提升運算效率，也不一定能降低總體資源消耗。根據「賈馮斯悖論」（Jevons Paradox），效率提升往往會使成本下降，進一步刺激需求增加。因此，除了技術升級，仍需透過Token上限（限制一次請求或一次回覆可以使用的文字量）、輸出長度限制與解析度管理等機制，避免資源消耗失控。
各國因 AI 用電所產生的碳足跡、水足跡與土地足跡強度。圖中陰影深淺分別代表每度電（kWh）所對應的二氧化碳當量排放量（克 CO₂e/kWh）、耗水量（公升/kWh）及土地占用面積（平方公分/kWh）。各國電力系統結構的差異，造成 AI 系統環境足跡在不同地區之間的顯著差異。圖片來源／UNU-INWEH
AI繁榮背後正加速全球不平等
除了環境壓力，報告指出AI正在加劇全球資源與技術分配的不均。
目前全球僅32個國家擁有AI專用資料中心，其中美國與中國就占據九成以上的算力基礎設施。超過150個國家缺乏自主AI運算能力，必須依賴國際科技巨頭提供服務，進而在定價權、數據治理與創新能力上處於劣勢。
與此同時，AI產業帶來的環境成本卻往往由開發中國家承擔。報告預估，到了2030年，全球每年將新增約250萬噸電子廢棄物，而支撐AI硬體所需的鋰、鈷與稀土等關鍵礦物，也多開採自法規較寬鬆的南方國家。
對於仍缺乏穩定供電與潔淨飲水的地區而言，AI龐大的能源需求甚至可能排擠基本民生資源。以GPT-4訓練所需電力為例，相當於撒哈拉以南非洲約46萬人一年的住宅用電量。
資料中心所在地的社區也承受著不成比例的環境壓力，例如，烏拉圭曾因Google規劃興建大型資料中心而爆發抗議，當地民眾質疑政府在乾旱期間優先保障工業用水；愛爾蘭則因資料中心用電量已占全國用電約21%，超過所有家庭用電總和，迫使政府暫停部分新的電網接入申請。
AI產業帶來的環境成本往往由開發中國家承擔；支撐AI硬體所需的鋰、鈷與稀土等關鍵礦物，多開採自法規較寬鬆的南方國家，並可能對當地造成環境或人道威脅。圖片來源／Shutterstock
聯合國大學呼籲遵守六大原則，讓AI產業更永續
為避免AI發展突破地球環境承載極限，報告提出六項核心原則：
- 透明度 （Transparency）： 採用統一、可驗證的指標，公開揭露AI訓練與推論的碳、水、土地及材料足跡。
- 設計效率 （Efficiency by Design）：設計思維強調效率，透過模型量化、剪枝、知識蒸餾與高效硬體，降低不必要的資源需求。
- 公平與正義 （Equity & Justice）： 確保受影響社區能參與決策，並在資源受限或電網壓力大的地區建立補償與保護機制。
- 生命週期責任 （Lifecycle Responsibility）： 管理不應僅限於運作能源，還必須涵蓋上游開採（如關鍵礦物）及下游電子垃圾的安全回收。
- 全球合作 （Global Cooperation）：跨國界協調標準與監管，防止企業透過跨境轉移將環境負擔轉嫁給弱勢地區。
- 永續使用 （Sustainable Use）： 倡導「量材錄用」（Fit-for-purpose），在日常任務中優先選擇小模型或傳統搜尋，限制高能耗功能。
報告也指出，AI 基礎設施之所以能以空前速度擴張，關鍵在於金融資本的大量挹注。許多跨國銀行與投資機構，一方面承諾遵循ESG原則及淨零排放目標，另一方面卻透過貸款、創投及債券發行等方式，持續向高耗能產業注資。
聯合國大學建議，金融機構評估投資案時，不應僅著眼於財務報酬或企業宣稱的碳中和目標，而應要求揭露完整的碳、水與土地足跡。同時，銀行應將能源使用效率（PUE）及水資源利用效率（WUE）納入授信審查，提高高耗能專案的融資門檻。
台灣AI資料中心擴張，能源、水資源與土地治理也有新挑戰
台灣科技媒體中心（SMC）統計，台灣目前約有36座資料中心，建置數量全球第9；台灣氣候行動網絡研究中心總監趙家緯分析，台灣現有資料中心占全國用電雖只有0.16%，但未來AI算力中心運算負載若達450百萬瓦（MW），納入電力使用效率換算後，一年約為51億度電、將占全國用電約1.5%。
他說，若依台電對AI及網路資料中心（IDC）的推估，2030年用電量更可能達122.3億度，占全國用電3.6%，超過全球平均水準。
儘管資料中心未必成為台灣最大的用電來源，高密度集中用電仍可能對區域電網形成壓力。因此，未來政策討論應進一步納入能源治理、水資源管理與土地規劃等面向。
趙家緯指出，台灣對AI資料中心的討論不應停留在供電爭議，而應聚焦制度設計。政府已於2025年將新建或擴建5MW以上資料中心納入能源使用說明書審查，但現行PUE門檻1.3仍偏寬鬆，未來勢必得要求業者揭露契約容量、實際用電、PUE、WUE、冷卻方式、再生能源採購及需量反應能力等資訊。
趙家緯建議，可參考德國《能源效率法案》（EnEfG），透過更嚴格的能效標準、廢熱利用及再生能源使用規範，引導產業轉型。
趙家緯也主張，選址上應於具備再生能源供給、低用水壓力及電網餘裕的工業區規劃「能源園區」，推動資料中心、再生能源、儲能與再生水系統共址。他說，大型資料中心應參與儲能、需量反應及逐時無碳電力採購，並將AI訓練等非即時運算移轉至綠電充裕或電網負載較低時段，以降低尖峰負荷並提升電網韌性。
台灣現有資料中心占全國用電僅0.16%，但預計2030年用電量可能達122.3億度，占全國用電3.6%。高密度集中用電仍可能對區域電網形成壓力，未來政策討論應進一步納入能源治理、水資源管理與土地規劃等面向。圖片來源／Shutterstock
國土空間規劃體系可尋找因應途徑，政治大學地政學系教授鄭安廷建議，地方政府普遍將產業園區與資料中心投資視為發展重點，至於確保電力供應，則被視為中央政府的權責，並不受到地方重視。而且電力可經電網跨區域傳輸，在當前淨零能源轉型的背景下，此現象就導致其他地區必須設置更多的再生能源，以供應擴張的用電需求，形成區域性的不平等。
隨著近年資源逐漸下放至地方，未來機制設計應強化地方政府的相關權責。他建議以國土計畫的開發審查，要求地方政府須負擔一定的淨零義務與發電責任。依循此模式，資料中心設置須將在地資源限制與淨零需求納入考量，朝向更加永續的AI產業發展。
水資源方面，NIRAS資深經濟顧問王穎達指出，台灣目前以增加多元水源、推動再生水及強化用水回收作為政策主軸。雖然政府已核定16座再生水廠，未來每日可增加約60.69萬噸穩定供水，但現行規劃仍偏重偏重總供水量，對流域差異、枯水期風險及園區競爭關注不足。在氣候變遷加劇下，既有規劃可能與實際水情脫節。
大型AI資料中心若採用水冷或蒸發冷卻系統，應揭露取水量、耗水量、排水量、水使用效率及再生水使用比例，並提出枯水期降載計畫。未來若設址於水情敏感區、地下水管制區或供水壓力較高區域，審查門檻也應相應提高，以降低對在地環境的衝擊。