生成式AI的迅速普及正引发一个长期被忽视的议题——其环境成本究竟有多高？《华盛顿邮报》援引加州大学河滨分校的最新研究给出了惊人数字：无论是文字创作还是图像生成，背后都伴随着巨大的水资源消耗和电力需求。问题的核心在于，数据中心需要大量冷却水来维持运行，同时电网所承受的负荷也在持续增加。

研究指出，人工智能的水足迹因地区不同而存在显著差异，并与当地电价呈反比关系。具体而言，在得克萨斯州撰写一封100字的电子邮件，最低耗水量仅为235毫升；然而在华盛顿州，这一数字直接攀升至1408毫升——约等于三瓶16.9盎司的矿泉水。这种巨大差异，恰恰反映了数据中心选址策略背后的权衡逻辑。

更令人震惊的是大模型训练阶段的“用水量”。Meta在训练LLaMA-3模型时，一口气消耗了2200万升水。换算成直观概念：这相当于种植约2013.5千克大米所需的水资源，或是164名美国人全年的生活用水总量。值得强调的是，这还只是针对GPT-4目标受众中极轻度使用场景的估算，若是高频调用，实际数字恐怕更为惊人。

电力成本同样不容忽视。假设全美十分之一的上班族每周使用一次GPT-4，一年累计的电力消耗足以支撑整个华盛顿特区（约67万人）20天的用电需求。这种量级的能源需求，早已不止是“值得关注”的层面，而是在切实改变当地的能源结构布局。

面对这些数据，OpenAI、Meta、谷歌和微软的代表作出了回应——但大多数仅重申了“致力于降低环境影响”的宏观承诺，并未披露具体行动计划。唯一的例外是微软代表克雷格·辛科塔（Craig Cincotta），他提到公司正在开发完全不依赖水的冷却技术，然而具体细节和实施时间表仍付之阙如。显然，环保承诺与实际行动之间，尚存在不小的鸿沟。