人工智能的增长取决于对能源关联的管理，即AI对能源、水和关键矿产的需求，与依赖这些资源的系统之间的相互作用。
采取整体、综合的战略管理能源关联问题，将确保AI不会因自身的资源需求而受阻，也不会失去其社会运营许可。
立即行动将使AI能够发挥其变革潜力，释放有韧性的、净正向的增长，同时增强企业和社会。
人工智能（AI）正以前所未有的速度发展，推动各行业在生产力、自动化和决策方面取得突破，同时也在重塑经济和社会。
预计全球AI支出将达到2025年1.5万亿美元，并在2026年超过2万亿美元，推动对高性能芯片、数据中心和广泛应用的需求。
这一增长的核心是AI与能源的关联，即AI对电力、水和关键材料的消耗，与依赖这些资源的生态系统和社区之间错综复杂的相互联系。
一个领域的压力会传导至其他领域：AI工厂和数据中心的大规模扩张推动电力需求激增，既加剧能源供应和基础设施的压力，也加速排放。用于冷却的水资源被挪用，减少了农业和家庭可用的水量。矿产开采使社区流离失所，并破坏生物多样性。在计入直接消耗、间接或次生影响以及AI与能源关联中相互关联的资源利用时，这些挑战会相互叠加。
AI与能源关联的四个节点
1. 能源：高度显见的瓶颈
预计到2030年，数据中心的耗电量将达到945太瓦时，超过德国和法国目前的合计用电量，并且是415太瓦时（2024年）的两倍多。到2030年，仅AI就可能占电力需求总增长的超过20%，而化石燃料仍将供应约40%的新增需求。为降低连续性、能源安全、成本和碳排放风险，可再生能源的整合至关重要。
能源与水密不可分，水对发电至关重要；能源也与材料密不可分，材料精炼会加剧资源压力。能源需求上升还会推高通胀、扰乱日常生活，并加剧社会和环境风险。这些相互依存关系凸显了综合资源战略的迫切需要。如需更深入的系统视角，请参阅世界经济论坛的《人工智能的能源悖论：平衡挑战与机遇》。
2. 水：被忽视的AI增长制约因素
AI数据中心需要消耗大量水进行冷却。预计到2030年，全球数据中心的用水量将达到每天4.5亿加仑，相当于约500万人的日用水量，高于2022年的2.92亿加仑。美国三分之二的数据中心位于高水压力地区，搁浅资产、监管整顿和声誉损害的风险正不断加剧。
发电和芯片制造同样会消耗水资源。在规模化发展下，AI的水足迹可能与农业、市政和工业用水需求直接竞争，使水成为可持续AI增长的战略制约因素。
3. 关键矿产：供应链与地缘政治脆弱性
AI基础设施依赖大量材料，从钢铁、铝和硅，到锂、钴、镍、铜和稀土，这些材料的生产需要大量能源和水，且往往对环境造成严重影响。
许多材料稀缺，或集中于生态脆弱和地缘政治敏感的地区，对规模化发展和韧性构成战略风险。例如，70%的钴来自刚果民主共和国，该国普遍存在童工和腐败问题；南美的锂开采在干旱地区消耗大量水资源；而中国控制着全球约90%的稀土精炼，在中美紧张局势中加剧了地缘政治风险。
预计到2030年关键材料需求将增至三倍，供应不稳、监管审查和资本成本上升，给投资者和企业带来日益严峻的挑战。
4. 自然与社区：信任处于临界点
随着AI对能源、水和材料的需求增长，社区面临日益加剧的资源稀缺和成本上升，而加大的取水和排放又加速了生物多样性丧失。
材料采购是一个主要冲突焦点：超过1,200个矿场与生物多样性热点地区重叠，且自2005年以来近800起争议已造成代价高昂的延误和声誉损害。在智利的阿塔卡马沙漠，法律诉讼迫使锂生产商将开采量减半，放缓了全球供应
对企业而言，利益相关方参与不足会危及许可和运营；对投资者而言，社区冲突会侵蚀价值；对政策制定者而言，强有力的监管对于维护生态和社会韧性至关重要。
超越孤立方法，应对风险
与AI相关的能源风险已受到关注，并引发了公众意识和行动。然而，仅关注能源无法打破环境与运营压力相互叠加的循环。事实上，孤立地看待能源风险可能会加剧水资源压力，并制约AI所依赖的数据中心本身。
这些AI与能源关联的动态（涵盖能源、水、材料、粮食和生物多样性）正在突破地球边界，同时损害商业潜力和社会公平。有效的缓解需要整体解决方案：综合战略须认识到能源—水—材料—生物多样性关联中的相互依存关系，并使AI的快速增长与长期可持续性保持一致。
AI与能源关联的利益相关方可以做什么
为应对AI与能源关联的风险并释放长期价值，企业和投资者必须超越其在AI价值链中的狭窄角色。他们应当推行创造共享价值的战略，在推进商业目标的同时造福社会和环境。
政府通过设定国家目标、促进跨部门合作，并借助清晰的监管、一致的激励措施和公私合作，确保AI的增长具有韧性和可持续性，发挥着关键作用。
以下是数据中心和AI行业四个关键领域的利益相关方可以采取的措施，以确保其工作考虑到能源与AI的关联：
数据中心管理
制定整合能源、水、矿产和生物多样性风险的AI战略。
选择低碳电网和供水有保障的站点；主动管理长期风险。
承诺实现先进的效率目标，例如电能使用效率（PUE）<1.2，以及具有净正向水影响的水资源使用效率（WUE）。
签订可再生电力购买协议并配置储能，以对冲化石燃料价格波动。
跟踪并披露运营资源强度和产能利用率。
采矿与资源开采
采用“以更少做更多”的方式，优先考虑效率、循环性和最低资源强度。
平衡国家安全与全球合作，以确保供应的可得性和可负担性，并减少对社区的负面影响。
加强尽职调查、透明度和社区参与，以建立信任。
部署创新解决方案，提高开采效率、降低环境影响。
投资于生物多样性和水资源管理，以维护运营许可。
推动回收利用和闭环矿产回收，以减少对原生开采的依赖。
AI软件与部署
优化模型训练和推理效率，以降低成本和资源使用。
提高令牌生成效率，以最低资源强度实现性能。
将关联感知指标纳入业务目标设定、绩效跟踪和报告。
投资人才，以设计、部署和管理既高性能又注重资源节约的AI系统。
投资
评估投资组合在AI供应链中面临的能源、水和矿产风险敞口。
优先选择拥有可信的关联治理和披露框架的企业，例如TNFD、资本联盟（Capitals Coalition）或IFVI原则。
将资本配置给具有良好可持续发展实践和创新能力的企业或项目，包括绿色数据中心、回收创新者和有韧性的供应链。
前进之路清晰而紧迫。坚持在能源、水、材料和生物多样性关联中推行综合战略，并以可持续性支撑创新的利益相关方，不仅能够缓解风险，还将释放有韧性的、净正向的增长。那些立即行动的人将塑造未来、引领变革性机遇，并确保AI的扩张同时增强企业和社会的实力。
全球未来理事会能源关联通过其“能源关联洞察”系列分享理念和案例，该系列包括博客、文章和信息图；为公共和私营部门决策者提供指南；并开展行业分析，以政治、经济和社会上可行的方式管理能源、粮食和水的关联。
