在华盛顿州雷德蒙德市的微软总部，工程师们的手指正在键盘上翻飞，为人工智能（AI）的未来编写着一行行代码。 

与此同时，在 1500 公里外，一场看似毫不相干的 " 怪事 " 正在发生：在堪萨斯州地下深处，巨型泵机正将混合着人类粪便和污水的黏稠 " 生物泥浆 "，源源不断地注入地壳深处。 

  这听起来匪夷所思的 " 埋粪 " 操作，正是微软为 AI 飞速发展所付出的 " 环境账单 "。

AI 的 " 超能力 " 光环背后，是惊人的电力、水资源消耗和飙升的碳排放。法国 AI 初创公司 Mistral AI 的最新报告显示，其旗舰模型 Mistral Large 2 训练和运行 18 个月，产生的二氧化碳竟然相当于 5000 辆家用轿车一年的排放量。

在 AI 基础设施规模扩张时，科技公司对自身碳足迹的披露却依然不甚透明。" 埋粪 " 不过是冰山一角，" 绿色焦虑 " 正逐步成为 AI 产业链上无法回避的巨大成本。

微软为何豪掷 17 亿美金 " 埋粪 "？

最近，微软和一家名为 Vaulted Deep 的生物科技初创公司签了一份大单。根据协议，Vaulted Deep 将代表微软在 2038 年前完成 490 万吨的碳去除目标。

虽然具体金额没公布，但有报道称这笔交易总价值超过 10 亿美元。如果按照 Vaulted Deep 每处理一吨二氧化碳收费 350 美元来算，微软为此付出的代价可能高达 17 亿美元。

Vaulted Deep 究竟有何 " 神通 "，能让微软如此大手笔投入？

原来，这家公司专门收集各种有机废弃物，包括人类排泄物、动物粪便、造纸污泥等，把它们转化成浆糊状的 " 生物泥浆 "。接着，他们通过深井注水技术，把这些 " 生物泥浆 " 泵入地下约 1500 米深、不透水的岩层中进行密封。这种方法不仅能永久去除碳、减少甲烷排放，还能把 PFAS 等微量污染物封锁在地下，防止它们污染当地环境。

对微软来说，这 17 亿美元的 " 埋粪 " 支出，实际上是在购买 " 排放权 "。

微软最新的可持续发展报告显示，随着其云计算和 AI 业务的疯狂扩张，公司 2024 财年的碳排放量自 2020 年以来已经累计增长了 23.4%。数据中心电力需求的指数级飙升，让微软此前承诺的减排目标面临严峻挑战。事实上，在与 Vaulted Deep 合作之前，微软已经连续签署了好几份巨额碳信用交易订单。

然而，对于这种 " 花钱买抵消 " 的做法，很多人并不认同。专注于碳定价和碳移除研究的非营利机构 Carbon Market Watch 的专家 Benja Faecks 直言不讳地告诉《每日经济新闻》记者（以下简称 " 每经记者 "），微软的这项协议更像是一种 " 猎奇项目 "，能短暂吸引一些注意力。" 作为一个致力于推动气候行动的 NGO，我们非常反对‘抵消排放’的逻辑，因为排放是不能抵消的。你不能通过购买碳信用额或在供应链之外投资一些项目，就宣称自己‘减少了排放’。"

她强调："真正值得信赖的气候行动，应该把重心放在从源头减少排放上，而不是玩‘账面游戏’。" 她同时提到，碳抵消项目的实际减排效果因项目而异。自愿碳市场的初衷，是为了给那些有益于环保的项目提供资金，比如植树造林，即使有时碳汇量化不那么精确，它依然是个重要的环保项目。

AI 的 " 碳账单 " 有多吓人？ 

科技巨头们总是热衷于展示 AI 的 " 超能力 "，但对 AI 背后真实的环境代价，却往往避而不谈。

Faecks 告诉每经记者，当前的排放核算机制是有缺陷的。比如在 Scope 2（即企业购买自用的能源如电力、蒸汽、供暖和制冷所产生的间接排放）和 Scope 3（其他间接排放）方面，微软等科技公司采用了 " 基于市场的核算机制 "（market-based accounting），也就是说，通过购买可再生能源证书或其他采购方式，他们可以在账面上甚至实现零排放。

那么，AI 到底有多耗能呢？AI 的训练和运营目前主要依赖于不可再生能源，且存储 AI 模型的数据中心通常位于可再生能源资源匮乏的地区。

国际电信联盟今年 6 月初的一份报告揭示了一些关键信息：由于数据中心对电力的巨大需求，从 2020 年到 2023 年，亚马逊、微软、Alphabet（谷歌母公司）和 Meta 在运营过程中产生的间接碳排放量平均增长了 150%。这些间接排放包括企业购买电力、蒸汽、供暖和制冷等产生的排放。

其中，亚马逊 2023 年的运营碳排放量比三年前猛增 182%，微软增长 155%，Meta 增长 145%，Alphabet 增长 138%。报告还指出，随着 AI 投资的持续增加，排放量最高的 AI 系统预计每年将排放 1.026 亿吨二氧化碳当量。

欧洲 AI 初创公司 Mistral AI 在 7 月 22 日发布的一份 AI 大模型环境影响分析报告，提供了更具体的数字。他们与可持续发展咨询公司 Carbone 4 和法国生态转型机构 ADEME 合作，为自家旗舰模型 Mistral Large 2 算了一笔详细的 " 碳账 "。

研究发现，截至今年 1 月，经过 18 个月的训练和使用，Mistral Large 2 共排放了 2.04 万吨二氧化碳，这相当于 5000 辆普通家用轿车一年的碳排放量；它还消耗了 28.1 万立方米的水，这足以注满 112 个奥运泳池；同时使用了相当于 660 公斤锑的资源（锑当量用于衡量硬件生产所需的稀有金属和矿物消耗）。

研究同时表明，在 AI 模型的整个生命周期中，训练和推理对环境的影响最大。据 Mistral AI 称，该模型在这个阶段排放的温室气体占比达 85.5%，水资源消耗占比为 91%。

另一项针对 DeepSeek、Qwen、Llama 等 14 个开源大模型的研究也显示，在回答相同类型问题时，具备推理能力的模型能耗和碳排放量，是非推理模型的 4 到 6 倍。

  arXiv 预印本网站 2025 年 5 月发布的一篇论文显示，如果按照 GPT-4o 每天在全球产生约 7 亿次查询来计算，该模型一年的推理用电量累计可达 39 万至 46 万兆瓦时，这差不多是 3.5 万个美国家庭或 25 所大学每年的总用电量。照此推算，GPT-4o 每年的排放量约为 13.8 万至 16.3 万吨二氧化碳当量。如果想抵消这些排放，需要超过 558 平方公里（相当于芝加哥市面积）的美国森林进行碳汇。

AI 要靠 " 真减排 "，而非 " 花钱买心安 "

经合组织和国际能源署的数据显示，到 2027 年，AI 每年可能消耗高达 66 亿立方米的水，是瑞士年消耗量的两倍。到 2030 年，数据中心的能耗可能会翻一番，达到 945 TWh，这甚至会超过日本（900 TWh）和瑞士（60 TWh）的总能耗。

AI 的 " 生态足迹 " 不只包括用电和用水。根据科学期刊《自然计算科学》上的一项研究，生成式 AI 在 2023 年产生了 2600 吨电子垃圾。到 2030 年，这个数字可能会飙升到 250 万吨，相当于 133 亿部废弃的智能手机。

图片来源：每经记者 孔泽思 摄

面对 AI 发展带来的巨大碳排放压力，科技巨头纷纷开启 " 降碳军备赛 "。谷歌、微软和 Meta 承诺在 2030 年前实现 " 净零排放 " 目标，亚马逊则把最后期限设在了 2040 年。

然而，Carbon Market Watch 的 Faecks 向每经记者强调，AI 行业应该优先使用可再生能源等从源头减少排放，而不是光想着 " 把粪便埋到土里 " 来抵消。她承认两者并非完全矛盾，但源头减排必须是首要目标。她认为，碳信用机制往往备受批评，是因为其常被用于误导性的 " 碳中和 " 宣传。如果企业不将碳信用额度作为 " 净零排放 " 的借口，这种机制本身不会受到如此严厉的指责。

她指出，科技公司的主要排放来源有两个：一是数据中心的电力消耗，二是供应链中的硬件制造能耗。" 可再生能源是科技行业转型的关键，"Faecks 说，" 同时，延长设备使用寿命和在硬件生产中使用更多可回收部件，也是减少供应链能耗的重要措施。"

微软、Meta、亚马逊和谷歌等巨头在可再生能源方面已经有所行动，仅在今年 6 月就公布了多项进展：

6 月 3 日，Meta 与美国最大的核电站所有者 Constellation Energy 达成一项为期 20 年的协议：从 2027 年 6 月开始，Meta 将从 Constellation 位于伊利诺伊州的克林顿清洁能源中心购买大约 1.1 吉瓦的电力。

6 月 9 日，亚马逊宣布在宾夕法尼亚州投资 200 亿美元建设两个数据中心园区，其中一个数据中心直接接入核电站电力供应；

6 月 30 日，谷歌宣布加大对核聚变能源初创企业 Commonwealth Fusion Systems 的投资，并签署 200 兆瓦的无碳能源购买协议。

尽管头部科技企业在可再生能源领域已迈出实质性步伐，但这仍难以掩盖整个科技行业在减排治理上的核心短板。

Faecks 强调，除了要求企业提高环境影响披露的透明度外，政府也必须介入并加强监管。因为目前这些企业的碳中和承诺大多基于自愿原则，虽然未能达成目标可能会导致一些负面影响（比如失去部分投资、影响整个供应链的参与意愿），但这些约束力远不如政府监管有效。

她呼吁，全球正处在 " 关键十年 "（2020 到 2030 年），这是应对气候变化的最后窗口期。作为新的重大排放源，AI 领域内的政府和企业都有责任尽快采取行动。

记者|兰素英

编辑| 陈柯名 高涵   盖源源

校对 | 金冥羽

｜每日经济新闻   nbdnews   原创文章｜

未经许可禁止转载、摘编、复制及镜像等使用

每日经济新闻