报告概述

本报告采用系统视角,对占全球93%数据中心容量的26个国家进行深入分析。研究涵盖数据中心从电力消耗(Scope 2)到硬件制造(Scope 3)的全生命周期碳排放,以及水消耗(直接冷却、发电用水、芯片制造)。报告还评估了AI工作负载在电力需求中的占比及其快速增长趋势,分析了电网碳强度、输电损耗和可靠性对AI绿色发展的影响,并探讨了AI作为全经济脱碳工具的潜力。通过不同脱碳情景的建模,揭示了电力系统转型速度对数据中心未来环境足迹的决定性作用。

报告的核心结论

数据中心真实碳排放比IEA估计高57%,AI是快速增长源。

2025年全球数据中心碳排放约286 MtCO₂,其中Scope 2(电力)占76%,Scope 3(硬件制造等)占23%。AI相关工作负载已贡献15-20%的用电量,对应43-60 MtCO₂,预计到2030年占比将接近40%。

电网脱碳速度是决定AI能否与排放脱钩的关键。

若不改善电网碳强度,2030年数据中心排放将翻倍至643 MtCO₂;而在雄心脱碳路径下,排放仅微增至329 MtCO₂。差距主要来自电力系统而非需求增长,因此加快可再生能源部署比提升数据中心效率更有效。

AI应用可大幅降低全球排放,但需更快推广。

IEA估计,到2035年AI可在全经济领域每年减少约1.4 Gt CO₂排放,远高于自身排放(高估情景下643 MtCO₂),净减排约750 MtCO₂。但目前大多数AI应用仍处于早期阶段,实际减排取决于应用扩散速度。

水耗是被忽视的约束,2030年可达瑞士年用水量。

2025年数据中心总水耗约8140亿升,间接(发电冷却)占70%。到2030年水耗将增至1.3-1.8万亿升,在韩国、印度、墨西哥等水紧张地区尤为突出,可能引发准入限制和监管反对。

报告回答的关键问题

AI如何影响全球碳排放?

AI通过数据中心用电和硬件制造产生碳排放,2025年约43-60 MtCO₂,占全球排放0.08%左右。但AI同时可优化工业、交通、建筑等领域,IEA预计到2035年每年减排1.4 Gt,净效果为减排。关键在于AI应用能否先于基础设施碳成本快速规模化。

数据中心水耗有多大?

2025年全球数据中心水耗约8140亿升,相当于德国1700万人口年饮用水量。其中直接冷却占22%,发电间接水耗占70%,芯片制造占8%。到2030年,在脱碳路径下水耗仍将达1.3万亿升,在现行路径下可达1.8万亿升,超过80个国家年水耗。

绿色AI需要什么条件?

实现绿色AI最关键的是加速电网脱碳,同时提升环境信息透明度,通过碳价和水价内化外部成本,并关注供应链上游排放。此外,需推动AI在能源、工业等领域的减排应用,使其减排效益超过自身足迹。

数据中心选址如何影响环境足迹?

相同负载在不同国家碳排放差异可达24倍:印尼超600 gCO₂/kWh,挪威低于30 gCO₂/kWh。美国384 gCO₂/kWh,中国526 gCO₂/kWh。水耗同样受当地电力结构影响:核电低碳但高水耗,风电光伏水耗极低。电网可靠性和输电损耗也是重要因素。

报告中的代表性数据

286 MtCO₂

2025年全球数据中心碳排放

2025,包含Scope 2(电力)218 MtCO₂和Scope 3(硬件制造等)66 MtCO₂,较IEA估计高57%。

约130亿美元

AI相关气候成本(2025年)

2025,基于Renner (2022)碳社会成本239美元/tCO₂,AI约占数据中心排放20%。线性趋势下2030年升至540亿美元。

8140亿升

2025年全球数据中心水耗

2025,其中直接冷却22%,发电间接70%,半导体制造8%。2030年水耗预计1.3-1.8万亿升。

以上数据根据报告摘要整理,具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 各国数据中心装机容量、电力需求与PUE的详细数据表(当前及2030年预测)。
  • 生命周期碳排放评估框架:Scope 1(现场发电/制冷泄漏)、Scope 2(外购电力)、Scope 3(硬件制造与基建)的分国别测算。
  • 电力系统AI准备度分析:各国电网碳强度、输电损耗率、年均停电时长对比图。
  • 四种脱碳情景下的2030年排放预测:不改善、线性趋势、低于2°C、NDC路径,含分国别结果。
  • 数据中心水耗分解:直接冷却、发电间接、半导体制造,及各国水压力指数对比。
  • AI作为脱碳工具的可能减排量评估:基于IEA数据,AI在能源、工业、交通等领域的应用潜力。
  • 政策建议:电网绿化、透明度报告、环境成本内部化、供应链排放管理、AI减排应用推广。
  • 碳排放社会成本估算表:基于不同碳价(Nordhaus、EU ETS、Renner、EPA)的分国别年损害金额。

本页内容由川海智库整理,用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限,部分观点、数据、统计口径或表述可能存在偏差,具体内容请以完整报告原文为准。

相关报告