会计专家黄世忠 | 人工智能的十大ESG风险：解构与缓释——以芯片需求和算力扩张导致电力与水资源过度消耗为例
人工智能（AI）技术的迅猛发展正在重新定义全球经济、社会和环境的格局，尽管AI被视为推动经济增长和社会进步的重要引擎，但其发展过程中潜藏的环境、社会和治理（ESG）风险日益凸显，本文以环境议题为切入点，聚焦AI在芯片需求和算力扩张方面带来的环境资源消耗问题，系统解构人工智能的十大ESG风险,并提出相应的缓释建议。
AI技术的快速发展不仅改变了工业生产和服务业的运作方式，还对全球能源、水资源和矿物等自然资源提出了更高要求，根据国际能源署（IEA）2025年发布的《世界能源展望特别报告：能源与人工智能》，AI相关硬件制造和数据中心的运营已成为消耗巨量电力和水资源的主要用途，AI的普及也加剧了对碳排放、矿物消耗和废弃物管理的环境压力，本文旨在探讨AI发展过程中环境议题中的关键风险,尤其是芯片制造和算力扩张对电力与水资源的过度消耗问题。
AI的核心运行依赖于高性能芯片和大规模算力支持，硬件制造和数据中心的运营对环境资源提出了严重要求,以下是AI环境风险的主要表现：
芯片制造是AI硬件生产的核心环节，占用了大量电力和水资源，以国际先进的3纳米芯片为例，其制造过程需消耗约2.3兆瓦时电能，而高性能服务器的制造能耗超过10兆瓦时，根据绿色和平组织（Green Peace）2025年发布的《人工智能环境影响报告》，全球半导体行业在2023年的总耗电量已超过100太瓦时（1000亿度），相当于全球制造业耗电量的1%。
台积电作为全球晶圆制造的市场份额最高的企业，其2024年的耗电量高达274.70亿度，远超同期全球汽车制造业的总耗电量,这表明芯片制造已成为AI硬件生产的主要能源黑洞。
AI模型的训练和推理需要巨大的算力支持，数据中心成为AI发展的“电老虎”，斯坦福大学人工智能研究所2023年发布的《2023年人工智能指数报告》显示，训练一次GPT-3需要消耗1.28吉瓦时电能，而训练GPT-4的能耗更是呈指数级增长，根据All About AI的《2025年AI环境统计》，五大AI模型训练的耗电量从2023年的1000万度增长至2025年的2.5亿度。
数据中心的耗电量占全球数据中心总耗电量的53%，并且这一比例预计到2030年将进一步提升至53%，谷歌2025年发布的《可持续发展报告》指出，其数据中心的耗电量从2020年的151.26亿度增至2024年的321.06亿度，年均增长率高达20.7%,主要源于AI技术的快速发展。
AI数据中心的计算、存储和散热过程需要大量水资源支持，绿色和平组织报告显示，全球AI数据中心的耗水量从2024年的430亿升增至2030年的3380亿升，年均增长率高达40.99%，芯片制造过程中的水资源消耗也不可忽视，以台积电为例，其耗水量从2020年的5690万吨增至2024年的12880万吨,超纯水用量也从7970万吨增至13961万吨。
在水资源匮乏的地区，AI芯片制造和数据中心的高耗水不仅引发环境压力,还可能导致社会矛盾的加剧。
AI的全生命周期碳排放包括芯片制造、数据中心运营和废弃物处理等环节，GPT-3的训练产生了552吨CO2当量，与小汽车每百公里消耗10升95号汽油产生的碳排放相当，IEA报告预计，到2030年全球数据中心的碳排放将达到3.2亿吨,主要来自煤炭和天然气的发电。
AI芯片制造对矿物的消耗也呈现趋势，钴、锂和石墨等矿物的需求已大幅增加，尤其是在AI芯片和电池技术的推动下,这种资源消耗可能超过地球的承载力。
AI芯片和数据设备的使用产生了大量电子废弃物，根据UNCTAD的数据，智能手机、笔记本电脑等电子设备的废弃物在2010~2022年增加了30%，达到1050万吨，但只有24%的电子废弃物得到循环利用,这种废弃物的处理对环境和生态系统造成严重威胁。
AI对社会的影响不仅体现在环境资源消耗上，还涉及就业市场的重构和收入分配的不公,以下是AI社会风险的主要表现：
AI技术的普及对劳动力市场产生了深远影响，根据麦肯锡2023年的研究，生成式AI和其他AI技术有望自动化60%~70%的工作任务，这不仅威胁到低技能岗位，还可能逐步影响中高技能岗位，沈愷等（2025）研究表明，AI对中国的十大职业首当其冲，包括会计、审计和财务分析师等。
AI技术的发展可能导致薪资与生产力脱钩，研究显示，AI的普及使得劳动者报酬与生产力之间的关系变得不再紧密,部分行业的薪资水平难以跟上生产力的提升。
AI技术的普及加剧了社会不公平，教育水平较低的群体因数字鸿沟被排除在高薪岗位之外；AI算法可能因数据偏差而对某些群体产生歧视性影响。
AI行业的集中度效应日益明显，头部企业通过技术和资本优势占据主导地位，中小企业难以生存，这种趋势不仅威胁到市场公平,还可能加剧社会分化。
AI技术的复杂性和不透明性带来了新的治理难题，主要表现为算法歧视、AI滥用和数据安全问题。
AI算法可能因数据偏差或算法设计问题而产生歧视性影响,贷款评估算法可能因种族或性别偏见对特定群体产生不公平结果。
AI技术被用于价格歧视、网络诈骗和监视等滥用场景,这些行为威胁到市场秩序和公共利益。
AI的发展依赖于海量数据的收集和利用，但数据安全和隐私保护问题日益突出，面部识别、语音识别等技术可能被滥用,侵犯公民隐私。
要化解AI十大ESG风险，必须从环境、社会和治理三个方面综合施策：
