文章核心观点 - AI技术的快速发展潜藏显著的ESG风险，特别是在环境方面的高耗电、高耗水与高排放问题，以及数据安全与隐私保护等社会与治理风险 [1][3] - 需通过技术创新、循环经济模式转型和完善法规标准等综合治理方式，推动AI产业实现绿色、可持续和包容性发展 [7][8][11] AI的环境风险 - 电力消耗：AI硬件制造和模型训练推理均高度耗电，全球AI数据中心耗电量占全球数据中心耗电量的比重预计从2024年的16%增至2030年的53%，全球数据中心总耗电量将从2024年的563太瓦时增至2030年的1385太瓦时 [3] - 水资源消耗：数据中心散热需大量水资源，全球数据中心耗水量预计从2024年的2390亿升增至2030年的6640亿升，其中AI数据中心耗水量从430亿升猛增至3380亿升，复合年均增长率高达40.99% [4] - 碳排放：AI碳足迹覆盖硬件生产与模型运行全链条，例如训练GPT-3排放552吨CO₂当量，相当于480辆百公里油耗10升的小汽车每年行驶5000公里的碳排放 [4] - 矿物消耗与废弃物：AI依赖大量矿物和金属，2010至2022年全球电子废弃物增加30%达1050万吨，但2022年仅24%得到正式收集 [5] 应对ESG风险的策略 - 硬件领域：推广液冷服务器等高效节能技术以提升散热效率并减少用电量，同时发展小型核聚变等绿电技术 [9] - 技术领域：通过架构创新和算法优化降低资源消耗，例如DeepSeek训练耗电量仅为GPT-4的5.6%，主要得益于混合专家模型架构 [10] - 循环经济模式：加大对废旧AI设备的回收与循环利用，建立专业回收处理体系以提升零部件回收再利用率，并规范电子废弃物的无害化处理 [10] - 监管与标准建设：建立统一的AI产业环境足迹核算与报告标准，要求企业定期公开用电、用水和碳排放等关键信息 [10] - 法治保障：建议尽快制定AI相关法律法规，禁止歧视性算法，完善数据安全和隐私保护法律体系 [11] AI的社会与治理风险 - 数据收集环节常涉及数据安全与隐私问题，例如部分企业未经授权擅自在公共场所采集公众照片用于模型训练，严重侵犯隐私权 [6] - 当技术缺乏伦理约束和法律规制时，AI滥用和数据安全等问题将挑战市场秩序并威胁公共利益 [5]