AI 的氣候承諾消耗了誰的水和電？

AI 現今也被包裝成應對氣候危機的新工具，它可以協助分析極端天氣、優化電網、提高農業效率，也可以幫助企業計算碳排放，讓政策制定者更快看見風險。這些說法的問題是當 AI 被描述成拯救氣候的答案時，另一半成本往往被放到畫面之外。模型要訓練，要推理，要長期運行，背後需要大量伺服器、電力、冷卻系統和水資源。於是，一個基本問題被推到前面：當 AI 說它可以幫人類處理氣候問題，它自己消耗的水和電，最後由誰承擔？

這個矛盾在於技術敘事經常只呈現用途，不呈現運行條件。人們看到一個模型回答問題、生成報告、分析衛星影像，卻很少看到資料中心如何被建造、電力從哪裡來、冷卻用水來自哪個地區、對當地電網和水源造成甚麼壓力。當技術以「雲端」形式出現時，資源消耗也被語言隱藏起來。雲端聽起來輕、遠、無形，但它其實是土地、機房、晶片、輸電網和冷卻管道組成的實體系統。只是使用者不必看見，企業也不太主動讓人看見。

但 AI 的成本不是平均分配的。大城市、科技公司、金融機構和高收入使用者享受 AI 帶來的效率，但資料中心往往落在電力便宜、水源可用、土地可取得的地方。當地居民未必使用最多 AI，卻可能承受更多基建壓力。電力需求上升時，能源轉型的速度可能被拖慢；冷卻需求增加時，缺水地區要重新分配水資源；資料中心進入社區時，地方政府常以投資、就業和稅收作理由歡迎，但長期成本未必由同一批受益者支付，這是資源分配問題。

更麻煩是 AI 公司可以把環境成本分散到整個基建系統裡。電力算在能源公司，水資源算在地方政府，碳排算在供應鏈，晶片製造算在上游產業。到最後，AI 本身看起來仍然乾淨，因為污染和消耗被拆散到不同帳本之中。這種拆分會改變社會判斷。當我們只問 AI 能否提高效率，就容易忽略效率本身是否正在製造新的資源壓力。這不表示社會應該拒絕 AI 用於氣候治理。相反，AI 的確可以在氣候預測、能源調度、災害應對和城市規劃上發揮作用，但問題不能只停在「有用」兩個字。任何大型技術只要進入公共生活，就不能只用功能證明自身正當性。它也必須交代自己的代價、邊界和責任。若一個工具聲稱可以幫助世界節省資源，它至少要讓人知道它在甚麼地方消耗資源、消耗多少、是否有替代方案以及哪些使用其實只是把能源浪費包裝成效率提升。

未來需要的可能是更清楚的資源帳本，例如哪些 AI 應用值得消耗電力和水，哪些只是商業噱頭，哪些模型可以縮小，這些都應該進入公共討論。否則，AI 很易變成另一種熟悉的現代故事：它在前端承諾解決危機，在後端擴大基建壓力。氣候問題最深的一層本來就是社會是否願意看見自己如何分配代價。AI 若要成為解方，就不能只展示它能做甚麼，也要承認它需要消耗甚麼。