一、引言 近年来，以ChatGPT和DeepSeek为代表的生成式人工智能(AI)技术取得重大突破，正以各种方式在制造业和服务业推广运用。麦肯锡针对16个业务领域中63个应用场景的研究显示，AI将显著提升全要素生产率、催生新业态新机遇，预计每年可带来2.6万亿～4.4万亿美元的经济增加值(McKinsey，2023)。除促进经济增长外，AI还可在工业生产能耗优化、智能电网高效调度、建筑能耗动态管控、交通运输减排提效、农业种植精准滴灌、研发设计提质增效、供应链协同化脱碳、碳足迹追踪与管理等领域进行技术赋能，为人类社会节能降耗、减少温室气体排放、共同应对气候变化提供技术支撑。但在看到AI对绿色低碳转型发挥促进作用的同时，也应充分关注杰文斯悖论(Jevons Paradox)，客观评估AI发展的潜在不利影响。英国经济学家、逻辑学家威廉·斯坦利·杰文斯(William Stanley Jevons)于1865年出版了《煤炭问题》(The Coal Question)一书，提出的观点彻底颠覆了人们对技术进步与资源消耗相互关系的认知。他指出瓦特通过改良蒸汽机极大提高了煤炭使用效率，大幅降低了煤炭使用成本，结果却导致煤炭总消耗量以前所未有的速度增长。他观察到的“效率显著提升—成本大幅降低—需求急剧增加—总消耗量不降反升”这一有违常理的“反弹效应”(Rebound Effect)被学术界称为“杰文斯悖论”。谷歌、苹果、微软等数字化平台企业近年来通过使用AI节能技术和清洁能源，虽然大幅降低了单位能耗和温室气体排放强度，但用电量、用水量和碳排放却呈上升态势，这雄辩地说明19世纪提出的杰文斯悖论到了21世纪依然存在。 联合国贸易和发展会议(UNCTAD)在《2024数字经济报告：打造具有环境可持续性和包容性的数字未来》(简称“UNCTAD报告”)中敏锐地指出，以AI、大数据、云技术、物联网为代表的数字化不仅留下了大量环境足迹(能源和材料消耗产生的碳足迹、水足迹、矿物消耗和废弃物等)，而且加剧了社会不公平(UNCTAD，2024)，提示我们在发展AI的过程中应当高度警惕AI可能给经济、社会和环境带来的意想不到的负外部性。AI迅猛发展和普及应用潜藏的ESG(环境、社会、治理)风险不容小觑，数据中心的耗电耗水和碳排放、劳动力市场的结构性冲击、算法应用的伦理争议等ESG问题，正成为制约AI可持续发展的瓶颈。加强这方面的研究，对于确保AI健康可持续发展意义重大。现有研究大多聚焦AI的技术创新与经济效应，对AI发展中的ESG风险进行系统分析的研究严重匮乏。本文系统解构AI发展中的十大ESG风险，剖析AI全生命周期的耗电耗水、碳排放以及矿物消耗等环境风险，分析AI对就业岗位产生冲击、生产力提升与劳动者报酬脱钩、马太效应加剧等社会风险，指出算法歧视、AI滥用以及数据安全带来的隐私权危机等治理风险，并从ESG的角度提出风险缓释建议，希望能为政策制定者提供风险预警，为企业和个人善用AI提供有益启示。 二、AI的环境(E)风险：算力扩张的生态代价 AI的有效运行高度依赖海量数据处理与高强度算力支撑，从软硬件生产到模型训练再到问题推理的全生命周期，均带来巨大的环境资源压力。概而言之，AI的环境(E)风险主要体现在电力消耗、水资源消耗、碳排放、矿物消耗与废弃物四个方面。 (一)电力消耗：AI的尽头是电力 首先，与AI相关的硬件制造属于能源密集型环节，但在整个生命周期中其能耗低于运营阶段。硬件制造中最耗电的是芯片(含GPU/TPU，即图形处理器和张量处理器)制造以及数据存储设备制造环节。国际能源署(IEA)于2025年4月发布的世界能源展望特别报告《能源与人工智能》(简称“IEA报告”)显示，以目前最先进的3纳米芯片为例，每片晶圆的制造过程需消耗约2.3兆瓦时(2300度)电能。对于高性能的服务器配置，制造环节的能耗超过10兆瓦时，而五年使用周期的运营能耗则超过80兆瓦时。在制造环节的总能耗中，约60%的能耗用于晶圆及半导体生产(沉积、光刻和蚀刻工艺占主要部分)，其余40%的能耗主要用于设施冷却等辅助流程(IEA，2025)。 绿色和平组织于2025年5月发布的《人工智能环境影响报告》(简称“绿色和平组织报告”)指出，2023年全球半导体行业消耗了超过100太瓦时(1000亿度)电能，相当于全球制造业耗电量的1%(Green Peace，2025)。仅台积电2024年的耗电量就高达274.70亿度(TSMC，2025)，相当于通用汽车同年在全球范围内生产和销售537万辆汽车耗电量的4.96倍(General Motors，2025)，如表1所示。
其次，大语言模型的训练和推理极其耗电，堪称“电老虎”。斯坦福大学人工智能研究所发布的《2023年人工智能指数报告》显示，训练一次GPT-3的耗电量多达1.28吉瓦时(Stanford，2023)。更为严重的是，随着AI大模型参数规模从百亿级向万亿级突破，训练AI的能耗呈指数级增长。专注于AI环境资源影响的网站All About AI发布的《2025年AI环境统计》报告列示了五大AI模型训练的耗电量，如表2所示。
