大型AI模型究竟如何加剧空气污染？
大型AI模型的数据中心运行需要消耗巨额电力，而这些电力仍有相当部分来自煤炭、天然气等化石燃料的燃烧。2023年一项研究对亚的斯亚贝巴交通枢纽和制造厂区的PM2.5（细颗粒物）浓度进行了监测，发现其数值介于63.46至104.45微克/立方米之间——远超世界卫生组织设定的15微克/立方米安全阈值[1]。这些工业源正是为AI数据中心供电的设施，该研究直接揭示了其健康风险：在接受调查的480名居民中，57.92%的人报告了经医学证据证实的污染相关疾病[1]。
这是一个全球性问题。2023年的另一篇论文指出，由于化石燃料使用增加和极端气候事件频发，全球99%的人口现在呼吸着超过世界卫生组织限值的空气[2]。人工智能模型正是这一化石燃料需求增长的一部分——每次大型模型训练所消耗的电量，相当于数百户家庭一年的用电量。其结果是产生更多的PM2.5、更多的二氧化碳，并给当地电网带来更大压力，而电网往往通过启用更老旧、污染更严重的发电厂来应对。
这次重新加剧的污染对谁影响最大？
健康影响对弱势群体的冲击最为严重。2023年的一项综述发现，暴露于高浓度空气污染物的孕妇面临更高的风险，可能患上高血压疾病、产后抑郁，并导致新生儿低出生体重、早产及婴儿死亡率上升[2]。儿童和老年人同样面临更高风险，因为他们的身体更难过滤毒素。同一项研究强调，氧化应激和免疫系统损伤是关键机制，这意味着即使是短期暴露也可能产生持久影响[2]。
在污染严重区域工作的工人尤其容易受到影响。亚的斯亚贝巴的研究指出，司机、街头商贩和制造业员工是受影响最严重的群体，工业区的PM2.5浓度高达104.45微克/立方米——几乎是世界卫生组织安全限值的七倍[1]。这些工人往往收入较低，对工作环境几乎没有选择余地，这使得该问题不仅关乎公共卫生，更涉及环境正义。
为什么这个问题现在又成了公共议题？
两大趋势正在交汇：监测技术的进步与公众意识的提升。2021年的一项研究展示了一种基于人工智能的物联网系统，该系统通过传感器阵列实时检测八种污染物（包括PM2.5、二氧化碳和二氧化氮），当污染水平达到危险程度时，会在5至60分钟内发出警报[4]。这使得人工智能数据中心产生的污染对监管机构和公众而言变得即时可见，而不再是一个隐形问题。
与此同时，公众的认知也在发生变化。2022年在布鲁塞尔进行的一项访谈研究发现，人们根据五种心理图式对空气污染进行分类：来源、健康影响、气候影响、功能性和感官感知[3]。随着人工智能数据中心在物理空间和新闻报道中愈发显眼，越来越多人开始将自身的数字活动与为其供电的烟囱联系起来。该研究还发现，当人们认为自己能够避开污染时，往往会低估其危害——但随着人工智能基础设施向居民区扩展，这种“可规避感”正在减弱[3]。
关于这些来源
该回答基于5篇经同行评审的研究——发表于2021年至2024年间，其中1篇为2024年及以后发表，3篇发表于Q1期刊，累计被引用421次——这些研究是从5篇通过质量筛选的研究中选出的最相关成果，而该筛选过程则源自从超过5亿篇论文数据库中检索到的48篇文献。
本文引用的文献
城市空气污染与绿化对公共健康的影响
亚的斯亚贝巴交通和工业区域的PM2.5实测浓度范围为50.13至96.84微克/立方米，在480名受访者中，57.92%的人报告了经医学证据证实的污染相关健康问题。
空气污染与妊娠
全球99%的人口呼吸着超过世卫组织限值的空气；孕妇和新生儿因空气污染面临更高的妊娠高血压疾病、早产及婴儿死亡风险。
公众对空气污染的认知：名称背后有何深意？
在布鲁塞尔进行的51次访谈中发现，公众对空气污染的认知多样且主观，往往低估其危害；人们根据污染来源、健康影响、气候影响、功能性及感官感知对污染进行分类。
基于物联网的环境毒理学研究，利用人工智能技术进行空气污染监测
基于传感器阵列与Elman神经网络的AI增强型物联网系统，可实时检测包括PM2.5和二氧化碳在内的八种污染物，并在危险水平出现后5至60分钟内生成警报。
下一代空气污染预测：融合人工智能、时空动态与隐私保障方法的城市区域方案
提出将人工智能与时空模型及隐私保护方法相结合，用于下一代空气污染预测，旨在实现城市区域的高精度预报。