The Environmental Cost of Digital Sovereignty: Water, Energy, and Emissions Impacts of Sovereign AI Infrastructure in the Global South
Muntaser Syed, Marius C. Silaghi, Sheikh Abujar, Sharun Akter Khushbu, Amal El Ahmad
cs.CY, cs.DC
2026-07-15
论文给阿联酋、孟加拉、印度、肯尼亚的主权 AI 算环境账:同一 1,024 卡集群,蒸发冷却在阿联酋年耗水 3,430 万升、水压力评分 4.82/5;孟加拉电网跑同样负载碳排放是肯尼亚地热电网的 7.3 倍。
2024 到 2026 年,全球南方国家宣布的主权 AI 投入超过 2,000 亿美元:阿联酋 Stargate 园区规划 5 GW,沙特 HUMAIN 采购 18,000 张 Blackwell,印度 IndiaAI 已部署 34,381 张卡。主权 AI 的讨论集中在大国竞争与数据治理,物理成本——数据中心要喝的水、要烧的电、要排的碳——在国家 AI 战略文件里几乎缺席:孟加拉的 AI 政策 2026-2030 草案通篇没有环境选址和用水条款。
这篇投给 GHTC 2026 的论文补上这笔账。方法不复杂:拿 WRI Aqueduct 的水压力数据、Ember 的各国电网碳强度、NVIDIA DGX H100 的公开功耗(10.2 kW/8 卡节点),按 1,024 卡集群(1.31 MW IT 负载)、PUE 1.201.80、蒸发/混合/浸没三种冷却方案,算四个国家部署的年耗水、耗电与碳排放。作者明说这是量级估算,不是工程精度。
四个案例按财力×环境脆弱性选:阿联酋(有钱+极端缺水)、印度(有钱+高脆弱)、孟加拉(没钱+高脆弱)、肯尼亚代表非洲(没钱+较低脆弱)。五条压力向量逐项评:水、电、碳、土地选址、与民争资源。数字全部来自公开数据源,模型是乘法:IT 负载×PUE=设施功耗;×各冷却技术的 WUE(蒸发冷却 1.83.0 升/kWh)=年耗水;×电网碳强度=年碳排放。
另外对 15 个真实或规划中的数据中心场址(达卡、金奈、孟买、阿布扎比 Stargate、内罗毕 Konza 等)做了五维气候脆弱性打分,并对比四种 AI 开发路径(前沿预训练/主权 LLM/LoRA 微调/端侧推理)的环境足迹。
| 指标(1,024 卡,PUE 1.80) | 阿联酋 | 孟加拉 | 印度 | 肯尼亚 |
| 年耗水(蒸发冷却,百万升) | 34.3 | 32.0 | 22.9 | 13.7 |
| 年碳排放(蒸发冷却,吨) | 9,624 | 14,330 | 13,795 | 1,964 |
| 电网碳强度(gCO2/kWh) | 467.5 | 696.1 | 670.1 | 95.4 |
| WRI 水压力评分(满分 5) | 4.82 | 1.38 | 3.05 | 0.74 |
几个关键读数:
这篇的价值不在方法(一张乘法表),在把散落的公开数字摆到同一张桌面上,让「主权 AI」这个口号可以被问价。三个判断对从业者有直接参考:
一是选址和冷却技术的选择比算力规模本身更决定环境足迹,同一集群水耗差 60 倍、碳排差 7 倍,全看建在哪、怎么冷。二是外包不丢主权定义权但确实更低碳,各国要么接受这个溢价要么用清洁电网选址对冲,肯尼亚给出正面样本。三是资源受限国家的可行路径是「节俭 AI」:小模型微调+端侧推理,而不是咬牙上前沿预训练。
论文据此提了七条设计原则:强制披露 WUE(用水效率)、选址前做气候脆弱性评估、可再生优先选址、缺钱国家默认小模型、区域共建共享设施、国家 AI 战略强制带环评、干旱地区把淡化回路的能耗计入总账。
作者自己列得很清楚:资本开支数据残缺且多来自宣传稿;水耗与碳排用国家均值而非场址实测,结论只能做跨国量级比较,不能指导单站设计;三组关键参数(PUE、WUE、电网碳强度)里电网碳强度主导不确定性(四国相差 7.3 倍),好在排序对所有参数组合稳健。
读下来还有几点:GPU 用 TDP 估功耗是下界,HBM 峰值会更高;柴油备用发电机的排放(可达电网 23 倍)提了但没进定量模型;52 国、15 场址的打分是文献拼接,权重设定没有交代来源;「三难困境」(主权、环境、民生不可兼得)是框架性提法,四个案例撑得起「存在张力」,撑不起「不可能同时最大化」这么强的表述。
另外要留意作者阵营:引用了自家前作 TOML(机器学习晶体管级能效框架),整体立场偏向人道主义工程视角的 AI 部署。这个立场不影响数字,但影响叙述重心,比如对「外包计算」的环保优势着墨多,对其主权代价着墨少。