
哈佛大学最新研究显示,在2024至2025年度,美国403个超大规模数据中心的二氧化碳排放量,达到2018年早期预测值的两至三倍。
这项由哈佛陈曾熙公共卫生学院与哈佛数据科学倡议主导的研究指出,同期这些设施消耗了美国约1.8%的电力。在最重载场景下,其总用电量堪比印第安纳州、密歇根州或田纳西州等单一州的年度消费水平。
能耗推算与碳足迹
研究团队利用卫星图像、OpenStreetMap建筑轮廓及更大的数据集,锁定了这403个支持云计算和AI处理的核心设施位置。由于无法直接读取电表,研究人员基于站点电力容量、全年运行小时数及负荷率假设推算能耗。
数据显示,在从低强度使用到高强度AI工作负载的四种场景中,这些设施的年耗电量为68至99太瓦时(TWh)。作为参照,上述各州的年用电量均约为100 TWh。
在排放方面,结合美国环境保护署(EPA)的电厂级数据,研究估算二氧化碳排放量介于2100万至3100万公吨之间,中心估计值为2570万公吨。相比之下,2018年的这一数值仅为1050万公吨。
化石燃料依赖与未来趋势
报告覆盖期为2024年5月至2025年4月。分析显示,约54%的供电来自天然气和煤炭等化石燃料。尽管区域电网差异导致设施碳强度不同,但其平均碳强度仍低于美国电网整体平均水平。
论文主要作者、哈佛大学生物统计学系博士后研究员Gianluca Guidi强调,当前数据仅是行业迅速扩张中的一个快照。自研究期结束以来,新建设施与园区扩建并未放缓,AI算力需求持续攀升,这意味着2026年的实际用电量和碳足迹可能已显著高于报告数值。
研究团队也承认存在局限性,包括数据不足以覆盖全美所有超大规模站点,且无法区分通用计算与AI专用操作的电力消耗。