日前据媒体报道，年耗经合组织与国际能源署发布的水电手机数据显示，人工智能（AI）的超国WhatsApp%E3%80%90+86%2015855158769%E3%80%91pittsburgh%20electric%20hoist%20wiring%20diagram广泛应用正带来日益显著的生态挑战。

在资源消耗方面，垃圾到2027年，达亿AI预计每年将消耗高达66亿立方米的部废水，这一水量是年耗瑞士年用水量的两倍。

同时，超国数据中心的垃圾能耗问题也愈发严峻，预计到2030年，达亿WhatsApp%E3%80%90+86%2015855158769%E3%80%91pittsburgh%20electric%20hoist%20wiring%20diagram其能耗将翻一番，部废达到945太瓦时（TWh），年耗这一数字甚至超过了日本（900 TWh）与瑞士（60 TWh）两国能耗的水电手机总和。

AI的超国“生态足迹”远不止于电力与水资源的消耗。

根据科学期刊《自然计算科学》上的一项研究，生成式AI在2023年已产生了2600吨电子垃圾。

而随着技术的不断发展和应用的普及，到2030年，这一数字预计将飙升至250万吨，相当于133亿部废弃智能手机的重量，对环境造成巨大压力。

除了生态问题，AI的安全隐患也日益凸显。

今日，国家安全部也发文警示，人工智能正面临数据源污染的新挑战。

一些不法分子通过篡改、虚构和重复等“数据投毒”手段，制造污染数据，这些数据在模型训练阶段会干扰参数调整，进而削弱模型性能、降低其准确性，甚至可能诱发有害内容的输出。

研究显示，数据污染对模型输出的影响极为显著。当训练数据集中仅包含0.01%的虚假文本时，模型输出的有害内容就会增加11.2%；即便虚假文本的比例降至0.001%，有害输出也会相应上升7.2%。

更为严重的是，受到数据污染的人工智能生成的虚假内容，还可能成为后续模型训练的数据源，形成一种具有延续性的“污染遗留效应”，进一步加剧数据安全问题。