近日，2026世界人工智能大会暨人工智能全球治理高级别会议在上海举行。大会发表了《2026世界人工智能大会暨人工智能全球治理高级别会议主席声明》（以下简称《声明》），并提出十五项核心主张，涵盖教育创新、技术普惠、可持续发展、安全伦理、多边合作等主要领域，旨在推进落实联合国2030年可持续发展议程。当前，人工智能已然深度参与并赋能生态环境治理和保护，在系统构建、信息披露、数据监测等方面均发挥重要作用；而与此同时，产业的高速发展对生态环境和可持续发展产生了潜在的影响。基于此，本文将对AI产业发展中可能发生的可持续风险进行探讨，并针对企业和监管提出具有可操作性的治理建议，以期为AI企业平衡技术创新与可持续发展提供全球性的有效治理路径，助力行业发展“智能向善”。
一、人工智能产业可持续发展前景
人工智能 (Artifical Intelligence) 作为当前重要的新质生产力之一，是一种使计算机模拟人类思维过程和智能行为决策的技术。在全球市场中，2025年人工智能产业市场价值约为3720亿美元，到2032年将超过2.4万亿美元[1]。在中国，2024年，全国人工智能核心产业规模突破9000亿元，2025年预估突破1.2万亿元。截至2025年底，我国人工智能企业数量超6000家，形成了覆盖基础底座、模型框架、行业应用的完整产业体系[2]。在新一轮人工智能产业高速发展并全方位重构社会生活的重要时间节点，2026世界人工智能大会暨人工智能全球治理高级别会议进一步明确人工智能与可持续发展的重要关系，会上发表的《声明》提出要发展可持续、普惠和安全的人工智能，助力落实联合国2030年可持续发展议程，确保人工智能造福全人类。
当前，人工智能产业正在深度参与环境、社会和治理（ESG）有关领域，赋能整体可持续发展。具体来说，人工智能可广泛应用于气候和污染治理、智能电网、医疗、物流以及公司治理、税务合规等诸多环节[3]。在企业ESG方面，人工智能已经开始帮助ESG信息披露、开展ESG评级与风险预测。整体而言，根据测算，人工智能可为可持续发展目标（SDGs）中82%的社会领域目标、70%的经济领域目标和93%的环境领域目标提供支持。然而，人工智能在上述维度同样会带来潜在的冲击，约38%的社会目标、30%的经济目标和33%的环境目标会受到一定程度的负面影响[4]。对于人工智能整体产业而言，锚定其潜在相关ESG风险是保证良性可持续发展的必然前提。
二、人工智能产业的环境资源维度冲击
人工智能产业自身发展的高算力和资源要求正在对环境产生越来越大的压力。《声明》提出，应当发展可持续的人工智能，关注人工智能对能源消耗和生态环境的影响，推动其绿色低碳发展并促进与能源双向赋能。具体而言，人工智能产业在环境领域的影响主要涉及三大主要环节，分别为模型训练、相关基础设施建设和终端模型应用。
（一）大模型训练环节
一方面，人工智能产业的发展仰赖于性能强大的人工智能大模型，而前沿模型的训练则需要大量的资源投入。以OpenAI旗下的ChatGPT系列模型为例，其训练GPT-4的电能消耗约为50吉瓦时，大约是GPT-3训练所需的40倍。而其最新一代GPT-5预计训练所需电量则将达到100吉瓦时。与之相对应，GPT-5训练产生的碳足迹将达到4.2万吨二氧化碳当量，水足迹达10亿升，土地占用1.5平方公里；远高于GPT-4训练造成的2.5万吨二氧化碳当量的碳足迹、6亿升的水足迹和0.9平方公里的土地占用[5]。随着大模型在性能和功能方面的指数级增长，其对环境资源需求的持续提升成为长期不可逆的趋势。
（二）基础建设环节
除大模型本身外，对其提供支持的基础设施建设等环节同样会消耗大量的环境资源。隐含碳排放指的是人工智能产业在数字基础设施的制造、运输、施工和生命周期结束阶段等完整产业环节的碳排放[6]。作为其中的重要代表，向人工智能模型提供算力、数据和算法的人工智能数据中心（AIDC）冲击了包括电力、水资源、土地资源在内的全球环境资源。以Meta公司为例，其建设基础设施消耗的隐含碳足迹占其人工智能领域碳足迹的50%[7]。在电能方面，数据中心的信息技术设备和制冷设备会产生大量的电能消耗[8]。2025年，全球人工智能数据中心消耗的电力达到89.6太瓦时，这一数字到2030年将达到378太瓦时，占全球电力使用量的近1.2%。与此同时，数据中心的电力使用产生了1.89亿吨二氧化碳当量的碳足迹，对应消耗的用水量为4.5万亿升，土地占用为6,900平方公里[5]。
（三）终端应用环节
然而，尽管模型训练消耗了大量的资源，却并不是人工智能产业主要的碳足迹来源。事实上，人工智能产业大多数的碳足迹来自其使用阶段而非训练阶段。根据联合国大学的报告，人工智能模型的连续推理阶段所需能源占人工智能相关总能耗的超80%。趋势上来看，随着任务复杂程度的上升，其所消耗的环境资源会呈指数级增长。具体而言，生成一张图片需要2.9瓦时；而在能耗最高的高分辨率视频生成领域，其每个片段消耗超过415瓦时的电量。对应到水资源，单张图片生成的电力相关水足迹29毫升，而视频则会达到4.1升[9]。人工智能部署后在全球服务的高使用消耗进一步增加了环境治理的难度。
更加值得警惕的是，人工智能所带来的收益和上文所述的环境负担，正在全球范围内出现明显错配。2030年，人工智能基础设施每年预计产生多达250万吨电子废弃物，而关键矿物开采和电子废弃物处理往往集中于环境监管较弱的发展中国家[5]。即便是在相同国家，这样的错配同样存在。据报道，美国佐治亚州摩根县居民就曾公开投诉，在Meta数据中心开工后井水出现泥沙因此不得不购买或运输外部水源以满足日常生活需要。2026年7月2日，美国怀俄明州夏延市公共事业委员会（BOPU）正式确认Meta数据中心建设承包商排放的废水污染当地再生水系统。尽管人工智能在应用端为企业和个人提供了丰富的便利，极大助力了社会生活，其背后面向不同权利主体的环境正义问题是继续推动产业走向智能普惠亟待重视和解决的问题。
三、人工智能产业的社会资源维度冲击
人工智能技术的快速发展同样冲击了社会的生产生活模式。在社会资源维度，其潜在的风险环节主要涉及应用安全、技术伦理和全球劳动力市场重构。
（一）安全应用环节
随着人工智能模型性能的日益增强并适配更多的功能与任务处理，其在个人生活领域和社会维度的应用伦理和安全问题日益凸显。《声明》提出，应积极推动构建法律和监管体系建设，重视并防范人工智能可能带来潜在的系统性安全风险。在个人生活领域，以智能体助手为代表的人工智能深度嵌入智能生活，在带来生活便利、提升效率的同时产生了安全性的结构性空窗。2026年2月，风靡全球的OpenClaw开源人工智能智能体助手在获取了用户系统操作权后产生大量权限失控、隐私泄露、恶意攻击和损毁数据的行为，引发了关于人工智能应用端安全问题的普遍担忧。而在7月中旬，OpenAI的两款人工智能模型在内部测试过程中失控，突破隔离测试环境并侵入开源社区Hugging Face的系统。由于黑箱之下更先进的算法和更大的自主性所带来背后高度的不可控性，人工智能产业在高速发展的同时正带来深刻的潜在安全问题。
（二）伦理实践环节
更重要的问题出现在技术伦理的层面。当人工智能在实际应用层面的定位从处理任务上升到提供决策的时候，意味着人工智能已经开始参与到普遍涉及人类伦理争议的事务中，而其背后的道德伦理需要承受巨大的社会考验。一方面，人工智能已经开始逐渐参与涉及人类生命权的决策和执行当中。在政府层面，人工智能正在嵌入政策制定与执行环节，并可能对包括人类的生命权在内的国际社会政治、生命伦理和法律体系产生威胁[10]。在社会层面，人工智能系统正被滥用于生成诈骗、欺诈、敲诈勒索及未经同意的私密影像，且在实践上越来越难以被甄别[11]。在其他领域，包括无人驾驶涉及的电车难题决策、治理领域的监管和审核、网络维度的信息筛选等，都在对人类社会认知人工智能的伦理隐患并提出有效思路提出了紧迫性的要求。
四、人工智能产业可持续发展路径
针对上述人工智能行业整体的可持续潜在风险，整体来看，需要在企业和政府层面实现有效的应对行动，并通过国际领域的协作以实现产业稳健发展，持续“智能向善”。
（一）政策端
企业实现可持续发展需要政策层面的引导提供助力和监督。在制度方面，首先需要加强信息披露有关政策建设。人工智能产业相较于其他产业，其特色之处在于，在部分上市企业之外存在大量头部非上市独角兽企业。以中国企业为例，深度求索、月之暗面等未上市或准备上市大模型企业均无相关ESG信息披露报告。尽管A股ESG强制披露政策刚刚落地，整体来看有关企业ESG信息披露状况仍相对薄弱。聚焦在环境领域，目前人工智能相关领域环境影响评估严重缺乏可靠数据[15]。对此，应建立评估人工智能环境影响的标准化流程，并推动建立相应的评估标准。在政策层面，监管机构应该健全就业保障与分配机制，提前在两方面布局应对人工智能时代潜在的劳动力市场失衡。一方面，通过税收和社保等再分配机制应对结构性失业的影响；另一方面，监管机构或相关行业协会可与企业联手推进职业教育与人工智能普及培训相关投入，提升社会整体的人工智能教育和认知，应对劳动力技能升级的普遍需求。在监管领域，应着手建立有关安全伦理的监管框架。面对人工智能技术的现实风险，法规方面应加快在算法歧视、违法滥用和数据安全等领域进行专项立法，明确人工智能应用的责任归属与追责机制。同时，应提前布局涉及生命伦理领域的适用规则，例如无人驾驶、监管、战争等领域的国标制定和监督办法。更重要的是，监管机构需完善对企业激励与惩罚机制，推动企业主动创新并履行其社会职责，通过建立有效指导的方式引领整个人工智能产业良性发展。
（二）企业端
在企业端，对人工智能产业相关企业来说，实现可持续发展核心重点集中在技术层面和企业管理层面。其中，技术层面主要针对人工智能企业整体的节能减排，以实现低碳发展和自然环境保护。企业可以通过优化模型、发展算法、建设绿色数据中心、开发清洁能源等方式推动人工智能产业全生命周期的绿色化设计，这要求企业主动适应并创新技术。同时，企业应主动制定气候战略并开展以各范围碳核算为代表的资源核算，加入有关框架与气候治理体系以实现绿色发展。在企业管理层面，企业在开发人工智能时需主动将以人为本和安全性作为其首要原则，从而建立完善的监管和评估体系，确保模型自身的安全风险和滥用风险。最后，企业可以努力承担劳动力转型的企业责任。通过制定有关培训教育计划，通过普惠的方式积极发挥自身产品的社会属性，赋能社会整体发展转型。
（三）产业全球协同治理模式
人工智能作为全球治理领域的重要挑战在当前具有显著的全球属性，其影响不仅限于单一国家。因此，实现整体产业可持续发展需要在国际层面广泛开展合作，实现全球范围内的协同治理。在政策层面，人工智能规范框架、标准原则、治理倡议呈现碎片化、难以统一的问题，严重制约了国际合作和治理工作开展。因此，各国政府应当在新成立的世界人工智能合作组织、联合国及其他有关国际框架下践行有效的多边主义，推动数据标准互认，并进一步通过有关机制明确全球范围内的可持续发展标准认定、评估及合作议程。在全球安全监管层面，各国政府应强化有关体系下的安全预警及协作机制，共同打击人工智能产业发展进程中的威胁，应对人工智能滥用带来的风险。最后，在社会层面，国际合作应进一步推动人工智能普惠和平等进程。在技术上，当前全球范围内人工智能技术存在显著的发展不平衡趋势和一定的逆全球化壁垒。因此，一方面以中国为代表的国际力量应该继续推动全球范围的技术共享和开源，推动人工智能技术的整体普惠[16]；另一方面，可以通过设立国际性抗风险议程，如有关论坛和备用资金来实现全球范围内的技术普惠，以此缓解全球范围内的工作及教育资源错位，切实弥合智能鸿沟，真正引领人工智能产业整体发展为全人类服务。
参考文献
[1] Markets and Markets. (2025). Artificial intelligence (AI) market by offering (infrastructure, software, services), technology (ML, NLP, generative AI), business function (operations & supply chain, finance & accounting), enterprise application, and end user—global forecast to 2032. https://www.marketsandmarkets.com/Market-Reports/ artificial-intelligence market-74851580.html
[2] 中国信息通信研究院.人工智能产业发展研究报告[R].2026
[3] Burnaev, E., Mironov, E., Shpilman, A., Mironenko, M., & Katalevsky, D. (2023). Practical AI Cases for Solving ESG Challenges. Sustainability, 15(17), 12731. https://doi.org/10.3390/su151712731
[4] Balaam, M., Tegmark, M., Fuso, N., Felländer, A., Leite, I., Domisch, S., Vinuesa, R., Dignum, V., Azizpour, H., European Commission, & Langhans, S. D. (2020). The role of artificial intelligence in achieving the Sustainable Development Goals. Nature Communications, 11(1), Article 233. https://doi.org/10.1038/s41467-019-14108-y
[5] Aczel M., Chamanara S., Matin M., Farsi A., Marwala T., Madani K. (2026). Environmental Cost of AI's Energy Use: Carbon, Water and Land Footprints, United Nations University Institute for Water, Environment and Health (UNU-INWEH), Richmond Hill, Ontario, Canada, doi: 10.53328/INR26RMA002
[6] Mulligan, C., & Elaluf-Calderwood, S. (2022). AI Ethics: A Framework for Measuring Embodied Carbon in AI Systems. AI and Ethics, 2(3): 363-375.
[7] Wu, C., Raghavendra, R., Gupta, U., Acun, B., Ardalani, N., Maeng, K., Chang, G., Behram, F.A., Huang, J.W., Bai, C., Gschwind, M.K., Gupta, A., Ott, M., Melnikov, A.V., Candido, S., Brooks, D., Chauhan, G., Lee, B., Lee, H.S., ... Hazelwood, K.M. (2021). Sustainable AI: Environmental Implications, Challenges and Opportunities. ArXiv, abs/2111.00364.
[8] 杨明川,刘倩,赵继壮.人工智能数据中心研究[J].信息通信技术与政策,2021,47(4):1-7.
[9] Luccioni, S., Jernite, Y., & Strubell, E. (2024). Power Hungry Processing: Watts Driving the Cost of AI Deployment? Proceedings of the 2024 ACM Conference on Fairness, Accountability, and Transparency, 85-99. https://doi.org/10.1145/3630106.3658542
[10] Prezelj, I. (2024). Challenges in the Use of Artificial Intelligence-enabled Systems in Modern Armed Forces. European Integration Studies, 20(2), 383-408. https://doi.org/10.46941/2024.2.15
[11] 英国科学、创新与技术部.2026年国际人工智能安全报告[R].2026.
[12] Frey, C. B., & Osborne, M. A. (2017). The Future of Employment: How Susceptible are Jobs to Computerisation? Technological Forecasting and Social Change, 114, 254-280.
[13] World Economic Forum. (2025). The Future of Jobs Report 2025.
[14] 沈文玮.论当代人工智能的技术特点及其对劳动者的影响[J].当代经济研究,2018,(4):63-69.
[15] 联合国环境规划署.人工智能存在环境问题，世界该如何应对？[EB/OL]. (2025-12-13) [2026-08-05]. https://www.unep.org/zh-hans/xinwenyuziyuan/gushi/rengongzhinengcunzaihuanjingwentishijiegairuheyingdui
[16] 潘炫明,陈蓁蓁,刘少山.中国如何引领人工智能全球治理：超越技术竞争的可持续发展路径[J].中国科学院院刊,2025,40(4):706-714.DOI:10.16418/j.issn.1000-3045.20241204004.
相关文章：
IIGF观点｜郑晓冉、包婕：商业银行践行性别响应信息披露进展研究——基于代表性上市银行的实践分析
IIGF观点 | 包婕、邓洁琳等：基于PESTEL分析框架的中国保险资产管理ESG展望
IIGF观点 | 包婕：基于可持续发展视角对《国务院关于产业链供应链安全的规定》的解读
IIGF观点 | 包婕：《企业可持续披露准则第1号——气候（试行）》解读
作者：
魏雨辰 中央财经大学绿色金融国际研究院科研助理
包 婕 中央财经大学绿色金融国际研究院ESG中心联合主任
引用格式
魏雨辰、包婕，人工智能产业ESG风险识别及其协同治理模式[EB/OL]. 中央财经大学绿色金融国际研究院，2026-09-23 [2026-09-23].
