我们和AI的每一次对话，都在加热城市

全球人工智能数据中心投入运营后，周边地表温度平均升高2°C。通过刻画AI算力扩张在地球表面刻下的热痕迹，我们发现可能有3.4亿人生活在这片"数据热岛"之中。

机房的热量去了哪里

你每次打开一个AI对话框，在另一个地方，一组服务器正在高速运转。这些机器消耗的电能，最终几乎都转化成一样东西：热量。

数据中心的冷却系统会将这些热量排出建筑，送入周围的空气和土地。当一栋楼这样做，问题不大；但当数千台服务器同时运转，当一座超大规模数据中心连续运行数年，热量的积累就变得不可忽视。

问题在于，没有人真正测量过这件事。

2026年3月，来自剑桥大学、南洋理工大学、格勒诺布尔INP、热那亚大学、香港城市大学的研究者们在arXiv上发布了一项还未发表的研究。通讯作者Andrea Marinoni（剑桥大学计算机科学与技术系）及其同事利用NASA MODIS卫星20年的地表温度数据（2004—2024年），对全球人工智能超大规模数据中心的热效应进行了迄今为止最系统的量化评估。他们的发现，令人警醒。

2°C与"数据热岛"

研究团队从IEA的数据库中整理了超过11,000个全球数据中心的位置信息，筛选出8,472个位于非高密度城区、具备有效LST观测记录的数据中心，最终分析了6,733个有效数据点。

他们以每个数据中心开始运营的时间为基准（i=0），对比运营前后的地表温度变化。统计结果显示，AI超大规模数据中心投入运营后，周边地表温度平均升高2.07°C，95%的数据点集中在1.5°C至2.4°C之间，最极端的案例升温幅度接近9.1°C。

这种热效应在空间上同样显著。温度升高的影响半径可达10公里，在7公里范围内升温幅度才降至峰值的30%。距数据中心4.5公里以内的区域，平均承受超过1°C的持续性地表增温。研究者将这种局域化的温度异常命名为"数据热岛效应"（data heat island effect）——类比城市热岛效应，只是热量的来源换成了服务器机柜。

要知道，典型城市热岛效应的升温幅度是4至6°C。数据热岛的量级与之相当，不应被当成背景噪声忽略。

图1展示了研究的多尺度多模态数据分析框架，整合了2004年至2024年间的地表温度时序记录、全球人口网格数据以及全球AI数据中心位置信息，旨在从时间、空间和社区三个维度评估数据热岛效应的影响。

时间的重量

数据热岛效应还有一个令人不安的特征：它会随着时间的推移持续加重。

研究中以数据中心开始运营前5年（60个月）作为基准参考期，追踪运营后的地表温度变化曲线。结果显示，这种增温并非线性的单次跳跃，而是在运营初期出现显著抬升后，持续维持在较高水平，并随着数据中心持续扩容而进一步累积。

以巴西塞阿拉州和皮奥伊州为例，Teresina市周边的AI服务枢纽地区目前已记录到2.8°C的地表升温，研究团队预计该地区在未来5年内升温幅度将超过3.5°C。西班牙阿拉贡省作为欧洲主要的AI数据中心枢纽，已出现约2°C的温度异常，而当地原本就是相对干旱的半干旱气候。墨西哥的巴希奥（Bajío）地区则因多家科技公司数据中心聚集，20年前便开始记录持续的地表升温。

图2展示了以数据中心运营开始时间（i=0）为基准的地表温度差值随时间变化情况。红色实线为所有AI超大规模数据中心的地表温度差值平均值，阴影区域表示最大值与最小值之间的变化范围，均值曲线上的横条标识了计算分布的第95百分位区间。

3.4亿人的"邻居问题"

热量扩散不只停留在无人的土地上。研究团队叠加了Worldpop全球人口网格数据，计算了数据中心10公里半径范围内受影响的人口规模。

结果显示，全球超过3.43亿人生活在AI数据中心热效应的覆盖范围之内，每天承受着这种持续性的局域微气候改变。

图3展示了地表温度升幅随距离AI超大规模数据中心位置增大而衰减的规律。颜色标注方案与图2相同，横轴为以数据中心为原点的距离（公里），纵轴为地表温度升幅（°C）。

图4展示了在AI超大规模数据中心10公里半径范围内，以运营开始前5年的地表温度趋势为基准，不同温度升幅区间内的人口分布情况。横轴为地表温度升幅（°C），纵轴为受影响人口数量。

算力与气候的新等式

这项研究指向了一个此前很少被正视的问题：AI的环境代价，不仅仅是碳排放。

能耗和碳足迹是目前AI可持续性讨论中最常被提及的维度。但研究者指出，数据中心的热量排放会直接作用于周围的土地和社区，影响居民健康、地区能耗（高温意味着空调负荷增加），甚至可能与既有气候变化叠加，形成复合的热压力。

研究团队也讨论了可能的缓解路径。软件层面，可以通过减少冗余计算、采用模型压缩与剪枝、以及碳感知的推理调度来降低算力需求；硬件层面，绝热电路设计、动态功率管理以及被动辐射冷却涂层（理论上可减少10%至40%的冷负荷）被认为是有前景的方向。但这些手段能否跟上AI算力的指数级扩张，目前仍是一个开放的问题。

值得注意的是，这篇论文目前还是预印本，发布于arXiv，尚未经过同行评审正式发表。研究本身的分析框架较为直接，但关于热效应归因的严格性，或许在正式审稿阶段还会接受更多检验。不过，它提出的核心问题已经足够清晰：当数据中心密度不断提升，当AI算力消耗以每年数倍的速度增长，我们是否已经准备好了面对这道新的环境账单？

你每次和AI的对话，背后都有服务器在燃烧。这一次，燃烧的热量落在了地图上——和3.4亿人一起。

论文信息

期刊名称： arXiv 预印本

论文题目：The data heat island effect: quantifying the impact of AI data centers in a warming world

发表时间： 2026年04月01日（v2）

DOI： https://doi.org/10.48550/arXiv.2603.20897