人工智能（AI）急速發展，對供伺服器運作、儲存數據和連接網絡的數據中心需求大增。美國境內的中心數目正急劇增長，這是否會為所在地區的經濟帶來好處？有學者作出研究，答案是「並非必然」。
目前，全美國有超過2,700座運作中和興建中的數據中心。設立一間數據中心的成本需要10億美元以上，而投入運作後耗用的電力，如同一個小城市的耗電量。
美國喬治亞理工學院的資訊科技管理助理教授Daniel Yue和後博士生Yiyang Zeng搜集各地數據中心設施的數據，結合所在縣區的經濟數據，分析數據中心對地方經濟的影響。研究結果顯示，數據中心啟用會對所屬地區帶來可量度的經濟振興作用，令就業率和工資分別上升3.5%和5%，新公司數目增長1%，住戶收入中位數增加1.9%，而且這些裨益在數據中心投入運作首三年就可見。
表面看來，投資數據中心有不錯回報，不過負責上述研究的兩位學者發現，各地數據中心產生的經濟效益並非平均分佈──都會地區因興建數據中心而產生的經濟漣漪效應，較鄉郊地區顯著得多。鄉郊地區設立數據中心後，未見有可量度的好處。數據中心影響當地就業市場、工資、商業活動和電力價格，一個地方是否受惠，最主要取決於地理因素。
研究人員解釋，箇中原因是經濟學者稱為「聚集經濟」的原理。數據中心並非獨立運作的，牽涉承建商、工程公司、設備供應商、專業服務和技術人員，他們在商業網絡發達和高技術人才多的地方較容易集結。而且，發達的城市較容易吸收數據中心運作衍生的各種間接開支，高薪的技術人員又帶動餐飲業、零售業和服務業，供應商和承辦商相對容易擴大規模。
相反，在鄉村地方就難以達致這種溢出效應。設於鄉村地方的數據中心一般規模較小，僱用員工通常少於100人，而且涉及的專門服務多數由其他地區輸入，因此，設立數據中心對鄉郊地區的就業率和工資水平影響不大，但也並非全無裨益，研究發現，數據中心有助鄉郊地區降低失業率和為地方政府帶來稅收和基建投資進賬。
此外，跨國巨頭科技公司的數據中心產生的影響比一般數據中心大。早年已建設數據中心的地方又比新近才興建的地方獲益更大。在建設首座數據中心後五年內繼續興建新中心的地方，獲得的經濟好處又比不再興建的地方大。
數據中心帶來經濟增長，但地方要付出沉重代價──電力。一座大型數據中心的用電量相當於8萬個住宅用戶的。研究人員證實，個別地區在數據中心進駐後，電費會提高5%。
Zeng補充，若一個地方在設立數據中心後得益愈少，當地人就愈容易感受到弊處，諸如電費昂貴和基建不勝負荷。兩位研究員期望這項研究能為決策者提供參考，在考慮是否接受興建數據中心時，仔細考慮電費上升和基建升級成本由誰承擔和如何攤分。
數據中心與我們日常生活息息相關，瀏覽網站、使用流動程式、數據庫和人工智能運算等都在伺服器上運作，還要依靠數據中心之間的網絡將數據傳送到終端用戶，這些設施的日常運作、冷卻系統、數據備存等都耗用大量電力，加上數據中心興建過程中用上建材、設備、電池等亦耗用能源。
根據國際能源組織的資料，全球各地數據中心在2024年的總電量佔全球1.5%，碳排放量佔0.5%。隨著AI發展勢不可檔，預期至2030年用電量將倍升至3%。環保組織指出，雖然數字看起來微不足道，但數據中心興起與減碳政策背途而馳。
科技記者Kristin Toussaint指出，AI令電力供不應求的問題更為嚴峻，但企業的可持續發展報告未有記載相關問題，因為如何審計企業的AI碳排放仍是難題。
今年初成立的Watershed以監測企業的AI碳排放為目標，包括數據中心的基建，量度單位是100萬個AI代幣（AI token）排放的二氧化碳。在美國個別地方如加州，政府正研究如何規範企業的雲端和AI服務溫室氣體排放。
Watershed指出，大型的AI推理系統耗電量是小型系統的30倍，數據中心所在地區的電網的可再生能源比例亦影響其碳足印大小。Watershed的框架目前只能用AI估算AI開發公司的碳排放量，原因是目前流行的AI模型都是非開放式的，外界無法精準量度其碳排放量。
用AI工具評估AI公司的碳排量，首要是訓練AI，因此，促使AI公司披露碳排放數據至為重要。Watershed鼓勵AI公司即使不披露具體的排放量，也可分享不涉商業秘密的資料，如AI Token的碳排放比率，以展示AI基建的能源效益。
