一、环境核算的方法缺陷

1. 水足迹的断章取义：谷歌仅统计数据中心内部的 “蓝水”（清洁淡水）消耗，却未计入发电厂的 “灰水”（受污染工业用水）和 “绿水”（雨水蒸发损失）。例如，美国燃煤电厂每发 1 度电需消耗 5 升灰水，而谷歌的 0.24 瓦时提示间接产生 1.2 毫升灰水，这部分未被纳入统计。
2. 碳排放的账面游戏：采用 “市场基准法” 核算碳排放时，谷歌通过购买可再生能源信用（绿证）抵消了 70% 以上的排放。但这种方法掩盖了电网的实际碳强度 —— 例如，若数据中心位于以燃煤为主的地区，实际碳排放可能是报告值的 3-5 倍数字。专家建议采用 “位置基准法”，根据当地电网碳强度计算，才能真实反映环境影响。
3. 生命周期的刻意割裂：Gemini 的环境影响应包括芯片制造（占总能耗的 20%-30%）、数据中心建设（钢材、混凝土生产）及退役处理等全生命周期阶段。谷歌的报告仅聚焦运行阶段，而台积电 5nm 芯片制造每片需消耗 300 升水和 2000 瓦时电力，这部分完全未被提及。

二、技术叙事的舆论操控

1. 数据呈现的选择性：谷歌强调 “每次提示能耗下降 44 倍”，但这一数据是对比 2024 年的旧模型，而非行业平均水平。若与同类模型（如 DeepSeek）相比，Gemini 的能效优势并不显著。
2. 专家引用的断章取义：谷歌在报告中引用了加州大学任少磊教授的研究，但该研究实际指出 AI 训练的高水耗问题，而谷歌仅截取了对自己有利的部分。这种 “选择性引用” 被批评为学术不端。
3. 同行评审的缺失：谷歌的报告未经过第三方独立验证，且拒绝公开原始数据。相比之下，OpenAI、微软等公司已开始披露训练阶段的环境数据，并接受学术机构审计，而谷歌的封闭态度加剧了信任危机。

三、现实影响的地域差异

1. 水资源的局部危机：在干旱地区（如美国西南部），数据中心的直接冷却用水可能挤占农业和居民用水。例如，弗吉尼亚州的数据中心已消耗该州 4.4% 的电力，预计 2028 年将翻倍，导致当地居民电价上涨 15%数字。谷歌的 “5 滴水” 宣传在这些地区显得尤为刺眼。
2. 电网的碳强度差异：若 Gemini 部署在挪威（水电占比 98%），碳排放确实极低；但在印度（火电占比 75%），每次提示的实际碳排放可能高达 0.2 克，是报告值的 7 倍数字。谷歌未披露数据中心的地理分布，导致用户无法评估实际环境影响。