美钢铝关税翻倍至50%冲击全球 多国威胁反制

生成一张图片，需要(xūyào)多少电力？ 本文的封面图由(túyóu)DeepSeek与豆包联合生成，仅使用一条文字(wénzì)指令和一次图像请求。手机电量几乎未变，但背后的实际能耗，足够让它从(cóng)零充满一次。 从上游的(de)(de)芯片制造到下游的日常使用，人工智能发展的每个环节都需要消耗大量生态资源。 此外，一家半导体制造厂(zhìzàochǎng)每小时的用电量足以让100个人用上一整年；一家芯片企业每年会造成200万吨的碳排放(páifàng)，相当于30万辆重型卡车全年(quánnián)的排放量。 GPT-3的诞生同样代价不菲：它单次训练耗电1287万度，产生(chǎnshēng)552吨碳排放——为了(le)让(ràng)AI的大脑变得更聪明，人类先付出了能让一辆特斯拉汽车完整充电10000次的电量和制造325吨粗钢(cūgāng)的碳排放。 这些生态(shēngtài)污染与资源消耗虽然发生在不同(bùtóng)环节，但最终都离不开一个共同的场所：数据中心。芯片(xīnpiàn)制造出来供谁使用？模型训练在哪里完成？用户调用如何响应？事实上，看似轻盈的输出结果背后，是一座座体量庞大且能耗(nénghào)惊人的数据中心在昼夜不停地运转。 AI背后(bèihòu)的算力“心脏” AI不是凭空运行，从模型训练到推理应用，都需要数据中心强大的(de)算力支撑。可以说，数据中心就是AI系统的“心脏”，支撑着其持续运作，因此也成为(chéngwéi)了能耗和污染最集中(jízhōng)的环节。 在各类数据中心(shùjùzhōngxīn)中，企业和互联网数据中心与AI的(de)关系较为密切。它们集中部署了成千上万块高性能GPU（图形处理器），专为深度学习(xuéxí)模型的训练而设计，是ChatGPT、Deepseek等生成式AI服务得以落地的算力底座(dǐzuò)。 随着技术的(de)迭代，AI对算力(duìsuànlì)的需求水涨船高，直接推动了数据中心数量的增长。AI工具的快速进化，离不开高性能的计算基础设施(jīchǔshèshī)的支撑，推动着数据中心的全球扩张。 可以(kěyǐ)预见，数据中心(shùjùzhōngxīn)将在未来数年内保持高速扩张的(de)态势。截至2024年，全球数据中心的资本(zīběn)支出据估计已高达4300亿美元，而这场围绕算力的投资热潮仍在升温。未来，数据中心发展的经济账单将继续攀升。 这笔数据中心产业的投资(tóuzī)大约相当于全球每人支出了(le)人民币380元。以这样的价格来享受人工智能前沿技术，似乎也(yě)是一笔划算的投入。 然而，这笔(zhèbǐ)交易的附加项中打包了大量的环境代价——一份正在不断积累、总量庞大的“生态账单”，至今既(jì)没有出现在产业成本的账面上，并(bìng)将随着数据中心的持续扩张不断增长。 根据国际(guójì)能源署的最新预测，到2030年，全球数据中心的年耗电量预计将达到945太瓦时（TWh）左右——这个数字，已经略高于日本(rìběn)目前一整年的总(zǒng)用电量。 除(chú)可(kě)量化的资源消耗和污染排放外，更隐蔽的还有：开采稀有金属带来的化学污染、电子废弃物中重金属的泄漏、自然土地被数据中心侵占后动物失去栖息地(qīxīdì)……目前，这些影响尚未形成系统的监测数据。 这份被技术红利掩盖的“生态账单(zhàngdān)”，谁来结算、如何治理？ 在全球环境治理的复杂体系中，多个主体各自承担着不同层级的责任。企业(qǐyè)作为直接运营数据中心的主体，距离污染源最近，也最具实施变革的能力。国际组织(zǔzhī)可以制定标准(biāozhǔn)，政府可以出台政策，但能源结构的选择与运行方式的调整，最终(zuìzhōng)仍需由企业落地执行。 当前(dāngqián)，碳排放控制成为多数(duōshù)企业环境治理策略的核心目标，其中在能源(néngyuán)端的应对最为突出。大多数企业将可再生能源或清洁能源的使用作为主要减排措施。这类路径在能源结构调整上相对可行，也易于量化评估(pínggū)。 整体来看，当前企业“还账”的重点主要集中于(yú)减少碳(tàn)排放，生态账单上的其他栏目尚缺乏具体信息与解决方案。 即使是可持续实践的领军企业，也会存在这一治理重心(zhòngxīn)的偏移。谷歌在其《2024环境报告》中重点对减碳路径进行了(le)最详尽的披露。 其中，谷歌表示2023年(nián)其全球办公及数据中心已(yǐ)实现每小时64%无碳能源使用率(shǐyònglǜ)，44个电网区域中有10个达成90%以上清洁供电——这看似是一份不错的成绩单。 但从国家(guójiā)维度来看，这份优秀(yōuxiù)的成绩单背后暗藏着明显的断层趋势：加拿大魁北克的数据中心凭借丰富水电实现100%零碳运营，而沙特阿拉伯与卡塔尔的数据中心仍(réng)在(zài)完全依赖石油(shíyóu)发电。在欧洲地区，波兰以31%垫底；而在亚洲地区，表现最佳的韩国也仅达35%，远低于全球平均水平。 随着AI技术(jìshù)迭代加速，训练新一代AI大模型的能耗量级持续增长。支撑AI发展的全球数据中心集群，或许(huòxǔ)正在重塑一张新的环境治理“不平等地图(dìtú)”。 但谷歌并不是这张“不平等(píngděng)地图”的(de)唯一制作者。在(zài)全球前(qián)五大云服务企业中，除阿里巴巴外，其余四家在他国布局的数据中心数量普遍超过本土，呈现出明显的跨国企业全球布局倾向。而在环保透明度上，谷歌是其中唯一按照数据中心集群(jíqún)所在地公布实时环境指标的厂商。 随着AI的飞速发展，科技巨头企业(qǐyè)仍将持续扩建数据中心以应对日益增长的数据存储和处理需求，在选址上集中于南美洲、欧洲、北美洲。然而，由于(yóuyú)造成了环境问题，数据中心扩建计划在这些(zhèxiē)地区却引起了广泛的反对声潮(cháo)。 数据中心的快速扩张实际上属于“算力(suànlì)驱动型(xíng)”的AI发展路径。如今，一种新的技术趋势正在浮现——AI正朝着高性能、低功耗方向(fāngxiàng)演进。 中国团队推出的(de)开源大模型DeepSeek正展现着(zhe)这种(zhèzhǒng)可能性。据DeepSeek披露，在不包含前期(qiánqī)试错成本的情况(qíngkuàng)下，大模型DeepSeek-v3的训练成本大约在558 万美元。按照相似方法估算，GPT4的训练成本约为4800万美元。这不仅代表着经济层面的高性价比(gāoxìngjiàbǐ)，也意味着在同等的AI产出下，数据中心所承担的计算压力和能耗均有望减少。 此外(cǐwài)，DeepSeek-v3采用了“MoE（Mixture of Experts）”模型。每次用户提问，系统只激活一小部分参数进行处理(chǔlǐ)，而不是(búshì)全员上阵。这样使得每次推理时实际被(bèi)激活的参数只占总量(liàng)的 5.5%，显著减少了计算量，也降低了模型运行时对数据中心资源的消耗。 与此同时，中国也正从政策(zhèngcè)层面积极回应数据中心扩张所(suǒ)带来的环境压力，推动(tuīdòng)其绿色转型，力图在技术发展与环境可持续之间寻求平衡。 目前，电能(diànnéng)利用效率（PUE）已经(yǐjīng)成为衡量绿色治理成效的重要风向标。以2030年为目标，我国各地数据中心的PUE水平(shuǐpíng)将持续优化，向“1”稳步靠近。 在政策引导与技术(jìshù)进步的共同作用下，绿色转型正在成为中国数据中心行业(hángyè)发展的主线。 OpenAI首席执行官Sam Altman曾表示，AI的(de)成本正在(zhèngzài)以每年降低10倍的速度演进，这一现象被称为“AI规模定律”（scaling law）。未来，AI的硬件更(gèng)高效、算法更聪明，是否能够真正实现低耗又智能的良性循环(liángxìngxúnhuán)？ 一些研究者对此持乐观态度，加州大学伯克利分校名誉教授、谷歌研究员戴夫(dàifū)·帕特森（Dave Patterson）的分析(fēnxī)预测，由于人工智能软件和硬件(yìngjiàn)能源使用效率的提高，人工智能的碳(tàn)足迹将很快达到稳定水平，然后开始减少。 但乐观(lèguān)之外，还有一盆(yīpén)冷水：“杰文斯悖论”认为效率提高会带来使用激增，结果反而更耗能。华为创始人任正非曾这样比喻这条悖论：“把高速公路拓宽，车流速度快了，油耗本应减少。但更多的车辆能上路，整体油耗反而增加了。”后续，当AI真正渗透进教育、办公、娱乐等日常场景(chǎngjǐng)，其(qí)总体(zǒngtǐ)能耗可能在无形中(wúxíngzhōng)不断累积，超出原本“节能”的设想。 在这种不确定性下，个人用户的选择不应被忽视。虽然(suīrán)用户无法(wúfǎ)直接决定(juédìng)一项AI技术的底层设计或训练规模(guīmó)，但可以在使用中取舍——比如关注平台的能源披露与可持续承诺，避免无意义的频繁调用，理解每一次点击背后都存在一次计算的事实。 所有改变的(de)前提，是先看见问题本身。当(dāng)更多人开始意识到这些“看不见”的能源消耗和(hé)环境代价，技术将向着更可持续的目标前进。更长远来看，公众的使用偏好和舆论导向，也将在某种程度上塑造(sùzào)AI生态的未来方向。 作者(zuòzhě)丨杨智博、沈馨、田益铭、韩旻格、傅冰清 指导老师｜崔迪、徐笛、周葆华(zhōubǎohuá) 封面图｜DeepSeek、豆包共同绘制(huìzhì) 动图内嵌视频 | 即梦生成(shēngchéng) 本文为复旦大学新闻学院《数据分析与信息可视化(kěshìhuà)》课程作品 复数实验室(shíyànshì) X 对齐Lab (本文来自澎湃新闻，更多原创(yuánchuàng)资讯请下载“澎湃新闻”APP)