生成一張圖片，需要多少電力？

本文的封面圖由DeepSeek與豆包聯(lián)合生成，僅使用一條文字指令和一次圖像請求。手機(jī)電量幾乎未變，但背后的實(shí)際能耗，足夠讓它從零充滿一次。

從上游的芯片制造到下游的日常使用，人工智能發(fā)展的每個環(huán)節(jié)都需要消耗大量生態(tài)資源。

此外，一家半導(dǎo)體制造廠每小時的用電量足以讓100個人用上一整年；一家芯片企業(yè)每年會造成200萬噸的碳排放，相當(dāng)于30萬輛重型卡車全年的排放量。

GPT-3的誕生同樣代價不菲：它單次訓(xùn)練耗電1287萬度，產(chǎn)生552噸碳排放——為了讓AI的大腦變得更聰明，人類先付出了能讓一輛特斯拉汽車完整充電10000次的電量和制造325噸粗鋼的碳排放。

這些生態(tài)污染與資源消耗雖然發(fā)生在不同環(huán)節(jié)，但最終都離不開一個共同的場所：數(shù)據(jù)中心。芯片制造出來供誰使用？模型訓(xùn)練在哪里完成？用戶調(diào)用如何響應(yīng)？事實(shí)上，看似輕盈的輸出結(jié)果背后，是一座座體量龐大且能耗驚人的數(shù)據(jù)中心在晝夜不停地運(yùn)轉(zhuǎn)。

AI背后的算力“心臟”

AI不是憑空運(yùn)行，從模型訓(xùn)練到推理應(yīng)用，都需要數(shù)據(jù)中心強(qiáng)大的算力支撐。可以說，數(shù)據(jù)中心就是AI系統(tǒng)的“心臟”，支撐著其持續(xù)運(yùn)作，因此也成為了能耗和污染最集中的環(huán)節(jié)。

在各類數(shù)據(jù)中心中，企業(yè)和互聯(lián)網(wǎng)數(shù)據(jù)中心與AI的關(guān)系較為密切。它們集中部署了成千上萬塊高性能GPU（圖形處理器），專為深度學(xué)習(xí)模型的訓(xùn)練而設(shè)計，是ChatGPT、Deepseek等生成式AI服務(wù)得以落地的算力底座。

隨著技術(shù)的迭代，AI對算力的需求水漲船高，直接推動了數(shù)據(jù)中心數(shù)量的增長。AI工具的快速進(jìn)化，離不開高性能的計算基礎(chǔ)設(shè)施的支撐，推動著數(shù)據(jù)中心的全球擴(kuò)張。

可以預(yù)見，數(shù)據(jù)中心將在未來數(shù)年內(nèi)保持高速擴(kuò)張的態(tài)勢。截至2024年，全球數(shù)據(jù)中心的資本支出據(jù)估計已高達(dá)4300億美元，而這場圍繞算力的投資熱潮仍在升溫。未來，數(shù)據(jù)中心發(fā)展的經(jīng)濟(jì)賬單將繼續(xù)攀升。

悄然積累的生態(tài)賬單

這筆數(shù)據(jù)中心產(chǎn)業(yè)的投資大約相當(dāng)于全球每人支出了人民幣380元。以這樣的價格來享受人工智能前沿技術(shù)，似乎也是一筆劃算的投入。

然而，這筆交易的附加項(xiàng)中打包了大量的環(huán)境代價——一份正在不斷積累、總量龐大的“生態(tài)賬單”，至今既沒有出現(xiàn)在產(chǎn)業(yè)成本的賬面上，并將隨著數(shù)據(jù)中心的持續(xù)擴(kuò)張不斷增長。

根據(jù)國際能源署的最新預(yù)測，到2030年，全球數(shù)據(jù)中心的年耗電量預(yù)計將達(dá)到945太瓦時（TWh）左右——這個數(shù)字，已經(jīng)略高于日本目前一整年的總用電量。

除可量化的資源消耗和污染排放外，更隱蔽的還有：開采稀有金屬帶來的化學(xué)污染、電子廢棄物中重金屬的泄漏、自然土地被數(shù)據(jù)中心侵占后動物失去棲息地……目前，這些影響尚未形成系統(tǒng)的監(jiān)測數(shù)據(jù)。

誰來“還賬”？

這份被技術(shù)紅利掩蓋的“生態(tài)賬單”，誰來結(jié)算、如何治理？

在全球環(huán)境治理的復(fù)雜體系中，多個主體各自承擔(dān)著不同層級的責(zé)任。企業(yè)作為直接運(yùn)營數(shù)據(jù)中心的主體，距離污染源最近，也最具實(shí)施變革的能力。國際組織可以制定標(biāo)準(zhǔn)，政府可以出臺政策，但能源結(jié)構(gòu)的選擇與運(yùn)行方式的調(diào)整，最終仍需由企業(yè)落地執(zhí)行。

當(dāng)前，碳排放控制成為多數(shù)企業(yè)環(huán)境治理策略的核心目標(biāo)，其中在能源端的應(yīng)對最為突出。大多數(shù)企業(yè)將可再生能源或清潔能源的使用作為主要減排措施。這類路徑在能源結(jié)構(gòu)調(diào)整上相對可行，也易于量化評估。

整體來看，當(dāng)前企業(yè)“還賬”的重點(diǎn)主要集中于減少碳排放，生態(tài)賬單上的其他欄目尚缺乏具體信息與解決方案。

不平等的治理地圖

即使是可持續(xù)實(shí)踐的領(lǐng)軍企業(yè)，也會存在這一治理重心的偏移。谷歌在其《2024環(huán)境報告》中重點(diǎn)對減碳路徑進(jìn)行了最詳盡的披露。

其中，谷歌表示2023年其全球辦公及數(shù)據(jù)中心已實(shí)現(xiàn)每小時64%無碳能源使用率，44個電網(wǎng)區(qū)域中有10個達(dá)成90%以上清潔供電——這看似是一份不錯的成績單。

但從國家維度來看，這份優(yōu)秀的成績單背后暗藏著明顯的斷層趨勢：加拿大魁北克的數(shù)據(jù)中心憑借豐富水電實(shí)現(xiàn)100%零碳運(yùn)營，而沙特阿拉伯與卡塔爾的數(shù)據(jù)中心仍在完全依賴石油發(fā)電。在歐洲地區(qū)，波蘭以31%墊底；而在亞洲地區(qū)，表現(xiàn)最佳的韓國也僅達(dá)35%，遠(yuǎn)低于全球平均水平。

地理環(huán)境和政策的差異加劇了這種失衡：位于高緯度地區(qū)的北歐國家可以通過專項(xiàng)綠電配額支持?jǐn)?shù)據(jù)中心建設(shè)；而像中東或東南亞這樣的地區(qū)，不僅炎熱，還要在有限的國土中權(quán)衡建設(shè)與環(huán)保。當(dāng)前，谷歌的全球布局策略正面臨著現(xiàn)實(shí)考驗(yàn)。盡管能夠在挪威等清潔能源富集的地區(qū)持續(xù)擴(kuò)建設(shè)施，但仍需繼續(xù)維持中東等傳統(tǒng)能源區(qū)的運(yùn)營，例如通過購買區(qū)域性碳信用額度對沖卡塔爾數(shù)據(jù)中心的排放。

隨著AI技術(shù)迭代加速，訓(xùn)練新一代AI大模型的能耗量級持續(xù)增長。支撐AI發(fā)展的全球數(shù)據(jù)中心集群，或許正在重塑一張新的環(huán)境治理“不平等地圖”。

但谷歌并不是這張“不平等地圖”的唯一制作者。在全球前五大云服務(wù)企業(yè)中，除阿里巴巴外，其余四家在他國布局的數(shù)據(jù)中心數(shù)量普遍超過本土，呈現(xiàn)出明顯的跨國企業(yè)全球布局傾向。而在環(huán)保透明度上，谷歌是其中唯一按照數(shù)據(jù)中心集群所在地公布實(shí)時環(huán)境指標(biāo)的廠商。

隨著AI的飛速發(fā)展，科技巨頭企業(yè)仍將持續(xù)擴(kuò)建數(shù)據(jù)中心以應(yīng)對日益增長的數(shù)據(jù)存儲和處理需求，在選址上集中于南美洲、歐洲、北美洲。然而，由于造成了環(huán)境問題，數(shù)據(jù)中心擴(kuò)建計劃在這些地區(qū)卻引起了廣泛的反對聲潮。

中國方案的新解法

數(shù)據(jù)中心的快速擴(kuò)張實(shí)際上屬于“算力驅(qū)動型”的AI發(fā)展路徑。如今，一種新的技術(shù)趨勢正在浮現(xiàn)——AI正朝著高性能、低功耗方向演進(jìn)。

中國團(tuán)隊推出的開源大模型DeepSeek正展現(xiàn)著這種可能性。據(jù)DeepSeek披露，在不包含前期試錯成本的情況下，大模型DeepSeek-v3的訓(xùn)練成本大約在558 萬美元。按照相似方法估算，GPT4的訓(xùn)練成本約為4800萬美元。這不僅代表著經(jīng)濟(jì)層面的高性價比，也意味著在同等的AI產(chǎn)出下，數(shù)據(jù)中心所承擔(dān)的計算壓力和能耗均有望減少。

此外，DeepSeek-v3采用了“MoE（Mixture of Experts）”模型。每次用戶提問，系統(tǒng)只激活一小部分參數(shù)進(jìn)行處理，而不是全員上陣。這樣使得每次推理時實(shí)際被激活的參數(shù)只占總量的 5.5%，顯著減少了計算量，也降低了模型運(yùn)行時對數(shù)據(jù)中心資源的消耗。

與此同時，中國也正從政策層面積極回應(yīng)數(shù)據(jù)中心擴(kuò)張所帶來的環(huán)境壓力，推動其綠色轉(zhuǎn)型，力圖在技術(shù)發(fā)展與環(huán)境可持續(xù)之間尋求平衡。

目前，電能利用效率（PUE）已經(jīng)成為衡量綠色治理成效的重要風(fēng)向標(biāo)。以2030年為目標(biāo)，我國各地數(shù)據(jù)中心的PUE水平將持續(xù)優(yōu)化，向“1”穩(wěn)步靠近。

在政策引導(dǎo)與技術(shù)進(jìn)步的共同作用下，綠色轉(zhuǎn)型正在成為中國數(shù)據(jù)中心行業(yè)發(fā)展的主線。

可持續(xù)的未來？

OpenAI首席執(zhí)行官Sam Altman曾表示，AI的成本正在以每年降低10倍的速度演進(jìn)，這一現(xiàn)象被稱為“AI規(guī)模定律”（scaling law）。未來，AI的硬件更高效、算法更聰明，是否能夠真正實(shí)現(xiàn)低耗又智能的良性循環(huán)？

一些研究者對此持樂觀態(tài)度，加州大學(xué)伯克利分校名譽(yù)教授、谷歌研究員戴夫·帕特森（Dave Patterson）的分析預(yù)測，由于人工智能軟件和硬件能源使用效率的提高，人工智能的碳足跡將很快達(dá)到穩(wěn)定水平，然后開始減少。

但樂觀之外，還有一盆冷水：“杰文斯悖論”認(rèn)為效率提高會帶來使用激增，結(jié)果反而更耗能。華為創(chuàng)始人任正非曾這樣比喻這條悖論：“把高速公路拓寬，車流速度快了，油耗本應(yīng)減少。但更多的車輛能上路，整體油耗反而增加了。”后續(xù)，當(dāng)AI真正滲透進(jìn)教育、辦公、娛樂等日常場景，其總體能耗可能在無形中不斷累積，超出原本“節(jié)能”的設(shè)想。

在這種不確定性下，個人用戶的選擇不應(yīng)被忽視。雖然用戶無法直接決定一項(xiàng)AI技術(shù)的底層設(shè)計或訓(xùn)練規(guī)模，但可以在使用中取舍——比如關(guān)注平臺的能源披露與可持續(xù)承諾，避免無意義的頻繁調(diào)用，理解每一次點(diǎn)擊背后都存在一次計算的事實(shí)。

所有改變的前提，是先看見問題本身。當(dāng)更多人開始意識到這些“看不見”的能源消耗和環(huán)境代價，技術(shù)將向著更可持續(xù)的目標(biāo)前進(jìn)。更長遠(yuǎn)來看，公眾的使用偏好和輿論導(dǎo)向，也將在某種程度上塑造AI生態(tài)的未來方向。

作者丨楊智博、沈馨、田益銘、韓旻格、傅冰清

指導(dǎo)老師｜崔迪、徐笛、周葆華

封面圖｜DeepSeek、豆包共同繪制

動圖內(nèi)嵌視頻 | 即夢生成

本文為復(fù)旦大學(xué)新聞學(xué)院《數(shù)據(jù)分析與信息可視化》課程作品