美钢铝关税翻倍至50%冲击全球 多国威胁反制

生成一张(yīzhāng)图片，需要多少电力？ 本文的封面图由DeepSeek与(yǔ)豆包联合生成，仅使用(shǐyòng)一条文字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，足够让它从零(líng)充满一次。 从上游的芯片制造到下游(xiàyóu)的日常使用，人工智能发展(fāzhǎn)的每个环节都需要消耗大量生态资源。 此外，一家半导体制造厂每小时的(de)用电量足以让100个人用上一整年；一家芯片(xīnpiàn)企业每年会造成(zàochéng)200万吨的碳排放，相当于30万辆重型卡车全年的排放量。 GPT-3的(de)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——为了让AI的大脑变得(biàndé)更聪明，人类先付出了能让一辆特斯拉汽车(qìchē)完整充电10000次的电量和制造325吨粗钢的碳排放。 这些生态污染与资源消耗虽然发生(fāshēng)在不同环节，但最终都离不开一个共同的场所：数据中心。芯片制造出来供谁使用？模型训练在哪里(nǎlǐ)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(shì)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背后的(de)算力“心脏” AI不是凭空(píngkōng)运行，从模型训练到推理应用(yìngyòng)，都需要数据中心强大的算力支撑(zhīchēng)。可以说，数据中心就是AI系统的“心脏”，支撑着其持续运作，因此也成为了能耗和污染最集中的环节。 在各类数据中心中，企业和互联网数据中心与AI的关系较为密切。它们集中部署了成千上万(chéngqiānshàngwàn)块高性能GPU（图形(túxíng)处理器），专为深度(shēndù)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。 随着技术的(de)(de)迭代，AI对算力的需求水涨船高(shuǐzhǎngchuángāo)，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的支撑，推动着数据中心的全球扩张。 可以预见(yùjiàn)，数据中心(shùjùzhōngxīn)将在(zài)未来数年内保持高速扩张的态势。截至2024年，全球数据中心的资本支出据估计已高达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(pānshēng)。 这笔数据中心(shùjùzhōngxīn)产业的投资大约相当于全球每人支出了人民币380元。以这样的价格来享受人工智能前沿技术，似乎也是一笔(yībǐ)划算(huásuàn)的投入。 然而，这笔交易(jiāoyì)的附加项中打包了(le)大量的环境(huánjìng)代价——一份正在不断积累、总量庞大的“生态账单”，至今既没有出现在产业成本的账面上，并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(lüègāoyú)日本目前一整年(zhěngnián)的总用电量。 除可量化的资源消耗和(hé)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(bèi)数据中心侵占后动物失去栖息地……目前，这些影响尚未形成系统的监测数据(jiāncèshùjù)。 这份被技术红利(hónglì)掩盖的“生态账单”，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(zhǔtǐ)各自承担着不同层级的责任。企业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(shíshī)变革的能力(nénglì)。国际组织可以制定标准，政府可以出台政策，但能源结构的选择与运行方式的调整，最终仍(réng)需由企业落地执行。 当前，碳排放(páifàng)控制成为多数企业环境治理策略的核心目标，其中在能源(néngyuán)端的应对(yìngduì)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(zhǔyào)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。 整体来看，当前企业“还账(huánzhàng)”的重点(zhòngdiǎn)主要集中于减少碳排放，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(chíxù)实践的领军企业，也会(huì)存在这一治理重心的偏移。谷歌在其《2024环境报告》中重点对减碳路径进行了最详尽的披露。 其中，谷歌(gǔgē)表示2023年其全球办公及数据中心已实现(shíxiàn)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。 但从国家维度来看，这份优秀的成绩单背后暗藏着明显(míngxiǎn)的断层趋势：加拿大魁北克(kuíběikè)的数据中心凭借丰富水电实现100%零碳运营，而沙特阿拉伯(shātèālābó)与卡塔尔的数据中心仍在完全依赖石油发电。在欧洲地区，波兰(bōlán)以31%垫底；而在亚洲地区，表现最佳(zuìjiā)的韩国也仅达35%，远低于全球平均水平。 随着AI技术迭代(diédài)加速，训练新一代AI大(dà)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，或许正在重塑一张新的环境治理“不平等(píngděng)地图”。 但谷歌并不是这张“不平等地图”的(de)唯一制作者。在全球前五大云(yún)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(shùliàng)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(ànzhào)数据中心集群所在地公布实时环境指标的厂商(chǎngshāng)。 随着AI的飞速发展，科技巨头企业仍将持续(chíxù)扩建数据中心以应对日益增长的数据存储和(hé)处理需求，在(zài)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地区却引起了广泛的反对声潮。 数据中心的快速扩张实际上属于“算力(suànlì)驱动型”的AI发展路径。如今，一种新的技术趋势正在(zhèngzài)浮现——AI正朝着高性能、低功耗方向(fāngxiàng)演进。 中国(zhōngguó)团队推出的开源大模型DeepSeek正展现着这(zhè)种可能性。据DeepSeek披露，在不包含前期(qiánqī)试错成本的情况下，大模型DeepSeek-v3的训练成本大约在558 万美元。按照相似(xiāngsì)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，也意味着(yìwèizhe)在同等的AI产出下，数据中心所(suǒ)承担的计算压力和能耗均有望减少。 此外，DeepSeek-v3采用(cǎiyòng)了“MoE（Mixture of Experts）”模型。每次用户提问，系统(xìtǒng)只激活一小部分参数进行处理，而不是全员(quányuán)上阵。这样(zhèyàng)使得每次推理时(shí)实际被激活的参数只占总量的 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，中国也正从政策层面积极回应数据中心扩张所带来的环境(huánjìng)压力，推动其绿色转型(zhuǎnxíng)，力图在技术发展与环境可持续之间寻求(xúnqiú)平衡。 目前，电能(diànnéng)利用效率（PUE）已经成为衡量绿色治理成效的重要(zhòngyào)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(zài)政策引导与技术进步的共同作用下(xià)，绿色转型正在成为中国数据中心行业发展的主线。 OpenAI首席执行官Sam Altman曾表示，AI的成本正在以每年降低10倍的速度演进(yǎnjìn)，这一现象被称为“AI规模定律”（scaling law）。未来，AI的硬件更高效、算法更聪明(cōngmíng)，是否能够(nénggòu)真正实现低耗又智能(zhìnéng)的良性循环？ 一些研究者(yánjiūzhě)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·帕特森（Dave Patterson）的分析预测，由于人工智能软件和硬件能源使用效率的提高，人工智能的碳(tàn)足迹将很快(hěnkuài)达到稳定水平，然后开始(kāishǐ)减少。 但乐观之外，还有一盆冷水：“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(zhèyàng)比喻这条悖论：“把高速公路拓宽，车流(chēliú)速度快了，油耗本应减少。但更多的(de)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(yúlè)等日常场景(chǎngjǐng)，其总体能耗(nénghào)可能在无形中不断累积，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。虽然用户无法直接决定一项AI技术(jìshù)的底层设计(shèjì)或训练规模，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(bìmiǎn)无意义的频繁调用，理解每一次(yīcì)点击背后都存在一次计算的事实。 所有改变(gǎibiàn)的前提，是先看见问题本身。当更多人开始意识到这些“看不见”的能源消耗(néngyuánxiāohào)和环境代价，技术将向着更可持续的目标前进。更长远来看(láikàn)，公众(gōngzhòng)的使用偏好和舆论导向，也将在某种程度上塑造AI生态的未来方向。 作者丨杨智博(yángzhìbó)、沈馨、田益铭、韩旻格、傅冰清 指导老师(zhǐdǎolǎoshī)｜崔迪、徐笛、周葆华 封面图｜DeepSeek、豆包(dòubāo)共同绘制 动图内嵌视频 | 即梦(mèng)生成 本文为复旦大学新闻学院《数据分析与信息(xìnxī)可视化》课程作品 复数实验室 X 对齐(duìqí)Lab (本文来自澎湃新闻，更多原创资讯请(qǐng)下载“澎湃新闻”APP)