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，需要多少(duōshǎo)电力？ 本文的封面图由DeepSeek与豆包联合生成，仅使用一条文字指令和一次(yīcì)图像(túxiàng)请求。手机电量几乎未变，但背后的实际能耗，足够让它(tā)从零充满一次。 从(cóng)上游的(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(zàochéng)200万吨的碳(tàn)排放，相当于30万辆重型卡车全年(quánnián)的排放量。 GPT-3的(de)(de)诞生同样代价不菲：它单次训练耗电1287万度，产生552吨碳排放——为了让(ràng)AI的大脑变得更聪明，人类先付出了能(néng)让一辆特斯拉汽车完整充电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在(zài)不同环节，但(dàn)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(tǐliàng)庞大且能耗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(píngkōng)运行，从模型训练到推理应用，都需要数据中心强大(qiángdà)的算力支撑。可以说，数据中心就是AI系统的“心脏”，支撑着其持续运作，因此也成为了能耗和污染最集中的环节(huánjié)。 在各类(gèlèi)数据中(zhōng)心中，企业和互联网数据中心与AI的关系较为密切。它们(tāmen)集中部署了成千上万块高性能GPU（图形处理器），专为深度学习模型(móxíng)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(zhe)技术的迭代，AI对算力的需求水涨船高，直接推动了数据中心数量的增长。AI工具(gōngjù)的快速进化，离不开高性能(gāoxìngnéng)的计算基础设施的支撑，推动着数据中心的全球扩张。 可以(kěyǐ)预见，数据中心将在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(ér)这场(zhèchǎng)围绕算力(suànlì)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人民币380元。以(yǐ)这样的价格来享受(xiǎngshòu)人工智能前沿技术，似乎也是一笔划算的投入。 然而，这笔交易的附加项中打包了大量的环境代价(dàijià)——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(chéngběn)的账面上，并将(jiāng)随着数据中心的持续扩张不断增长。 根据国际能源署的最新预测(yùcè)，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(yǐjīng)略高于日本目前(mùqián)一整年的总用电量。 除可量化的资源消耗和污染排放(páifàng)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(zhōng)重金属的泄漏、自然土地被数据中心侵占后(hòu)动物失去栖息地……目前，这些影响尚未形成系统的监测数据。 这份(zhèfèn)被技术红利掩盖的“生态账单”，谁来结算、如何治理？ 在全球(quánqiú)环境治理的复杂体系中，多个主体各自承担着(zhe)不同层级的责任。企业作为直接运营数据中心(shùjùzhōngxīn)的主体，距离污染源最近，也最具实施变革的能力。国际组织可以制定标准(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，最终仍需由企业落地执行。 当前，碳排放控制成为多数企业环境治理(huánjìngzhìlǐ)策略的核心目标，其中(qízhōng)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(zhè)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(qǐyè)“还账”的重点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(jiějuéfāngàn)。 即使是可持续实践的领军企业，也会存在这一治理重心的偏移。谷歌在其《2024环境报告》中重点对(duì)减碳(jiǎntàn)路径进行了最详尽的披露。 其(qí)中，谷歌表示2023年其全球办公及(jí)数据中心已实现每小时64%无碳能源使用率，44个电网区域中有10个达成(dáchéng)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(de)(de)(de)成绩单背后暗藏着明显的断层趋势：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(diédài)加速，训练新一代AI大模型的(de)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“不平等地图”。 但(dàn)谷歌并不是(búshì)这张“不平等地图”的唯一制作者。在全球(quánqiú)前五大云服务企业中，除阿里巴巴外，其余四家在他国(tāguó)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所在地公布实时环境指标(zhǐbiāo)的厂商。 随着AI的(de)飞速发展，科技巨头企业仍将持续扩建数据中心以应对日益增长的数据存储(cúnchǔ)和处理需求，在选址上集中于南美洲、欧洲、北美洲。然而，由于造成了环境问题(wèntí)，数据中心扩建计划在这些地区却引起了广泛的反对声潮(cháo)。 数据中心(shùjùzhōngxīn)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浮现——AI正朝着高性能、低功耗方向演进(yǎnjìn)。 中国团队推出的开源大模型DeepSeek正展现着这种可能性。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(xùnliàn)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(céngmiàn)的高性价比，也意味着(yìwèizhe)在同等的AI产出下，数据中心所承担的计算压力和能耗(nénghào)均有望减少。 此外，DeepSeek-v3采用了(le)“MoE（Mixture of Experts）”模型(móxíng)。每次(měicì)用户提问，系统只激活一小部分参数进行处理，而(ér)不是全员上阵。这样使得每次推理时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(zīyuán)的消耗。 与(yǔ)此同时，中国也正从政策层面积极(jījí)回应数据中心扩张所带来(dàilái)的环境压力，推动其绿色转型，力图在技术发展与环境可持续之间寻求平衡。 目前，电能利用效率（PUE）已经成为(chéngwéi)衡量绿色治理(zhìlǐ)成效的重要风向标。以2030年为目标，我国各地数据中心的PUE水平将持续优化，向“1”稳步(wěnbù)靠近。 在政策引导与(yǔ)技术进步的共同作用下，绿色转型正在成为中国(zhōngguó)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(zhèngzài)以每年降低10倍(bèi)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(yìngjiàn)更高效、算法更聪明(cōngmíng)，是否能够真正实现低耗又智能的良性循环？ 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(pàtèsēn)（Dave Patterson）的分析预测，由于人工智能(réngōngzhìnéng)软件和硬件能源使用效率(xiàolǜ)的提高，人工智能的碳足迹将很快达到稳定水平，然后开始减少。 但乐观之外，还有一盆冷水：“杰文斯悖论”认为效率提高(tígāo)会带来使用(shǐyòng)激增，结果反而更耗能。华为创始人任正非曾这(zhè)样比喻这条(tiáo)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(shèntòu)进教育、办公(bàngōng)、娱乐等日常场景，其总体能耗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(de)选择不应(yīng)被忽视。虽然用户无法直接决定一项AI技术的底层设计或训练规模，但可(kě)以在使用(shǐyòng)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。 所有改变的前提，是先看见问题本身。当更(gèng)多人开始意识到这些“看不见”的能源消耗和(hé)(hé)环境代价，技术将向着更可持续的目标前进。更长远(chángyuǎn)来看，公众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(gǔn)杨智博、沈馨、田益铭、韩旻格、傅冰清 指导老师｜崔迪、徐笛(xúdí)、周葆华 封面图｜DeepSeek、豆包共同(gòngtóng)绘制 动图内嵌视频 | 即梦(mèng)生成 本文为复旦大学新闻学院《数据分析与信息可视化(kěshìhuà)》课程作品 复数(fùshù)实验室 X 对齐Lab (本文来自澎湃新闻，更多原创资讯请(qǐng)下载“澎湃新闻”APP)