世界环境日｜AI升级，算力狂飙，地球能承受吗？

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，仅使用一条文字指令和一次图像请求。手机电量几乎(jīhū)未变，但背后(bèihòu)的实际能耗，足够让它从零充满一次。 从上游的芯片制造到下游的日常使用(shǐyòng)，人工智能发展的每个环节都需要消耗大量生态资源(zīyuán)。 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(huì)造成(zàochéng)200万吨的碳排放，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(dàijià)不菲：它单次训练耗电1287万度，产生552吨碳排放——为了让AI的大脑变得更聪明，人类先(xiān)付出了能让一辆特斯拉汽车(qìchē)完整充电10000次的电量(diànliàng)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(zhìzào)出来(chūlái)供谁使用？模型训练在哪里完成？用户调用如何响应(xiǎngyìng)？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惊人的数据中心在昼夜不停地运转(yùnzhuàn)。 AI背后的(de)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算力(suànlì)支撑。可以说，数据中心就是AI系统的“心脏”，支撑着其持续(chíxù)运作，因此也成为了能耗和污染最集中(jízhōng)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（图形处理器），专(zhuān)为深度学习模型(móxíng)的训练而设计，是ChatGPT、Deepseek等(děng)生成式AI服务得以落地的算力底座。 随着技术的(de)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(zēngzhǎng)。AI工具的快速进化，离不开(líbùkāi)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，数据中心将在(zài)未来(wèilái)数年内保持高速扩张的态势。截至2024年，全球(quánqiú)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(tóuzī)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大约相当于全球每人支出了人民币380元(yuán)。以这样的价格来(lái)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——一份正在不断积累、总量庞大的“生态账单(zhàngdān)”，至今(zhìjīn)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(kuòzhāng)不断增长。 根据国际能源署的(de)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，已经略高于日本目前一(yī)整年的总(zǒng)用电量。 除可量化的(de)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(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(xìtǒng)的监测数据。 这份被技术(jìshù)红利掩盖的“生态账单”，谁来结算、如何治理？ 在全球环境治理的(de)复杂体系中，多个主体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，也最具实施变革的能力。国际组织可以(kěyǐ)制定标准，政府可以出台政策，但能源结构的选择与运行(yùnxíng)方式的调整，最终仍需由企业落地(luòdì)执行。 当前，碳排放控制成为(chéngwéi)多数企业环境治理策略的核心目标，其中在能源端的应对最为突出。大多数企业将可再生能源或清洁能源的使用(shǐyòng)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(yě)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(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(yě)会存在这一治理重心的偏移(piānyí)。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，谷歌表示2023年(nián)其全球办公及数据中心已实现每小时64%无碳能源使用率，44个(gè)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(bùcuò)的成绩单。 但从国家维度来看，这份优秀的成绩单背后(bèihòu)暗藏着明显的断层趋势：加拿大魁北克的数据中心凭借(píngjiè)丰富水电(shuǐdiàn)实现100%零碳运营，而沙特阿拉伯与(yǔ)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(yuǎn)低于全球平均水平。 随着AI技术迭代加速，训练新一代AI大模型(móxíng)的(de)能耗量级持续增长。支撑AI发展的全球数据中心(shùjùzhōngxīn)集群，或许正在重塑一张新的环境治理“不平等地图”。 但谷歌并不是这张“不平等地图”的唯一(wéiyī)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(qízhōng)唯一按照数据中心集群所在地公布(gōngbù)实时(shíshí)环境指标的厂商。 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处理需求(xūqiú)，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，数据中心扩建计划在这些地区(dìqū)却引起了广泛(guǎngfàn)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(yīzhǒng)新的技术趋势正在(zhèngzài)浮现——AI正朝着高性能、低功耗方向演进。 中国团队推出的开源大(dà)(dà)模型DeepSeek正展现着这种可能性。据DeepSeek披露，在不包含前期试错成本的情况下，大模型DeepSeek-v3的训练成本大约在558 万美元。按照(ànzhào)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，也(yě)意味着在同等的AI产出下，数据中心所承担的计算(jìsuàn)压力和能耗(nénghào)均有望减少。 此外(cǐwài)，DeepSeek-v3采用了“MoE（Mixture of Experts）”模型(móxíng)。每次用户提问，系统只激活一小部分参数进行处理，而不是全员(quányuán)上阵(shàngzhèn)。这样使得每次推理时实际被激活的(de)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(céngmiàn)积极回应数据中心扩张所带来的环境压力，推动其绿色转型，力图在技术发展(fāzhǎn)与环境可持续之间寻求(xúnqiú)平衡。 目前，电能利用效率（PUE）已经(yǐjīng)成为衡量(héngliáng)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水平将持续优化，向“1”稳步靠近。 在政策引导与技术进步的共同作用下，绿色转型(zhuǎnxíng)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(de)成本正在以(yǐ)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的硬件更高效(gāoxiào)、算法(suànfǎ)更聪明，是否能够真正实现低耗又智能的良性循环？ 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·帕特森（Dave Patterson）的(de)分析预测，由于人工智能(réngōngzhìnéng)软件和硬件能源使用效率的提高，人工智能的碳足迹(zújì)将很快(hěnkuài)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(bèilùn)”认为效率提高会带来使用激增，结果反而更(gèng)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(běnyīng)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)，其总体能耗(nénghào)可能在无形中不断累积，超出原本“节能”的设想(shèxiǎng)。 在这种不确定性下，个人用户的选择不应(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，但可以在使用中取舍——比如关注平台的能源披露与可持续承诺(chéngnuò)，避免无意义的频繁调用(diàoyòng)，理解每一次点击背后都(dōu)存在一次计算的事实。 所有改变的(de)前提，是先看见问题(wèntí)本身。当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AI生态的未来方向(fāngxiàng)。 作者丨杨智博、沈馨、田益铭、韩旻格(hánmíngé)、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(jí)梦生成 本文为(wèi)复旦大学新闻学院《数据分析与信息可视化》课程作品 复数实验室 X 对齐(duìqí)Lab (本文来自澎湃新闻，更(gèng)多原创资讯请下载“澎湃新闻”APP)