世界环境日｜AI升级，算力狂飙，地球能承受吗？

生成一张图片，需要多少(duōshǎo)电力？ 本文(běnwén)的封面图由DeepSeek与豆包联合生成，仅(jǐn)使用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(tā)从零充满一次。 从上游的芯片制造(zhìzào)到下游的日常使用，人工智能发展的每个环节(huánjié)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(xīnpiàn)企业每年会造成200万吨的碳排放，相当于30万辆重型卡车全年的排放量(páifàngliàng)。 GPT-3的(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(wèile)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(suīrán)发生(fāshēng)在不同环节，但最终都(dōu)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(jiéguǒ)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。 AI背后的(de)算力“心脏” AI不是(búshì)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支撑(zhīchēng)。可以(kěyǐ)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(zài)各类数据中心中，企业和互联网(hùliánwǎng)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。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(kuòzhāng)。 可以预见，数据中心将在未来数年(nián)内保持高速扩张的(de)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(zhèchǎng)围绕算力的投资热潮仍在升温(shēngwēn)。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。以这样的价格(jiàgé)来享受人工智能前沿技术，似乎也是一笔划算(huásuàn)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(shēngtài)账单”，至今既没有出现在产业成本的账面(zhàngmiàn)上，并将随着数据中心的持续扩张(kuòzhāng)不断增长。 根据国际(guójì)能源署的最新预测，到2030年(nián)，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)目前一整年的总用电量。 除可量化(liànghuà)的资源消耗和污染排放外，更隐蔽的还有(háiyǒu)：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……目前，这些影响尚未形成系统的监测数据(jiāncèshùjù)。 这份被技术红利掩盖的(de)“生态账单”，谁来结算、如何治理？ 在全球环境治理的复杂体系(tǐxì)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(jùlí)污染源最近，也最具实施变革的能力。国际(guójì)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(fāngshì)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策略的核心目标，其中在能源端的应对最为突出。大多数(dàduōshù)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(lèi)路径在能源结构调整上相对可行，也(yě)易于量化评估(pínggū)。 整体来看，当前企业“还账”的(de)重点主要集中于(yú)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。 即使是可持续实践的领军企业，也会存在这一治理重心的偏移。谷歌在其(qí)《2024环境报告》中(zhōng)重点对减碳路径进行了最详尽的披露。 其中，谷歌表示2023年其全球办公(bàngōng)及数据中心已实现每小时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(gōngdiàn)——这看似是一份不错的成绩单。 但从国家维度来看，这份(zhèfèn)优秀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(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(ōuzhōudìqū)，波兰(bōlán)以(yǐ)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技术迭代加速，训练新(xīn)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，或许正在重塑一张新的环境治理“不(bù)平等地图(dìtú)”。 但谷歌并不(bù)是这张“不平等地图”的(de)唯一制作者。在全球前五大云服务企业(qǐyè)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(pǔbiàn)超过本土，呈现出明显的跨国企业(kuàguóqǐyè)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的厂商。 随着AI的飞速发展，科技巨头企业仍(réng)将(jiāng)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(zài)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。 数据中心的快速扩张(kuòzhāng)实际上属于“算力驱动型”的AI发展路径(lùjìng)。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。 中国团队推出的开源大模型DeepSeek正(zhèng)展现(zhǎnxiàn)着这种可能性。据DeepSeek披露，在不(bù)包含前期试错成本(chéngběn)的情况下，大模型DeepSeek-v3的训练(xùnliàn)成本大约在558 万美元。按照相似方法估算，GPT4的训练成本约为4800万美元。这不仅(bùjǐn)代表着经济层面的高性价比，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，DeepSeek-v3采用了“MoE（Mixture of Experts）”模型。每次(měicì)用户提问，系统只激活一小部分参数(cānshù)进行处理，而(ér)不是(búshì)全员上阵。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(cóng)政策层面(céngmiàn)积极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）已经成为衡量绿色治理成效的重要风向标(fēngxiàngbiāo)。以2030年为目标(mùbiāo)，我国各地数据中心(shùjùzhōngxīn)的PUE水平将持续优化，向“1”稳步靠近。 在政策引导与(yǔ)技术进步(jìnbù)的共同作用下，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(biǎoshì)，AI的成本正在以每年降低10倍的速度(sùdù)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、算法更聪明，是否能够真正实现低耗(dīhào)又(yòu)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(dàifū)·帕特森（Dave Patterson）的(de)分析预测，由于人工智能软件和(hé)硬件能源使用效率的提高，人工智能的碳足迹将很快达到(dádào)稳定水平，然后开始减少。 但(dàn)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(jīzēng)，结果反而更耗能。华为创始人任正非曾(céng)这样(zhèyàng)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(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(shèxiǎng)。 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(wúfǎ)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(chíxù)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。 所有改变的(de)前提，是先看见(kànjiàn)问题本身。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(piānhǎo)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(fēngmiàn)图｜DeepSeek、豆包共同绘制 动图内嵌视频 | 即(jí)梦生成 本文为复旦大学新闻学院《数据分析与信息可视化》课程作品(zuòpǐn) 复数(fùshù)实验室 X 对齐Lab (本文来自(láizì)澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)