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与豆包(dòubāo)联合生成，仅使用一条文字指令和一次(yīcì)图像请求。手机电量几乎未变，但背后的实际能耗，足够(zúgòu)让它从零充满一次。 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都需要消耗(xiāohào)大量生态资源。 此外(cǐwài)，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(quánnián)的排放量。 GPT-3的诞生同样代价不菲：它单次训练耗电1287万度，产生(chǎnshēng)552吨碳排放——为了(le)让AI的大脑变得更聪明，人类先付出了能让一辆特斯拉汽车完整(wánzhěng)充电10000次的电量和(hé)制造325吨粗钢的碳排放。 这些(zhèxiē)生态污染与资源(zīyuán)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不是凭空运行，从模型训练到推理应用，都需要(xūyào)数据中心强大的(de)算力支撑。可以说，数据中心就是AI系统(xìtǒng)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(de)关系较为密切(mìqiè)。它们集中部署了成千上万块高性能GPU（图形处理器(chǔlǐqì)），专(zhuān)为深度学习模型的训练而设计，是ChatGPT、Deepseek等生成式AI服务得以落地的算力底座。 随着技术(jìshù)的迭代，AI对算力(duìsuànlì)的需求水涨船高，直接推动了数据中心(shùjùzhōngxīn)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，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(zhīchū)据估计已高达4300亿美元，而这场围绕算力的投资热潮仍(réng)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(chǎnyè)的投资(tóuzī)大约相当于全球每人支出了人民币380元。以这样的价格来(lái)享受人工智能前沿技术，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(le)大量的环境代价——一份正在不断积累、总量庞大(pángdà)的“生态账单”，至今既没有出现在产业成本(chéngběn)的账面上，并将随着数据中心的持续扩张不断增长。 根据国际能源署(shǔ)的(de)(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整年的总用电量。 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(zhōng)重金属的泄漏、自然土地被数据中心侵占后动物失去(shīqù)栖息地……目前，这些影响尚未形成系统的监测数据。 这份被技术红利掩盖(yǎngài)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(biàngé)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(réng)需由企业落地(luòdì)执行。 当前，碳排放控制成为(chéngwéi)多数(duōshù)企业环境治理策略的核心目标，其中在(zài)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作为主要减排措施。这类路径在能源结构调整上相对可行，也易于(yìyú)量化评估。 整体来看，当前企业“还账”的重点主要集中于减少碳排放(páifàng)，生态账单上的其他栏目尚(shàng)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(cúnzài)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90%以上(yǐshàng)清洁供电——这看似(kànshì)是一份不错的成绩单。 但从国家维度(wéidù)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(shíxiàn)100%零碳运营，而沙特阿拉伯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(quánqiú)平均水平。 随着AI技术迭代加速，训练新一代AI大模型(móxíng)的能耗量级持续增长。支撑AI发展的全球(quánqiú)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(dìtú)”。 但谷歌并不是这张“不平等地图”的唯一制作者(zhìzuòzhě)。在全球前(qián)五大云(yún)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(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，科技巨头企业仍将持续扩建数据(shùjù)中心以应对日益增长的数据存储和处理需求，在(zài)选址(xuǎnzhǐ)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(de)快速扩张实际上属于“算力驱动型”的AI发展(fāzhǎn)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(tuánduì)推出的(de)开源大模型DeepSeek正展现着这种可能性。据DeepSeek披露，在不包含前期试错成本(chéngběn)(chéngběn)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，也意味着在同等的AI产出下，数据中心所承担的计算(jìsuàn)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(jīhuó)一小部分参数进行处理，而不是全员上阵。这样使得每次推理时实际被激活的参数只占总量(liàng)(zǒngliàng)的 5.5%，显著减少了计算量，也降低了模型运行(yùnxíng)时对数据中心资源的消耗。 与(yǔ)此同时，中国也正(zhèng)从政策层面积极(jījí)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(xiàng)标。以2030年为目标，我国各地数据中心的PUE水平将持续(chíxù)优化，向“1”稳步靠近(kàojìn)。 在(zài)政策引导与技术进步的共同作用下，绿色转型正在成为中国数据中心(shùjùzhōngxīn)行业发展的主线。 OpenAI首席(shǒuxí)执行官Sam Altman曾表示，AI的成本正在以每年降低(jiàngdī)10倍的速度演进，这一现象被称为“AI规模定律(dìnglǜ)”（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(gǔgē)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，人工智能的碳足迹将很快达到稳定水平，然后(ránhòu)开始减少。 但乐观之外，还有一盆(yīpén)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(zhè)样比喻这条悖论：“把高速公路拓宽，车流(chēliú)速度快了，油耗本应减少。但更多的车辆能上路，整体油耗反而增加了。”后续(hòuxù)，当AI真正渗透进教育、办公、娱乐等(děng)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(jiénéng)”的设想。 在这种不确定性下，个人用户的(de)选择不应被忽视。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(guīmó)，但可以在使用中取舍——比如(bǐrú)关注平台的能源披露(pīlù)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(shì)先(xiān)看见问题本身(běnshēn)。当更多人开始意识到这些“看不见”的能源消耗和环境代价，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(zài)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(cuīdí)、徐笛、周葆华 封面图(tú)｜DeepSeek、豆包共同绘制 动图内嵌(nèiqiàn)视频 | 即梦生成 本文为复旦大学新闻学院《数据分析与(yǔ)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，更多原创资讯请下载(xiàzài)“澎湃新闻”APP)