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DeepSeek与豆包联合(liánhé)生成，仅使用一条文字(wénzì)指令和一次图像请求。手机电量(diànliàng)几乎未变，但背后的实际能耗，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，人工智能发展(fāzhǎn)的每个环节都(dōu)需要消耗大量生态资源。 此外，一家半导体(bàndǎotǐ)制造厂每小时的用电量(yòngdiànliàng)足以让100个人用上一整年；一家芯片企业每年会(huì)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。 GPT-3的(de)诞生同样代价不菲：它单次(cì)训练耗电1287万度，产生552吨碳(tàn)排放——为了让AI的大脑变得更(gèng)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)发生在不同环节，但最终都离不开一个共同的场所：数据中心(shùjùzhōngxīn)。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(qīngyíng)的输出结果背后(bèihòu)，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背后的算力(suànlì)“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(qiángdà)的(de)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(nénghào)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的关系较为(jiàowéi)密切。它们集中部署了成千上万块高性能GPU（图形处理器），专为深度学习模型的训练而设计，是ChatGPT、Deepseek等生成式AI服务得以(déyǐ)落地的算力底座。 随着技术的迭代，AI对算力的需求水涨船高(shuǐzhǎngchuángāo)，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(gāoxìngnéng)的计算基础设施的支撑，推动着数据中心的全球扩张。 可以预见(yùjiàn)，数据中心将在未来数年(nián)内保持高速扩张(kuòzhāng)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在升温。未来，数据中心发展的经济账单将继续攀升。 这笔(zhèbǐ)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(yuán)。以这样的价格来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大量的环境代价——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(shùjùzhōngxīn)的持续扩张(kuòzhāng)不断增长(zēngzhǎng)。 根据国际能源署的最新预测，到2030年，全球数据中心的年耗电量预计(yùjì)将达到945太瓦时（TWh）左右——这个数字，已经略高于日本目前(mùqián)一整年的总(zǒng)用电量。 除可量化的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(fèiqìwù)中重金属的泄漏、自然(zìrán)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(shàngwèi)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(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，距离污染源最近，也最具实施变革的能力。国际组织(zǔzhī)可以制定标准，政府(zhèngfǔ)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(xū)由企业落地执行。 当前，碳(tàn)排放控制成为多数企业环境治理策略(cèlüè)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作为(zuòwéi)主要减排措施。这类路径在能源结构调整上相对可行(kěxíng)，也易于量化评估。 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(shàng)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(qǐyè)，也会存在这一治理重心(zhòngxīn)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(jí)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的断层趋势：加拿大魁北克的数据中心凭借丰富(fēngfù)水电实现100%零碳运营，而沙特阿拉伯与卡塔尔的数据中心仍在(zài)(zài)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(hánguó)也(yě)仅达35%，远低于全球平均水平。 随着AI技术迭代加速，训练新一代AI大模型的(de)(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(bù)平等地图”。 但谷歌并不(bù)是这张“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(sìjiā)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，谷歌是其中唯一按照数据中心集群所在地公布实时(shíshí)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扩建(kuòjiàn)数据中心以应对日益增长(rìyìzēngzhǎng)的数据存储和处理需求，在选址上集中于南美洲、欧洲(ōuzhōu)、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(zhèxiē)地区却引起了广泛的反对声潮。 数据中心(shùjùzhōngxīn)的(de)快速扩张实际上属于“算力驱动型”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(fāngxiàng)演进。 中国团队推出的开源大模型DeepSeek正展现(zhǎnxiàn)着这种(zhèzhǒng)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(jīngjì)层面的高性价比(gāoxìngjiàbǐ)，也意味着在同等的AI产出下，数据中心(shùjùzhōngxīn)所承担的计算压力和能耗均(jūn)有望减少。 此外，DeepSeek-v3采用了(le)“MoE（Mixture of Experts）”模型。每次用户(yònghù)提问，系统只激活一小部分(yīxiǎobùfèn)参数进行处理，而不是(búshì)全员上阵。这样使得每次推理时实际(shíjì)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(yě)正从政策层面积极回应数据中心扩张所带来的环境压力，推动其绿色(lǜsè)转型，力图在技术发展与环境可(kě)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。以2030年(nián)为目标，我国各地数据中心的PUE水平将持续优化(yōuhuà)，向“1”稳步靠近(kàojìn)。 在政策引导与(yǔ)技术进步的共同作用(zuòyòng)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，AI的(de)成本正在以(yǐ)每年降低(jiàngdī)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(yìngjiàn)更高效、算法更聪明，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(duìcǐ)持乐观(lèguān)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，还有一盆冷水：“杰文斯悖论(bèilùn)”认为效率提高(tígāo)会带来使用激增，结果反而更耗能。华为(huáwèi)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(yóuhào)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，其总体能耗可能(kěnéng)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技术的底层设计或训练规模，但可以在使用中(zhōng)取舍——比如(bǐrú)关注平台的能源披露与可持续承诺，避免无意义(yìyì)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(suǒyǒu)改变的前提，是先看见问题本身。当更多人开始(kāishǐ)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(mùbiāo)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(mǒuzhǒngchéngdù)上塑造AI生态的未来方向。 作者丨杨智博、沈馨、田益铭(tiányìmíng)、韩旻格、傅冰清 指导老师｜崔迪、徐笛、周葆华(zhōubǎohuá) 封面图｜DeepSeek、豆包共同绘制(huìzhì) 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(kěshìhuà)》课程作品 复数实验室 X 对齐(duìqí)Lab (本文来自澎湃新闻(xīnwén)，更多原创资讯请下载“澎湃新闻”APP)