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(de)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)图像请求。手机电量几乎未(wèi)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(xiàyóu)的日常使用，人工智能发展的每个(měigè)环节都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(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(páifàng)，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(tā)单次训练耗电1287万度，产生552吨碳(tàn)排放——为了让AI的大脑变得更聪明，人类先付出了能让一辆(yīliàng)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(wánchéng)？用户调用如何响应？事实上，看似轻盈的输出结果背后(bèihòu)，是一座座体量庞大且能耗惊人的数据中心在昼夜(zhòuyè)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(tuīlǐ)应用，都需要数据中心(shùjùzhōngxīn)强大的算力支撑。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(zài)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(jízhōng)部署了成千上万块高性能GPU（图形处理器），专为深度学习(xuéxí)模型的训练而(ér)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(duìsuànlì)的需求水涨船高，直接推动了数据中心数量(shùliàng)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(zīběn)支出据估计已高达4300亿美元，而这场围绕(wéirào)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(pānshēng)。 这笔数据中心产业的投资大约相当于全球(quánqiú)每人支出了人民币380元。以(yǐ)这样的价格来享受人工智能前沿技术，似乎也是(shì)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(zhìjīn)既没有出现在产业成本的账面(zhàngmiàn)上，并(bìng)将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，到2030年，全球数据中心的年耗电量(hàodiànliàng)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(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、自然土地被数据中心侵占后动物失去栖息地……目前，这些(zhèxiē)影响尚未(shàngwèi)形成系统的监测数据。 这份被技术(jìshù)红利掩盖的“生态账单”，谁来结算、如何治理？ 在全球环境治理的复杂体系中(zhōng)，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(yǔ)运行(yùnxíng)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(qǐyè)环境治理策略的核心目标，其中在能源(néngyuán)端的(duānde)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(zhǔyào)减排措施。这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“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(jùtǐ)信息与解决方案(jiějuéfāngàn)。 即使(jíshǐ)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》中重点对减碳路径进行了最(zuì)详尽的披露。 其中，谷歌表示2023年其全球办公及数据中心已实现每(měi)小时64%无碳能源(néngyuán)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(de)成绩单背后暗藏着明显的断层(duàncéng)趋势：加拿大魁北克的数据中心凭借(píngjiè)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(wánquán)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技术迭代加速，训练(xùnliàn)新一代AI大模型的(de)能耗量级持续增长。支撑AI发展(fāzhǎn)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”。 但谷歌并不是这张“不平等地图”的(de)唯一制作者。在全球前五大(wǔdà)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(shùjùzhōngxīn)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(huánbǎo)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(qǐyè)仍将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(ránér)，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(kuàisù)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(fāngxiàng)演进。 中国团队推出的开源大模型DeepSeek正展现着这种(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(dàyuē)在558 万美元。按照相似方法估算(gūsuàn)，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(gāoxìngjiàbǐ)，也意味着在同等(tóngděng)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(le)“MoE（Mixture of Experts）”模型。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(yě)降低了模型运行时对(duì)数据中心资源的消耗。 与此同时，中国也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(tuīdòng)其绿色转型，力图在技术(jìshù)发展与环境可持续之间寻求平衡(pínghéng)。 目前，电能利用效率（PUE）已经成为(wèi)衡量绿色(lǜsè)治理成效的重要风向标。以2030年为目标，我国各地数据中心的PUE水平将(jiāng)持续优化，向“1”稳步靠近。 在政策(zhèngcè)引导与技术进步的共同作用下(xià)，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(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(yìngjiàn)更高效、算法更聪明，是否能够(nénggòu)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(míngyùjiàoshòu)、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，人工智能的碳足迹将很快达到稳定水平，然后开始减少(jiǎnshǎo)。 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(shǐyòng)激增，结果反而更耗能。华为创始人任正非曾这样比喻这条悖论：“把高速公路拓宽(tuòkuān)，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，其总体能耗可能在无形中不断累积(lěijī)，超出原本(yuánběn)“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，但可以在使用中取舍——比如(bǐrú)关注平台的能源披露与(yǔ)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(dōu)存在一次计算(jìsuàn)的事实。 所有改变的前提，是先看见问题本身。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(jiāng)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(yúlùndǎoxiàng)，也将在某种程度上塑造AI生态的未来方向(fāngxiàng)。 作者丨(gǔn)杨智博、沈馨、田益铭、韩旻格、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 本文为复旦大学新闻学院《数据分析与信息可视化》课程(kèchéng)作品 复数(fùshù)实验室 X 对齐Lab (本文来自澎湃新闻(xīnwén)，更多原创资讯请下载“澎湃新闻”APP)