美钢铝关税翻倍至50%冲击全球 多国威胁反制

生成一张图片(túpiàn)，需要多少电力？ 本文的封面图由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(diànliàng)几乎未变，但背后的实际(shíjì)能耗，足够让它从零充满(chōngmǎn)一次。 从上游的(de)芯片制造到(dào)下游的日常使用，人工智能发展的每个环节都需要消耗大量生态资源。 此外，一家半导体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造成200万吨(wàndūn)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(tā)单次训练耗电1287万度，产生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(wūrǎn)与资源消耗虽然发生在不同环节，但最终都离不开一个(yígè)共同的场所(chǎngsuǒ)：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“心脏(xīnzàng)” AI不是凭空运行，从模型训练到推理应用，都需要(xūyào)数据中心强大的算力(suànlì)支撑。可以说，数据中心就是AI系统的“心脏”，支撑着其(qí)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的关系较为(wèi)密切。它们集中部署了成千上万块(kuài)高性能GPU（图形处理器），专为深度(shēndù)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。 随着技术的迭代，AI对算力(duìsuànlì)的需求水涨船高，直接(zhíjiē)推动了数据中心数量的增长。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(quánqiú)扩张。 可以预见(yùjiàn)，数据中心将在未来数年内保持高速(bǎochígāosù)扩张的态势。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，而这场围绕算力(suànlì)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(zhèbǐ)数据中心产业的投资大约相当于全球每人(měirén)支出了人民币380元。以这样的价格来享受人工智能前沿技术，似乎也是一笔(yībǐ)划算的投入。 然而，这笔交易的(de)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(bìng)将随着(suízhe)数据中心的持续扩张不断增长。 根据国际能源署(shǔ)的最新预测，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(zhègè)数字(shùzì)，已经略高于日本目前一整年的总用电量。 除可量化(liànghuà)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(tǔdì)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。 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(zhǔtǐ)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。国际组织可以制定标准，政府可以出台(chūtái)政策，但能源结构的选择与运行方式的调整，最终仍需(xū)由(yóu)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，其中在能源端的应对最为突出。大多数企业将可(kě)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，也易于(yìyú)量化评估。 整体来看，当前企业“还账”的重点主要集中(jízhōng)于减少碳排放，生态账单上的其他栏目尚缺乏具体信息与(yǔ)解决方案。 即使是可持续实践(shíjiàn)的领军企业，也会存在这一治理(zhìlǐ)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详尽的披露。 其中，谷歌表示2023年其全球办公及数据中心已(yǐ)实现每小时64%无碳(wútàn)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(láikàn)，这份优秀的成绩单(chéngjìdān)背后暗藏(àncáng)着明显(míngxiǎn)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，而沙特阿拉伯与卡塔尔的数据中心仍在(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(bù)平等地图”。 但(dàn)谷歌(gǔgē)并不是这张“不平等地图”的唯一制作者。在全球前五大云服务企业(qǐyè)中，除阿里巴巴外(wài)，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中心以(yǐ)应对日益增长的数据存储和处理需求，在(zài)选址上集中于(yú)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却引起了广泛的反对声(fǎnduìshēng)潮。 数据中心的(de)快速(kuàisù)扩张实际上属于“算力驱动(qūdòng)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、低功耗方向演进。 中国团队推出的(de)开源大模型DeepSeek正展现着这种可能性。据DeepSeek披露，在(zài)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(hé)能耗均有望减少(jiǎnshǎo)。 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进行(jìnxíng)处理(chǔlǐ)，而不是全员上阵。这样使得每次推理(tuīlǐ)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(yǐjīng)成为衡量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(wěnbù)靠近。 在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(zhǔxiàn)。 OpenAI首席执行官Sam Altman曾(céng)表示，AI的成本(chéngběn)正在以每年降低10倍的速度演进(yǎnjìn)，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(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(yánjiūzhě)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(kāishǐ)减少。 但乐观之外，还有一盆冷水：“杰文斯悖论”认为效率提高会带来使用激增，结果(jiéguǒ)反而(fǎnér)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，油耗本应减少(jiǎnshǎo)。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(jiàoyù)、办公、娱乐等日常场景，其总体能耗可能在无形中不断(bùduàn)累积，超出原本“节能”的设想。 在(zài)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——比如关注平台的能源披露与可持续承诺，避免无意义的频繁调用，理解每(měi)一次(yīcì)点击背后都存在一次计算(jìsuàn)的事实。 所有改变的(de)前提，是先看见问题本身。当更多(duō)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(chángyuǎn)来看，公众(gōngzhòng)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。 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(fēngmiàn)图｜DeepSeek、豆包共同绘制 动图(dòngtú)内嵌视频 | 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(qǐng)下载“澎湃新闻”APP)