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(hé)一次(yīcì)图像请求。手机电量几乎未变，但背后的实际能耗(nénghào)，足够让它从零充满一次。 从上游的芯片(xīnpiàn)制造到下游的日常使用，人工智能发展的每个环节都需要(xūyào)消耗大量生态资源。 此外，一家半导体制造厂每小时的用(yòng)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(tàn)排放，相当于(xiāngdāngyú)30万辆重型卡车全年的排放量。 GPT-3的诞生同样代价不菲：它单次训练耗电1287万度，产生552吨碳排放(páifàng)——为了让(ràng)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(chōngdiàn)10000次的电量和(hé)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不同环节，但最终都离不开(líbùkāi)一个共同的场所：数据中心。芯片(xīnpiàn)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(shìshíshàng)，看似轻盈的输出结果背后，是一座座体量庞大且能耗(nénghào)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(yě)成为(chéngwéi)了能耗和污染(wūrǎn)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。它们集中部署了(le)成千上万(chéngqiānshàngwàn)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服务得以落地的算力底座(dǐzuò)。 随着技术的(de)迭代，AI对算力的需求水涨船高，直接(zhíjiē)推动了数据中心数量的增长。AI工具的快速进化(jìnhuà)，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(yùjiàn)，数据中心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支出据估计已高达4300亿美元，而(ér)这场围绕(wéirào)算力(suànlì)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)数据中心产业的投资大约相当于全球每人支出了人民币380元。以这样的价格来享受人工智能前沿技术，似乎也(yě)是(shì)一笔划算的投入。 然而(ránér)，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(jīlěi)、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)的持续扩张不断增长。 根据国际(guójì)能源署的最新预测，到2030年，全球数据中心的年耗电量预计将达到945太瓦时(tàiwǎshí)（TWh）左右——这个(zhègè)数字，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(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。 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(qǐyè)(qǐyè)作为(zuòwéi)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(de)核心目标，其中在能源(néngyuán)端的应对最为突出。大多数企业将可再生能源或清洁(qīngjié)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(kěxíng)，也易于量化评估。 整体来看，当前(dāngqián)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(qítā)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《2024环境报告》中重点(zhòngdiǎn)对减碳路径进行了最详尽的披露(pīlù)。 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%无碳能源使用率，44个电网区域中有10个达成90%以上清洁供电——这(zhè)看似是一份(yīfèn)不错的成绩单。 但从国家维度来看，这份优秀(yōuxiù)的(de)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(ér)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(dīyú)全球平均水平。 随着AI技术迭代加速，训练(xùnliàn)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中，除(chú)阿里巴巴外，其余四家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环境(huánjìng)指标(zhǐbiāo)的厂商。 随着(suízhe)AI的飞速发展，科技巨头(jùtóu)企业仍将持续扩建数据中心以应对日益增长的数据存储(cúnchǔ)和处理需求，在选址上集中于南美洲、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。 数据中心的快速扩张实际上属于“算力驱动型”的AI发展路径。如今(rújīn)，一种新的技术趋势(qūshì)正在浮现——AI正朝着(cháozhe)高性能、低功耗方向演进。 中国团队推出的开源大模型(móxíng)DeepSeek正展现着这种可能性。据DeepSeek披露(pīlù)，在不包含前期试错成本的情况下，大模型DeepSeek-v3的训练(xùnliàn)成本大约(dàyuē)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(dàibiǎo)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。每次用户提问，系统只激活(jīhuó)(jīhuó)一小部分参数(cānshù)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(de)参数只占(zhàn)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，中国也正从政策层面积极回应数据中心扩张所(suǒ)带来的环境(huánjìng)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(pínghéng)。 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(yǐ)2030年为目标，我国各地(gèdì)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(jìshù)进步的共同作用下，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，AI的成本正在以每年(měinián)降低10倍的速度(sùdù)演进，这一现象被称为“AI规模(guīmó)定律”（scaling law）。未来，AI的硬件更高效、算法更聪明，是否(shìfǒu)能够真正实现低耗又智能的良性循环？ 一些(yīxiē)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·帕特森（Dave Patterson）的分析(fēnxī)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(hěnkuài)达到稳定水平(shuǐpíng)，然后开始减少。 但乐观之外，还有一盆冷水：“杰文斯悖论”认为(rènwéi)效率提高会带来使用激增，结果反而(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(tuòkuān)，车流速度快(kuài)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，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(jiénéng)”的设想。 在这种不确定性(bùquèdìngxìng)下(xià)，个人用户的选择不应被忽视。虽然用户无法直接(zhíjiē)决定一项AI技术的底层设计或训练规模，但可(kě)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，理解每一次点击背后都存在一次计算的事实。 所有(suǒyǒu)改变(gǎibiàn)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”的能源消耗和环境代价，技术将向着(xiàngzhe)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，也将在某种程度上塑造AI生态的未来(wèilái)方向。 作者丨杨智博(yángzhìbó)、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｜DeepSeek、豆包共同绘制(huìzhì) 动图内嵌视频 | 即梦生成(shēngchéng) 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 复数实验室 X 对齐(duìqí)Lab (本文来自澎湃新闻，更(gèng)多原创资讯请下载“澎湃新闻”APP)