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，需要多少电力(diànlì)？ 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。手机电量几乎未变，但背后的实际(shíjì)能耗，足够(zúgòu)让它从(cóng)零充满一次。 从上游的(de)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大量生态资源。 此外，一家(yījiā)(yījiā)半导体制造厂每小时的用电量足以让(ràng)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的排放量。 GPT-3的诞生同样代价(dàijià)不菲：它单次(dāncì)训练耗电1287万度，产生552吨碳排放——为了(wèile)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(zīyuán)消耗虽然发生在不同环节，但最终都离不开一个共同(gòngtóng)的场所：数据中心。芯片制造出来供谁使用(shǐyòng)？模型训练在哪里完成？用户调用(diàoyòng)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(de)算力“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(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(yīncǐ)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(yǔ)AI的关系(guānxì)较为密切。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对算力的需求(xūqiú)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(líbùkāi)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，数据中心将在未来(wèilái)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(jìxù)攀升。 这笔数据中心产业的(de)投资大约相当于全球每人支出了人民币380元。以这样(zhèyàng)的价格来享受人工智能前沿技术，似乎也(yě)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(bùduàn)积累、总量庞大的“生态(shēngtài)账单”，至今(zhìjīn)既没有出现在产业成本的账面上，并将随着数据中心的持续扩张不断增长。 根据国际能源(néngyuán)署的(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(zuǒyòu)——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(de)资源消耗和污染排放外，更隐蔽(yǐnbì)的还有：开采稀有金属(xīyǒujīnshǔ)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的“生态账单(zhàngdān)”，谁来结算、如何治理？ 在全球环境治理的复杂体系中(zhōng)，多个(duōgè)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的调整，最终仍需由企业落地(luòdì)执行(zhíxíng)。 当前，碳排放控制成为多数企业环境治理(huánjìngzhìlǐ)策略的核心目标，其中在能源端的应对最为突出(tūchū)。大多数企业将可再生能源或(huò)清洁能源的使用作为主要减排措施。这(zhè)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(qǐyè)“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信息与解决方案(jiějuéfāngàn)。 即使是可(kě)持续实践(shíjiàn)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详尽的披露。 其中，谷歌表示2023年其全球办公及数据中心(shùjùzhōngxīn)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(zhè)看似是一份不错的成绩单。 但从国家(guójiā)维度来看(láikàn)，这份优秀的成绩单背后暗藏着明显的断层趋势(qūshì)：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完全依赖石油发电。在欧洲地区，波兰以31%垫底(diàndǐ)；而在亚洲地区(yàzhōudìqū)，表现最佳的韩国也仅达35%，远低于全球平均水平。 随着(suízhe)AI技术(jìshù)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”的唯一制作者。在(zài)全球前五大云(yún)服务企业中，除阿里巴巴外(wài)，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(shàng)，谷歌是其中唯一按照(ànzhào)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(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和处理需求，在选址上集中于南美洲、欧洲、北美洲。然而，由于造成了(le)环境问题，数据中心扩建计划在这些地区却引起(yǐnqǐ)了广泛的反对声潮(cháo)。 数据中心的快速(kuàisù)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(jìshù)趋势正在浮现——AI正朝着高性能、低功耗方向演进(yǎnjìn)。 中国团队推出的(de)开源大(dà)模型DeepSeek正展现着这种可能性。据DeepSeek披露(pīlù)，在不包含(bāohán)前期(qiánqī)试错成本(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(zhǐ)激活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(bèi)激活的(de)参数只占总量的 5.5%，显著减少了计算量，也降低(jiàngdī)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带来的环境压力，推动其绿色(lǜsè)转型，力图(lìtú)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(wèi)衡量绿色(lǜsè)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水平将持续优化，向“1”稳步靠近。 在政策引导与技术进步的(de)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，AI的成本(chéngběn)正在以每年降低10倍的速度(sùdù)演进，这一现象被称为“AI规模定律”（scaling law）。未来，AI的硬件更高效、算法更聪明，是否能够真正实现(shíxiàn)低耗又智能的良性循环(liángxìngxúnhuán)？ 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、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(hé)硬件能源使用效率的提高，人工智能的碳足迹将很快达到(dádào)稳定水平，然后开始减少。 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，结果反而更耗能。华为创始人(chuàngshǐrén)任正非(rènzhèngfēi)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。但更多(duō)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(bàngōng)、娱乐等日常场景(chǎngjǐng)，其总体能耗可能在无形中不断累积，超出原本“节能”的设想。 在(zài)这种(zhèzhǒng)不确定性下，个人用户的选择不应(yīng)被忽视。虽然用户无法直接决定(juédìng)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，理解每一次点击背后都存在一次计算的事实。 所有改变的前提，是先看见问题本身。当更(gèng)多人开始意识到这些“看不见”的能源消耗和(hé)环境代价，技术将向着(xiàngzhe)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，也将在某种程度上塑造AI生态的未来方向。 作者丨杨智博、沈馨、田益铭、韩旻格、傅冰清(fùbīngqīng) 指导老师(zhǐdǎolǎoshī)｜崔迪、徐笛、周葆华 封面图｜DeepSeek、豆包共同(gòngtóng)绘制 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》课程作品(zuòpǐn) 复数实验室(shíyànshì) X 对齐Lab (本文来自澎湃新闻，更多原创(yuánchuàng)资讯请下载“澎湃新闻”APP)