美钢铝关税翻倍至50%冲击全球 多国威胁反制

生成(shēngchéng)一张图片，需要多少电力？ 本文的封面图由(túyóu)DeepSeek与豆包联合生成，仅使用一条文字指令和一次图像(túxiàng)请求。手机电量几乎未变，但背后的实际(shíjì)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，人工智能发展的每个环节(huánjié)都需要消耗(xiāohào)大量生态资源。 此外，一(yī)家半导体制造厂每小时(xiǎoshí)的用电量足以让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，相当于30万辆重型卡车(kǎchē)全年的排放量。 GPT-3的诞生同样代价不菲：它(tā)单次训练耗电1287万度，产生552吨碳排放——为了(wèile)让AI的大脑变得(biàndé)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？用户调用(diàoyòng)如何响应(xiǎngyìng)？事实上，看似轻盈的输出结果(jiéguǒ)背后，是一座座体量庞大(pángdà)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(búshì)凭空运行，从模型训练到推理应用，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(yě)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(le)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(xùnliàn)而设计，是(shì)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对算力的需求(xūqiú)水涨船高，直接推动(tuīdòng)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扩张。 可以预见，数据中心将(jiāng)(jiāng)在未来数年内保持高速扩张的(de)态势。截至2024年，全球数据中心的资本支出据估计已高达(yǐgāodá)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。 这笔数据中心产业的(de)投资大约相当于全球每人支出(zhīchū)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)(de)附加项中打包了(le)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，并将随着数据中心的持续扩张不断增长。 根据国际能源署的最新(zuìxīn)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——这个数字，已经略高于(lüègāoyú)日本目前一整年的总用电量。 除可(kě)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”，谁来(lái)结算、如何治理？ 在全球环境治理的(de)复杂(fùzá)体系中，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。国际组织可以(kěyǐ)制定(zhìdìng)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执行。 当前(dāngqián)，碳排放控制成为多数企业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(lùjìng)在能源结构调整上相对可行，也(yě)易于量化评估。 整体来看，当前企业“还账(huánzhàng)”的(de)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。 即使是可持续实践的领军企业，也会(huì)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(jìnxíng)了最详尽的披露。 其中，谷歌表示(biǎoshì)2023年(nián)其全球办公及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(de)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(fēngfù)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依赖石油发电。在欧洲地区，波兰以31%垫底；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AI技术迭代加速，训练新(xīn)一代AI大模型的能耗量级持续增长。支撑AI发展(fāzhǎn)的全球数据中心(shùjùzhōngxīn)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(wéiyī)制作者。在(zài)全球前五大云服务企业中(zhōng)，除阿里巴巴外，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(huánbǎo)透明度上，谷歌是其中唯一按照数据中心集群(jíqún)所在地公布实时环境指标的厂商。 随着AI的(de)飞速发展，科技巨头企业仍将持续扩建数据中心(shùjùzhōngxīn)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(nánměizhōu)、欧洲、北美洲。然而，由于造成了环境问题，数据中心扩建计划(jìhuà)在这些地区却引起了广泛的反对声潮。 数据中心(shùjùzhōngxīn)的快速扩张实际上属于“算力驱动型”的AI发展路径(lùjìng)。如今，一种新的技术趋势正(zhèng)在浮现——AI正朝着高性能、低功耗方向演进。 中国团队推出的开源大(dà)模型(móxíng)DeepSeek正展现着(zhe)这种可能性。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。这不仅代表着经济层面的高性价比，也意味着(yìwèizhe)在同等的AI产出下，数据中心所承担的计算压力和能耗均(jūn)有望减少(jiǎnshǎo)。 此外(cǐwài)，DeepSeek-v3采用了(le)“MoE（Mixture of Experts）”模型。每次用户提问，系统只激活(jīhuó)一小部分参数进行处理，而不是全员上阵(shàngzhèn)。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(shùjùzhōngxīn)扩张所带来的环境压力，推动其绿色转型(zhuǎnxíng)，力图在技术发展与环境可持续之间(zhījiān)寻求平衡。 目前，电能利用效率（PUE）已经成为(wèi)衡量绿色治理成效的重要风向标。以2030年为目标，我国各地(gèdì)数据中心的PUE水平将持续(chíxù)优化，向“1”稳步靠近。 在政策引导与技术进步(jìnbù)的(de)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(zhíxíngguān)Sam Altman曾表示，AI的(de)(de)成本正在以每年降低10倍的速度演进，这一现象被称为“AI规模定律(dìnglǜ)”（scaling law）。未来，AI的硬件更高效、算法更聪明，是否能够真正实现低耗又智能的良性循环？ 一些研究者对此持(chí)乐观态度(tàidù)，加州大学伯克利分校名誉教授、谷歌(gǔgē)研究员戴夫·帕特森（Dave Patterson）的分析预测，由于人工智能软件和硬件能源使用(shǐyòng)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。 但乐观之外，还有一盆(yīpén)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。华为创始人任正非曾(céng)这(zhè)样比喻这条悖论：“把高速公路拓宽，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(zǒngtǐ)能耗(nénghào)可能在无形中不断累积，超出原本“节能”的设想。 在这种(zhèzhǒng)不确定性下(xià)，个人用户的选择不应被忽视。虽然用户无(wú)法直接决定一项AI技术的底层设计或(huò)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。当更多人开始意识到这些“看不见”的能源消耗(néngyuánxiāohào)和环境代价，技术将向着(xiàngzhe)更可(kě)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(shàng)塑造AI生态的未来方向。 作者丨杨智博、沈馨、田益铭、韩旻格(hánmíngé)、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 动图内嵌视频 | 即梦生成(shēngchéng) 本文为复旦大学新闻学院(xuéyuàn)《数据分析与信息可视化》课程作品 复数(fùshù)实验室 X 对齐Lab (本文来自澎湃(pēngpài)新闻，更多原创资讯请下载“澎湃新闻”APP)