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(duōshǎo)电力？ 本文的封面图由DeepSeek与豆包联合生成(shēngchéng)，仅使用一条文字指令和一次图像请求。手机(shǒujī)电量几乎未变，但(dàn)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(shēngtài)资源。 此外，一家半导体制造厂每小时的(de)用电量足以让100个人用上一整年(zhěngnián)；一家芯片(xīnpiàn)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(de)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——为了让AI的大脑变得更聪明，人类先付出了能(néng)让一辆特斯拉汽车(qìchē)完整充电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(xùnliàn)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(nénghào)惊人的数据中心在昼夜不停(bùtíng)地(dì)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(de)算力支撑。可以说，数据中心就是AI系统的“心脏(xīnzàng)”，支撑着其持续运作，因此也成为了(le)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的关系较为密切。它们集中(jízhōng)部署了成千上万块高性能(gāoxìngnéng)GPU（图形处理器），专(zhuān)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(jìshù)的迭代(diédài)，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，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(zhīchū)据估计已高达4300亿美元，而这场围绕(wéirào)算力的投资热潮(rècháo)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(shùjùzhōngxīn)产业的(de)投资大约相当于全球每人支出了人民币(rénmínbì)380元。以这样的价格来享受人工智能前沿技术，似乎也是一笔划算的投入。 然而(ránér)，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(jì)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)署的最新预测，到2030年(nián)，全球数据中心的年耗电量预计将达到945太瓦时（TWh）左右——这个数字，已经略高于日本目前(mùqián)一整年的总用电量。 除可量化的(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(jiāncèshùjù)。 这份被技术红利(hónglì)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(tǐxì)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。国际组织可以制定标准，政府可以出台政策(zhèngcè)，但能源(néngyuán)结构的选择与运行方式的调整，最终仍需由企业落地执行(zhíxíng)。 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(zài)能源端的应对最为突出(tūchū)。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(dāngqián)企业“还账”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(zhèyī)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(qízhōng)，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个电网区域中有10个达成90%以上清洁供电——这看似是一份(yīfèn)不错的成绩单。 但从国家维度(wéidù)来看(láikàn)，这份优秀的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，而沙特阿拉伯与卡塔尔(kǎtǎěr)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，表现最佳(zuìjiā)的韩国也仅达35%，远(yuǎn)低于全球平均水平。 随着(suízhe)AI技术迭代加速，训练新一代AI大模型的能耗量级持续增长(chíxùzēngzhǎng)。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(gǔgē)并不是这张“不平等地图”的唯一制作者。在全球前五大(wǔdà)云服务企业中，除阿里巴巴外，其余四家在他国布局的数据中心数量(shùliàng)普遍超过本土，呈现出明显(míngxiǎn)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(fēisùfāzhǎn)，科技(kējì)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(chǔlǐ)需求，在选址上集中于南美洲、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。如今，一种(yīzhǒng)新的技术趋势正在浮现(fúxiàn)——AI正朝着高性能、低功耗方向演进。 中国团队推出的开源大模型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(xùnliàn)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(dàibiǎo)着经济层面的高性价比，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(yǒuwàng)减少(jiǎnshǎo)。 此外，DeepSeek-v3采用了“MoE（Mixture of Experts）”模型(móxíng)。每次用户(yònghù)提问，系统只激活一小部分参数(cānshù)进行处理，而不是全员上阵。这样使得每次推理时实际被(bèi)激活的参数只占总量的 5.5%，显著减少了计算量，也降低了模型运行时对数据中心(shùjùzhōngxīn)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，力图在技术(jìshù)发展与环境可持续之间(zhījiān)寻求平衡。 目前，电能(diànnéng)利用效率（PUE）已经成为衡量绿色治理成效的重要风向标。以2030年为目标，我国各地数据中心(shùjùzhōngxīn)的PUE水平将持续优化(yōuhuà)，向“1”稳步靠近。 在政策引导与技术进步(jìnbù)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。 OpenAI首席执行官(zhíxíngguān)Sam Altman曾表示，AI的(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”（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(zhìnéng)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、谷歌研究员戴夫(dàifū)·帕特森（Dave Patterson）的分析预测(yùcè)，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(jiāng)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，结果反而更(gèng)耗能。华为创始人任正非曾这样(zhèyàng)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(shèntòu)进教育、办公、娱乐等日常场景，其总体能耗可能在无形中(wúxíngzhōng)不断累积，超出原本“节能”的设想(shèxiǎng)。 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(kěyǐ)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(yìyì)的频繁调用，理解每一次点击背后都存在一次计算(jìsuàn)的事实(shìshí)。 所有改变的(de)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(fāngxiàng)。 作者丨杨智博(yángzhìbó)、沈馨、田益铭、韩旻格、傅冰清 指导老师｜崔迪、徐笛、周葆华(zhōubǎohuá) 封面图｜DeepSeek、豆包共同(gòngtóng)绘制 动图内嵌(nèiqiàn)视频 | 即梦生成 本文(běnwén)为复旦大学新闻学院《数据分析与信息可视化》课程作品 复数实验室(shíyànshì) 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)