美钢铝关税翻倍至50%冲击全球 多国威胁反制

生成一张(yīzhāng)图片，需要多少电力？ 本文(běnwén)的封面图由DeepSeek与豆包联合生成(shēngchéng)，仅使用一条文字指令(zhǐlìng)和一次图像请求。手机电量几乎未变，但背后的实际能耗，足够让它从零充满一次。 从上游(shàngyóu)的(de)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消耗大量生态资源。 此外，一家半导体制造厂每小时的(de)用电量足以(zúyǐ)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(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(xùnliàn)耗电1287万度，产生552吨(dūn)碳排放(páifàng)——为了(wèile)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(de)场所：数据中心。芯片制造(zhìzào)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(pángdà)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“心脏(xīnzàng)” 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(jiùshì)AI系统的“心脏”，支撑着其持续运作，因此也成为了能耗和污染(wūrǎn)最集中的环节。 在各类数据中(zhōng)心中，企业和互联网数据中心与AI的关系较为密切(mìqiè)。它们集中部署了成千上万块高性能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(děng)生成式AI服务得以落地的算力底座。 随着技术的(de)迭代，AI对算力的需求水涨船高，直接推动了数据中心数量的增长(zēngzhǎng)。AI工具(gōngjù)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(zài)未来数年内(nèi)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(yìměiyuán)，而这场围绕(wéirào)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投资大约相当于全球每人支出了(le)人民币380元。以(yǐ)这样的价格(jiàgé)来享受人工智能前沿技术，似乎也是一笔划算的投入。 然而，这笔交易的附加项中打包了大量(dàliàng)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)将随着数据中心的持续扩张不断增长(zēngzhǎng)。 根据国际能源署的最新预测，到(dào)2030年，全球数据中心的年耗电量预计将(jiāng)达到945太瓦时（TWh）左右——这个数字，已经略高于日本目前一整年(zhěngnián)的总用电量。 除可量化的资源消耗和污染排放外(wài)，更隐蔽的还有：开采稀有金属带来的化学污染、电子(diànzi)废弃物中重金属的泄漏、自然(zìrán)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(shuí)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(zérèn)。企业作为直接运营数据中心的主体，距离(jùlí)污染源最近，也最具实施变革的能力。国际组织(zǔzhī)可以制定标准，政府可以出台政策(zhèngcè)，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，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(zài)能源端的应对最为突出。大多数企业将可再生能源或清洁(qīngjié)能源的使用作为主要(zhǔyào)减排措施。这类路径在能源结构调整上(shàng)相对可行，也易于量化评估。 整体来看，当前企业“还账”的重点主要集中于减少碳(tàn)排放，生态账单上的其他栏目(lánmù)尚缺乏具体信息与解决方案。 即使是可持续(chíxù)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(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(yīfèn)不错的成绩单。 但从国家维度来看，这份优秀的成绩单背后暗藏着(zhe)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(shíxiàn)100%零碳运营，而沙特阿拉伯与卡塔尔(kǎtǎěr)的数据中心仍(réng)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(huòxǔ)正在(zhèngzài)重塑一张(yīzhāng)新的环境治理“不平等地图”。 但谷歌并(bìng)不是这张“不平等地图”的唯一制作者(zhìzuòzhě)。在全球前五大云(yún)服务企业(qǐyè)中，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(chéngxiànchū)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(shùjù)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(fǎnduìshēng)潮(cháo)。 数据中心(shùjùzhōngxīn)的快速扩张实际上属于(shǔyú)“算力驱动型”的AI发展路径。如今，一种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(dà)模型DeepSeek正展现着这种可能性。据(jù)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(wèi)4800万美元。这不仅代表着经济(jīngjì)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(nénghào)均有望减少。 此外(cǐwài)，DeepSeek-v3采用了“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。这样使得每次推理时(shí)实际被激活的参数只占总量的 5.5%，显著(xiǎnzhù)减少了计算量，也降低了模型运行时对(duì)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(huánjìng)压力，推动其绿色转型，力图在(zài)技术发展与环境可(kě)持续之间寻求平衡。 目前(mùqián)，电能利用效率（PUE）已经成为衡量绿色治理成效的(de)重要风向标。以2030年为目标，我国各地数据中心的PUE水平将持续(chíxù)优化，向“1”稳步靠近。 在政策引导与技术(jìshù)进步的共同(gòngtóng)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(de)成本正在以每年降低10倍的速度(sùdù)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、算法更聪明，是否(shìfǒu)能够真正实现低耗又智能的良性循环？ 一些研究者对此持乐观(lèguān)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）的分析预测，由于人工智能软件(ruǎnjiàn)和硬件(yìngjiàn)能源使用效率的提高，人工智能的碳足迹(zújì)将很快达到稳定水平，然后开始减少。 但乐观之外，还有一盆冷水(lěngshuǐ)：“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。但更多的车辆能上路，整体油耗反而增加了。”后续(hòuxù)，当(dāng)AI真正渗透进教育、办公(bàngōng)、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”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(qǔshě)——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(bèihòu)都存在一次计算的事实。 所有改变的前提，是(shì)先看见(kànjiàn)问题本身。当更多(duō)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生态的未来方向。 作者丨杨智博、沈馨、田益铭(tiányìmíng)、韩旻格、傅冰清 指导老师｜崔迪、徐笛、周葆华(zhōubǎohuá) 封面图｜DeepSeek、豆包(dòubāo)共同绘制 动图内嵌视频 | 即(jí)梦生成 本文为复旦大学新闻学院《数据分析与信息可视化(kěshìhuà)》课程作品 复数(fùshù)实验室 X 对齐Lab (本文来自澎湃新闻，更(gèng)多原创资讯请下载“澎湃新闻”APP)