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(yǔ)豆包联合生成，仅使用一条文字指令和(hé)一次图像请求。手机电量几乎未变，但(dàn)背后的实际能耗，足够让它从零充满一次。 从上游(shàngyóu)的芯片制造到下游(xiàyóu)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)用电量足以让100个人用上一整年(zhěngnián)；一家芯片企业每年会造成200万吨的碳(tàn)排放，相当于30万辆重型卡车全年的排放量。 GPT-3的诞生(dànshēng)同样代价不菲：它单次训练耗电1287万度，产生552吨(dūn)碳排放(páifàng)——为了让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(diànliàng)和制造325吨粗钢的碳排放。 这些生态(shēngtài)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(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“心脏(xīnzàng)” AI不是凭空运行，从模型训练到推理应用(yìngyòng)，都需要(xūyào)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，因此也成为了能耗(nénghào)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。它们集中部署了成千上万块高性能GPU（图形处理器(chǔlǐqì)），专为深度学习模型(móxíng)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(dǐzuò)。 随着技术的迭代，AI对算力(duìsuànlì)的需求水涨船高，直接推动了数据中心数量的增长。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(quánqiú)扩张。 可以预见(yùjiàn)，数据中心(shùjùzhōngxīn)将在未来数年内保持高速扩张的态势。截至(jiézhì)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投资大约相当于(xiāngdāngyú)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(sìhū)也是一笔划算的投入(tóurù)。 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(zài)不断积累、总量(zǒngliàng)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(jiāng)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——这个数字，已经(yǐjīng)略高于日本(rìběn)目前一整年的总(zǒng)用电量。 除可量化的资源消耗和污染(wūrǎn)排放外，更隐蔽的还有：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(hòu)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(gèzì)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(jiégòu)的选择与运行方式的调整(tiáozhěng)，最终仍需由(yóu)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(néngyuán)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减排措施(cuòshī)。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(láikàn)，当前企业“还账”的重点主要集中于减少碳排放，生态账单上的其他栏目尚缺乏具体信息与解决方案(jiějuéfāngàn)。 即使是可持续(chíxù)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》中重点对减碳路径(lùjìng)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已实现每(měi)小时64%无碳(wútàn)能源使用率，44个电网(diànwǎng)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：加拿大魁北克的数据中心(shùjùzhōngxīn)凭借丰富(fēngfù)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(bōlán)以31%垫底；而在亚洲地区，表现最佳的韩国也仅(jǐn)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(xīnyídài)AI大模型的能耗量级持续增长。支撑AI发展的全球(quánqiú)数据中心集群，或许正在重塑一张新的环境治理(huánjìngzhìlǐ)“不平等地图”。 但(dàn)谷歌并不是这张“不平等地图”的唯一制作者。在全球(quánqiú)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(shùjùzhōngxīn)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(ér)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中心以应对日益增长(rìyìzēngzhǎng)的数据存储和处理需求，在选址(xuǎnzhǐ)上集中于南美洲、欧洲、北美洲。然而(ránér)，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(guǎngfàn)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，一种(yīzhǒng)新(xīn)的技术趋势正在浮现——AI正朝着高性能、低功耗方向(fāngxiàng)演进。 中国(zhōngguó)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，在(zài)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(wànměiyuán)。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(jīngjì)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(xìtǒng)只激活一小部分参数进行处理(chǔlǐ)，而(ér)不是全员上阵。这样使得每次推理时实际被激活的参数只占(zhàn)总量的 5.5%，显著减少了计算量，也降低了模型运行(yùnxíng)时对数据中心资源的消耗。 与此同时，中国也正从政策层面(céngmiàn)积极回应数据中心扩张所带来的环境压力，推动其绿色转型，力图在(zài)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(lìyòngxiàolǜ)（PUE）已经成为衡量绿色治理成效的重要风向标(fēngxiàngbiāo)。以2030年为目标，我国各地(gèdì)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(jìnbù)的共同作用下，绿色转型正在成为(chéngwéi)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(gèng)高效、算法更聪明(cōngmíng)，是否能够真正(zhēnzhèng)实现低耗又(yòu)智能的良性循环？ 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·帕特森（Dave Patterson）的分析预测，由于人工智能软件和硬件能源(néngyuán)使用效率(xiàolǜ)的提高(tígāo)，人工智能的碳足迹将很快达到稳定水平，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，结果反而更耗能(néng)。华为创始人任正非曾这(zhè)样比喻这条悖论：“把高速公路拓宽，车流(chēliú)速度快了，油耗本应减少。但更多的(de)车辆能上路，整体油耗反而增加了。”后续，当AI真正(zhēnzhèng)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(wúxíngzhōng)不断累积，超出原本“节能”的设想。 在这种不确定性下，个人用户的(de)选择不应被忽视。虽然用户无(wú)法直接决定一项AI技术(jìshù)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(yǔ)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(kànjiàn)问题(wèntí)本身。当更多人开始意识到这些“看不见(kànbújiàn)”的能源消耗和环境代价，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(wèilái)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(tú)｜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《数据分析与信息可视化》课程作品(zuòpǐn) 复数(fùshù)实验室 X 对齐Lab (本文来自(láizì)澎湃新闻，更多原创资讯请下载“澎湃新闻”APP)