未来可期｜计算能力的终点是能源：科技巨头如何应对能源瓶颈？

当我们享受到智能手机的便利性、人工智能的高效率和云计算的强大时，我们很少停下来思考:这些日益流行的技术背后有多少能源？从智能手机的快速计算，到云服务器的海量数据处理，再到智能家居的自学，背后都有一个共同的隐形力量。 —— 算率。

然而，计算率并不是无止境的。这种力量的终点是能源的极限。计算能力的增长和普及离不开能源的强大支撑，其终点在于能源。能源的获取、利用效率、分配和可持续性将决定计算率未来发展的边界。

计算率和能源，似乎是两个交织的命脉，缺一不可。每一次技术突破，都会伴随着对计算能力的更高需求，而这一切的背后，都离不开对电力的依赖。最近，在白宫举行的一次会议上，OpenAI CEO山姆・奥特曼（Sam Altman）提出，随着 AI 随着技术的快速发展，能源供应急剧增加，这已经成为不可忽视的现实。在和全球 AI 当行业巨头们聚集在一起时，奥特曼毫不掩饰地发出急切的呼吁：“我们需要大量的能源，而且要快。”

这种呼吁意味着计算率与能源的关系在数字时代进入了前所未有的紧张趋势。在这种背景下，远景科技集团董事长张雷在 “2024 央视财经跨年演讲” 中提到：“如今，当我们进入人工智能时代，我们发现原来的能量可以创造智商。只有超级能量和计算率才能创造超级智商，人工智能的终点其实是能量。”

视觉中国 图

为什么计算率离不开能源？

计算率是计算设备执行指令、处理数据的能力，而这些设备的运行需要依靠能源，尤其是电力。伴随着人工智能的飞速发展，计算能力的需求正以更高的速度增加，导致能源压力日益增大。计算能力的每一步都消耗了大量的能源，从芯片计算到设备排热，从硬件制造到制冷系统维护。据 Synthesia 称，英伟达 AI 每年都需要服务器 85.4 太瓦时的电力，这种用电量相当于荷兰一年的耗电量。

以人工智能领域的语言模型为例。训练一个大型生成模型通常需要1000多个高性能模型。 GPU 或 TPU 经过几个星期的平行工作，耗电足以支撑一个中型城市运行几个月。依据美国电力研究所（Electric Power Research Institute，简称 EPRI）每一项的数据 ChatGPT 要求消耗的能量是标准(不是 AI）谷歌搜索请求 10 倍。这个组织预测，到 2030 2008年，美国数据中心用电量占总发电量的比例将高达 目前这个比例是9.1%， 4%。

尽管某些技术进步似乎可以缓解计算能力需求的快速增长，但在这种背景下。例如，官方公布的 DeepSeek V3 模型在 14.8T 高品质 token 在进行数据预训练时，所采用的算率仅为同类模型。 Llama 3 的 1/11。这一数据给许多人带来了希望，似乎代表了未来的大规模。 AI 该模型不再需要如此庞大的计算资源，从而可以缓解能源压力。但是，从行业发展的长期趋势来看，这种乐观的预期可能过于简单。

AI 商业化的模型过程，很可能会出现 “前沿与跟随” 双轨格局并存。前沿模型依靠先进的推理结构和算法来解决复杂的问题，获得丰厚的商业利润。这种模式对计算能力有很大的需求；然而，跟随模型以低成本进入中低端市场，在大规模应用中仍然需要大量的计算率来保证应用效率。

不管是前沿模型还是跟随模型，两者的共同特点就是对计算能力的需求不断增加。虽然单个模型可以通过算法优化或提高硬件效率来降低训练能耗，但总的来说，计算能耗和能耗表现出指数级的增长趋势。所以，尽管技术创新在短期内会带来一些节能效应，但是随着技术创新， AI 随着技术应用的普及和深化，计算能力需求不可避免地会持续上升，能源瓶颈也会更加突出。

所以，在白宫会议之后，奥特曼和 AI 业界领军人物共同提出了“基础设施关系到未来命运”的名字。（Infrastructure Is Destiny）建议，呼吁美国政府在多个州建设多个装机容量。 5 为了应对日益增长的发电厂，吉瓦的大型发电厂 AI 能源供应。每座 5 吉瓦发电厂的成本高达 1000 亿美元，专为 OpenAI 及其他 AI 前沿企业提供电力支持。这个提议反映了数字社会计算率与能源之间日益增长的冲突。当前，全球 5 - 7 家庭技术巨头广泛使用计算资源，对新一代进行训练和运营。 AI 模型，对这一规模的发电厂的需求非常迫切。5 随着技术的发展，吉瓦的容量只是对未来计算能力需求的初步估计，这种需求可能会进一步增加。

能源界限：摩尔定律的谬论

摩尔定律曾经是半导体产业发展的核心规律：芯片计算能力 18 每月翻一番，而且单位功耗保持一致。这一定律促进了芯片性能的提高，同时也在一定程度上促进了计算能力的扩展。但是，随着芯片技术逐渐接近物理极限，摩尔定律 “魔力” 开始衰退时，单位计算能力的功耗并没有明显降低。也就是说，计算能力的增长率已经超过了单纯依靠芯片技术的阶段，更多地依赖于硬件数量的增加和计算资源的集中，这直接导致了能耗的增加。必须面对一个日益严重的问题：能源需求能否跟上这种增长的计算能力需求？

全球数据中心的能源消耗正在迅速增长。按国际能源署执行（IEA）的预测，到 2026 一年，全球数据中心和 AI 这个行业的电力需求将翻倍。在美国，情况特别严峻，美国能源部估计， 2027 年，50% 新数据中心将面临电力不足的问题。预计到 2030 2000年，只有美国数据中心的电力需求将达到。 35 吉瓦，几乎是 2022 年度需求翻倍。而这仅仅是 AI 初步反映了大数据等高计算能力需求。随着生成式 AI 随着机器学习等技术的深入发展，计算能力的需求将继续上升。这一增长趋势，迫使全球科技企业在计算能力需求和能源需求之间做出艰难的选择。

除电力能源外，数据中心还消耗了大量的水。智库总部位于香港 “中国水风险” 指出，目前中国大陆 430 一万个数据中心机柜的用水量约为 13 亿立方米，约为天津全市居民用水量。 1.9 倍；到 2030 每年都有可能增加到 1130 万个机柜，用水量超过用水量。 30 亿立方米。报告还指出，随着聊天机器人的兴起，与传统搜索相比，聊天机器人的用水量可能会急剧增加 20 倍。

视觉中国 图

能源来源：科技巨头如何应对能源问题？

面对日益严峻的能源瓶颈，全球科技巨头纷纷提出解决方案，试图在计算能力需求和能源供应之间找到平衡。核能、可再生资源、边缘计算、冷却技术等一系列创新方案都在寻找突破口，试图为未来计算能力的可持续增长铺平道路。

核能：稳定但不完美的选择

核能不仅能提供高效稳定的电力供应，还具有低碳优势，因此成为许多科技公司处理能源瓶颈的关键选择。亚马逊、谷歌、微软等公司都在积极探索将核能作为支撑数据中心计算能力的稳定电源。

例如，为了直接利用核电的稳定供应，亚马逊已经在宾夕法尼亚州建立了一个靠近核电厂的数据中心。同时，亚马逊宣布将超过投资。 5 1亿美元开发小型模块化核反应堆（SMR），从满足云计算服务扩展到生成性 AI 当时对绿色能源的巨大需求，是实现净零碳排放的一部分。亚马逊网络服务（AWS）已经和弗吉尼亚州公用事业公司合作 Dominion Energy 达成协议，探索现有的协议 North Anna 周边开发核电站 SMR。SMR 它占地面积小，施工时间快，能更快地接入电网。亚马逊还和 Energy Northwest 达成协议，资助华盛顿州发展四个国家 SMR，这类反应堆将向电网供电，以帮助满足亚马逊运营的能源供应。

微软（Microsoft Corp.）更加与核能创业公司合作，开发小型模块化反应堆（SMR），为核能提供更灵活的解决方案。最近，微软达成协议，计划在2028年重启已退役的三丽岛核电站。（Three Mile Island），并且购买了该站所有的电力供应。

尽管核能具有低碳、稳定的优点，但它也面临着巨大的挑战。第一，建设和维护成本高，其次是核废料的处理和管理问题。另外，公众担心核能安全，当地居民可能会抵制(英语中有一些 NIMBY 这个说法，也就是 Not In My Backyard，每个人都想建立一个有价值的公共工程，但不想建立在自己的社区周围)。再次考虑到长期的许可和施工过程，核电作为一种解决方案只能发挥有限的作用。

可再生资源：追求绿色能源

广东湛江、麻章区湖光镇蔡屋村光伏太阳能发电于2024年12月10日。视觉中国 资料图

除了核能，越来越多的科技公司开始转向风能、太阳能等可再生资源，以应对日益增长的能源供应。苹果通过对太阳能和风能的大规模投资，实现了其数据中心 100% 依靠可再生资源的目标。Meta 同时，北欧还建立了多个绿色数据中心，利用当地丰富的水力和风速资源，为全球业务提供绿色能源。

最近，谷歌宣布与美国能源公司合作 Intersect Power 和投资公司 TPG Rise Climate 共同投资，共同投资 200 在美国，为了为数据中心提供绿色能源，减少碳排放，打造了多个可再生资源供电的工业区。第一个公园预计将在这里 2026 2027年部分投入使用， 年度全面竣工。这将极大地改变数据中心的建设和运行方式，如果成功。谷歌及其竞争对手一直在为能源密集型而努力。 AI 寻找绿色能源的数据中心。但是，美国的电力供应仍然主要依赖于化石燃料，新数据中心接入电网会造成更多的污染。通过这种新的战略伙伴关系，谷歌可以直接连接太阳能、风能、电池等可再生能源，绕过传统电网，从而减少碳排放。

能源主管谷歌全球数据中心 Amanda Peterson Corio 在一份新闻稿中说：“AI 规模为我们提供了一个完全重新思考数据中心研发的机会。为实现这一目标 AI 潜力，必须用新的绿色能源来满足日益增长的电力需求。”

然而，可再生资源并非没有缺陷。风力和太阳能的间歇性使得它们很难保证全天候的稳定供应。这个问题直接影响了数据中心的能源保障。如何解决可再生资源的波动，如何高效地储存和调度这些能源，仍然是科技公司面临的一大挑战。

3.中国的 “东数西算”：探索资源优化

在中国，随着数字经济的兴起，计算能力需求的爆炸性增长也带来了巨大的能源和环境压力。因此，中国提出 “东数西算” 战略希望通过将数据中心从东部能源密集地区迁移到西部来缓解东部能源需求紧张的困境。西部地区水利和风能资源丰富，这在一定程度上促进了这一战略为解决能源需求提供了可行的途径。

然而，这一策略并非没有挑战。西部地区水源紧张，大量数据中心需要消耗大量水来冷却。与此同时，尽管中国在推广绿色能源方面取得了一定的进步，但许多数据中心仍然依赖燃煤电力，这使得碳排放问题仍然严重。

技术突破：未来计算能源的希望和可能性

技术创新也许能为解决计算率与能源之间的矛盾提供新的希望。前沿技术，如边缘计算、量子计算、冷却技术等，正在为数据中心的能耗提供创新解决方案。通过向用户附近的智能终端或本地节点分配计算任务，边缘计算减少了对集中数据中心的依赖。这样不但可以降低能耗，而且可以提高数据处理效率。随着 5G 和物联网（IoT）边缘计算的普及，可能是未来计算率发展的一大趋势。

冷却技术的发展也不容忽视。随著计算密集型任务的增加，数据中心的冷却技术成为降低能源消耗的关键。传统的空调和风冷系统不但效率低下，而且能耗极高。例如，利用寒冷地区的自然气候，数据中心可以显著减少对传统冷却设备的依赖，同时降低能耗和运行成本。近几年来，液体冷却技术和浸没冷却技术的出现，为数据中心提供了更高效的解决方案。

另一种可能是量子计算。量子计算利用量子力学的原理，可以在一些特定的任务中以极低的能耗完成传统计算机无法企及的计算。虽然量子计算仍处于实验阶段，但一旦技术突破并进入实际应用，计算率对能源的需求可能会大大降低，为解决能源瓶颈提供革命性的解决方案。

计算能力的未来：能源限制中的平衡艺术

计算能力的终点是能源，这不仅是一种物理限制，也是一种哲学反思。计算能力的增长应该是无止境的吗？能否在能源边界找到技术发展的最佳途径？

在可预见的未来，计算能力的增长将更多地依赖于能源的创新供给和更有效的资源开发。这些技术需要在能源、环境和社会责任之间找到平衡，无论是核能、可再生资源、边缘计算还是量子计算。科技发展的意义不在于无限制地追求计算能力的沉积，而在于如何让这些计算能力更有效地为人类社会服务。

能源的终点不仅是技术的边界，也是责任的开始。通过全球合作和探索，我们有机会在计算率和能源之间找到新的平衡，使数字社会在可持续发展的轨道上稳步前进。只有这样，计算率才能成为驱动人类未来的真正动力，而不是消耗无尽资源的象征。

(作者胡逸，一位喜欢想象未来的数据工作者。“未来可期” 这是胡逸在澎湃科技设立的专属栏目。有《未来可期：与人工智能同行》一书，由果麦文化制作。

本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。

免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com