AI 大模型的能源消耗正成為一個不容忽視的問題。
訓練成本
大模型訓練的電力消耗極其驚人。以 GPT-4 等級的模型為參考：
- 單次訓練消耗的電量相當於數百個美國家庭一年的用電量
- 微軟、Google、Meta 的 AI 資料中心建設正在推高全球資料中心的能耗佔比
更可怕的是推論端。訓練是一次性的，但推論是持續的。全球每天數以億計的 AI 呼叫，累積的推論能耗可能已經超過了訓練。
各公司的應對
微軟簽署了大量可再生能源購買協議，甚至正在探索小型核反應爐為資料中心供電。
Google承諾 AI 相關營運 100% 使用無碳能源，但實際執行中「碳中和」和「真正無碳」之間有很大差距。
DeepSeek 的路線則提供了另一種視角——與其用更多 GPU 暴力訓練，不如用更聰明的方法（MoE、FP8、更高效的架構）把計算量本身降下來。550 萬美元訓練一個頂級模型的做法，從能源角度來看也是最環保的。
矛盾
AI 的能耗問題和 AI 的發展速度之間存在根本矛盾：
- 模型越大、能力越強，能耗越高
- 使用者對 AI 的依賴越深，推論請求越多
- 資料中心的建設速度追不上 AI 算力的需求增速
一些研究者預測，到 2030 年 AI 相關的電力消耗可能佔到全球總用電量的3-5%。這個數字看起來不大，但絕對量非常可觀。
效率最佳化（量化、蒸餾、MoE 等）是目前最現實的解決方案。靠可再生能源完全覆蓋 AI 能耗在中短期內不太現實。
參考來源：IEA 資料中心能耗報告、CocoLoop、各公司永續發展報告