全球数据中心能源需求激增，计算机行业碳排放面临重大挑战

在过去的几十年里，计算机行业因其对气候的影响相对较小而受到某种程度的宽容。直到2020年，数据中心以及用于支持互联网和高性能计算的网络所造成的温室气体排放量仅占全球总排放量的0.6%。随着生成式人工智能的迅猛发展，数据中心的建设速度也随之加快，这让计算机行业面临前所未有的碳排放挑战。

麻省理工学院林肯实验室的科学家维贾伊•加德帕利指出，美国数据中心的电力耗用已经从过去的1%-2%飙升至4%-5%。这一数据的上升悄然改变了美国电网的能源需求结构，给美国产生了深远影响。过去20年，美国的能源消费保持稳定，使其能够逐步减少如燃煤电厂等造成的环境负担，从而使温室气体排放得以缓慢下降。但现随着数据中心能源需求的激增，这一局面开始出现变化。美国能源部的研究预测，数据中心的耗电量将在2028年之前至少翻一番，甚至可能增至三倍以上，而预计中国和欧洲也将经历类似的增长。

在快速增长的能源需求之下，满足数据中心对电力的需求尤其棘手。加德帕利提到，建设数据中心通常需要一年到一年半的时间，而现有的快速响应电力需求的解决方案多为不可再生能源，例如天然气。在得克萨斯州和弗吉尼亚州等数据中心密集地区，部分企业为了迅速获得稳定的电力供应，已经开始依赖于这种气候不友好的能源。

一些AI公司正在探索短期内可用的清洁能源选项。谷歌正在建设利用地热资源的发电设施，微软则将重点放在核能开发上。这些新技术的普及和应用面临着不小的挑战。在这方面，加德帕利表示，虽然进展显著，但是否能在大规模上实现商业化尚不明朗。

若后续无法在理想情况下为所有数据中心供电，另一种应对之道是降低人工智能模型的能源消耗。以气候模型为例，其每次运行都需要处理巨量数据，因此频率较低；而AI模型，如ChatGPT，虽然输入数据量较小，处理其背后的计算量却异常庞大。每次对话需通过上千亿个参数，而庞大的训练数据将导致显著的能耗。

更为重要的是，AI模型推出后，使用频率将进一步增长。加德帕利粗略估计，若用户和AI的互动频繁，长期的能耗可能与重新训练模型的能耗相接近。为应对这一挑战，科研人员正在努力开发能耗更低的高性能AI模型。例如，中国的DeepSeek最近推出了一种新型模型，其训练所需的计算量仅为竞争对手的一小部分。该公司通过巧妙选择参数，仅调用最相关的部分进行计算，从而节省了能源和资源。

即便能够降低每次查询的能耗，整体的电力需求也可能不见得降低。因为成本的下降或将吸引更多的用户，进而使得使用频率增加，从而抵消原有的能耗减缩。

另外一种降低数据中心能耗的方式，正是优化数据中心自身的设计和运营。加德帕利的实验室在这一领域取得了显著进展，提出“功率封顶”方案，可以有效限制每个处理器的电力消耗，进而降低整体能耗。同时，数据中心行业也在逐步淘汰传统高能耗的空调制冷方式，转而使用“直接芯片冷却”技术，甚至未来可能引入更加高效的“浸没式冷却”技术。

值得注意的是，实现数据中心的能效提升具有广泛的可持续意义。数据中心不仅仅服务于而实际上支撑着我们日常生活中几乎所有的数字活动。每次我们使用视频通话、社交媒体应用，或是简单的网页浏览，相关的数据都需要经过某个数据中心处理。因此，通过提高数据中心的能效，不仅能显著降低能源消耗，还有助于减少整体气候影响。

在面对快速增长的能源需求与气候危机中，科学家们呼吁通过技术创新来应对潜在挑战。即便是微小的改革，在日积月累的操作中，积少成多，能够带来显著的变革。通过高效的能源管理和可再生能源的整合，我们有望在未来构建出既能满足计算需求，又能有效减碳的可持续数字生态系统。