作者 | 楊銳

排版校對 | 甘惠淇

春節期間，最火爆的話題莫過于深度求索（DeepSeek）。

農歷新年期間，筆者也問了DeepSeek一個問題：相比于GPT-4，你能節省多少算力？

但DeepSeek沒有具體回答，而是提示筆者查詢公司產品說明。

事實上，自從2022 年開始的生成式AI熱潮興起，有關AI和大模型發展與電力消耗之間的關系，一直都是熱門話題，人工智能行業普遍將能源看作行業的瓶頸。

一篇發表在《Joule》雜志上的論文預測，到2027年，全球人工智能產業的年電力消耗將達到85.4至134太瓦時（TWH），這個數字大約等于荷蘭、瑞典或阿根廷等國家一年的總用電量，也約占全球總電力消耗的0.5%。研究還發現，近年流行的生成式人工智能ChatGPT每天需處理約2億次請求，這一過程的電力消耗超過50萬千瓦時，相當于1.7萬戶美國家庭的日用電量。

在2024年博世互聯世界大會上，埃隆·馬斯克警告說，人工智能和電動汽車的快速增長可能會導致全球電力和變壓器供應短缺。同時，OpenAI的首席執行官薩姆·奧爾特曼在2024年達沃斯世界經濟論壇上表示，人工智能行業正面臨能源危機，新一代生成式AI的能源需求顯然超出預期，現有的能源供應將疲于應對。一時間，漫天飛來的AI能源危機論遍布全球。

但隨著DeepSeek的出現，可能改變這一局面。通過更高效的計算，DeepSeek的算力需求相比OpenAI銳減，“分布式”部署算力，即人手一套DeepSeek也成為選項之一，AI可能不再是電力“巨獸”。

不過，雖然目前尚未有研究來比較DeepSeek相對于其競爭對手的能源使用情況，但從現在來看，能源依舊是影響AI發展最大的一個變量。

01

近日，美國麻省理工學院技術評論（MIT Technology Review）網站發表的一篇文章提到，在40個提示的測試中，DeepSeek被發現與Meta模型具有類似的能源效率，但DeepSeek傾向于生成更長的回答，因此被發現多使用了87%的能源。

一位業內人士向筆者表示，去年大家在AI的算力上投入非常大，好多公司把數據中心建在了電價便宜的地方，比如在甘肅、青海、西藏、內蒙古等等這些地區，雖然并沒有想到今天的DeepSeek會出來，改變了整個的底層的邏輯，但其實DeepSeek現在對于算力的消耗也是不低的，除了卡之外就是電，電價會影響它整個的成本。

當前，大型AI模型的發展勢頭迅猛，它們能夠處理和學習龐大的數據集。這一能力背后需要巨大的計算資源支持，而這些資源通常由高性能處理器提供，包括GPU、TPU和ASIC芯片等。這些處理器需要大量的電力來驅動數據中心的服務器、存儲設備和冷卻系統。而以GPT為代表的生成式預訓練大型語言模型，其計算需求正向依賴參數量和token數兩個變量，極大影響著模型的潛在規模和復雜程度。參數量從十億級到萬億級的指數變化，僅僅用了3年時間。

自2012年以來，AI訓練應用的電力需求每3到4個月就會翻一倍。訓練大模型需要大量的能源，AI服務器相較于傳統服務器通常需要更高功率密度的硬件，例如AI服務器可能需要4顆1800W的高功率電源，而通用型服務器可能只需要2顆800W的電源。有機構測算，相比于傳統的普通服務器，AI服務器的功率高出將近6-8倍，電源的需求也將同步提升6-8倍。

據中國國際工程咨詢有限公司資源與環境業務部張雅欣和木其堅的研究測算，到2030年，僅人工智能大模型領域的算力能耗就預計將達到全國1.93%～5.25%的電力消耗量。

在保守增長情景下，預計人工智能算力將消耗約2177 億千瓦時電力，占全國電力消費的1.93%，折合標準煤約為2675 萬噸，占全國能源消費的0.45%。若按快速增長情景預測，預計電力消耗和能源消費占比將分別升至5.25%和1.21%。

而且，隨著人工智能產業的不斷發展，未來可能會出現更加復雜多樣的人工智能模型和應用場景，這也意味著能耗影響將在一定程度上呈現持續增長趨勢。

更為重要的是，未來人工智能能耗影響的時空分布可能將呈現不平衡現象。

從時間分布上看，人工智能能耗呈現“夏冬高，春秋低”的季節性波動規律。季節性氣溫變化是影響算力基礎設施能耗的關鍵因素，例如夏季溫度升高導致數據中心需要依賴大量冷卻設備和電力來維持設備正常運行的環境溫度，大大增加了能源消耗；而冬季嚴寒氣溫下，數據中心需要額外的能源來保持適宜的室內溫度，以防設備因低溫而出現性能下降。

從空間分布上看，我國“東數西算”工程正重塑人工智能能耗的地理布局。整體上，我國正建立京津冀、長三角、粵港澳、成渝、內蒙古、貴州、甘肅、寧夏八大算力樞紐節點，并依托樞紐節點規劃張家口集群、蕪湖集群、長三角生態綠色一體化發展示范區、韶關集群、天府集群、重慶集群、貴安集群、慶陽集群、和林格爾集群等十大國家數據中心集群。隨著算力基礎設施樞紐節點和數據中心集群的建設與發展，人工智能的能耗壓力將主要轉移至這些集中區域。

短期而言，人工智能技術的迅猛發展可能帶來顯著的季節性、局域性用能壓力。

一方面，由于季節性氣溫變化，如夏季高溫和冬季嚴寒，算力基礎設施需要額外的能源消費用以保障其穩定運行。在夏冬季能源供需本就偏緊的情況下，算力基礎設施用能需求激增可能進一步加劇能源保供壓力。

另一方面，隨著“東數西算”工程一體化算力網的推進，人工智能能耗影響主要集中在京津冀、長三角等東部地區，以及甘肅、內蒙古等西部省份。結合東、西部地區的能源供需差異來看，這種空間分布可能導致能源供應“東部吃緊，西部過剩”的局面發生，不僅影響能源利用效率，也可能成為區域經濟協調發展的掣肘因素。

近年來，我國能源消耗總量持續較快增長，能耗強度降幅收窄，部分地區能耗強度下降不及預期，使得“十四五”后期完成節能目標和“十五五”期間開展節能工作面臨一定的難度和挑戰。

而人工智能在短期引發的季節性、局部性能耗壓力可能與當前嚴峻的節能形勢形成沖突。部分地區可能受限于節能指標完成空間，或出于能源保供的考慮，在項目能評、環評階段加強對數據中心類項目的審批管理，甚至采取限制措施。例如，地方政府在數據中心類項目能評中多以數據中心的電能利用效率為主要監管抓手，并持續收緊相關標準。目前，北京、上海等地對于新建數據中心PUE的審批要求已經提升至1.15 -，遠遠嚴于歐美國家平均水平。

02

那么，破解AI能耗的解藥又在何處？

解決問題的首要方案當然是優化大模型，這不僅是行業各方的可行選擇，也是力所能及的實施策略。比如簡化模型復雜度，減少不必要的層和結構，或者通過參數共享減少模型的總參數量。同時，可以選擇使用更高效的神經網絡架構，如卷積神經網絡（CNN）代替全連接神經網絡（FCN），以降低訓練時的計算量。

此外，優化電源管理方案、改進電路設計都是很好的節能思路。新型電源管理技術，如功耗管理單元（ PMU）和智能電源管理芯片，能夠根據實際需求動態調整電源供電策略。這種動態調整可以確保設備在不同負載情況下都能實現最佳的能耗效率。電路設計上，減少功耗消耗點、降低開關頻率、優化排布等方式也能顯著減少設備在運行時的電路能耗。

第二，在政策層面，強化人工智能戰略產業發展的要素保障。

一方面，深入貫徹國家重大項目能耗單列政策，積極推動人工智能相關項目列入國家重大項目能耗單列范圍，為產業發展預留充足的用能空間。另一方面，加強對算力樞紐節點、數據中心集群等人工智能算力集中部署地區的能源供給保障，提升電源匹配和電網支撐能力，推動建立“算電協同”體制機制，確保人工智能產業穩健發展。

為此，業內人士建議相關機構應盡快摸排人工智能產業情況，全面把握產業現狀，有必要由國家有關部門牽頭，集合相關領域研究機構、行業專家力量，開展針對國內重點地區的人工智能產業調研工作。

通過實地走訪相關企業和項目，系統摸排人工智能企業運營現狀、項目進展情況、技術創新方向等方面情況，并選取具有代表性的企業及項目，進行定期人工智能企業能源消費情況的監測分析，為精準研判產業能源消費形勢、科學引導人工智能產業發展提供堅實的數據基礎。

第三，在給予充足要素保障的同時，緊抓人工智能產業發展戰略窗口期，積極引導其產業向綠色低碳方向轉型升級，加快探索建立適用于我國人工智能產業發展的綠色低碳管理機制。

事實上，由于散熱往往消耗較多電量，數據中心未來更傾向于部署在相對涼快的地方，以減少空調負荷消耗，而隨著國內對綠電消費的要求逐步提高，水（儲）、風、光一體化或核電將成為其優選。

此外，AI驅動的協同優化，將是電算協同的技術支撐和創新方向之一，即通過AI模型同時優化算力分配任務和電力調度，例如任務遷移，將高耗能計算任務遷移至綠電充足時段；動態降頻，在電力緊張時降低服務器頻率以減少能耗等。

對此，業內人士建議，當前需要廣泛調研國內外人工智能產業先進能效水平和綠色低碳管理體制機制，形成可供參考的成功案例經驗，并采取行業標準、獎勵資金、分級評價等管理措施，從人工智能模型優化、芯片效率及算法效率提升、數據中心綠色架構以及綠色能源使用等方面，探索建立覆蓋人工智能全生命周期的綠色低碳管理機制。最后，選取具有代表性的地區作為試點，通過地區先行先試積累人工智能產業綠色低碳管理經驗，以高標準推動人工智能產業綠色低碳發展。

最后，需要優化人工智能產業的空間格局。

當前，在土地、能源等資源緊張的形勢下，東部地區大規模發展數據中心已顯困難。因此，有必要進一步深化空間布局，統籌算力電力協同布局，引導人工智能項目所依托地對延時要求不高的算力基礎設施優先布局于西部地區，充分利用西部豐富的算力資源，支撐東部人工智能項目的運算需求。

“我覺得2025年將是一個全面整合的一年，能源和科技將你中有我，我中有你。”上述業內人士最后表示。

實際上，整體而言，人工智能正逐漸成為能源密集型行業，電力與算力的協同也不僅是技術問題，更是涉及經濟、政策、生態的系統工程，業界必須采取積極的措施，未雨綢繆。

       原文標題 : 展望③｜DeepSeek爆火，AI的盡頭還是電力嗎？