过去两个世纪，人类与能源的关系经历了前所未有的深刻变革。从工业革命初期的煤炭和石油，到天然气、核能、水电，乃至当今迅猛发展的可再生能源，全球一次能源消费正以惊人的速度不断上升。中国、美国、印度等人口大国在总能耗方面无疑占据领先地位，然而从人均消耗来看，冰岛、挪威、加拿大以及富裕的海湾国家如卡塔尔和沙特的数字更是令人震惊，他们的人均能源消耗远超世界上许多贫困地区，这不仅体现出能源使用的不平等，更映射出全球发展鸿沟的深刻存在。在能源供应方面的差异同样巨大。冰岛依赖丰富的地热和水电资源，人均电力发电量远高于许多低收入国家，后者的人均年发电量甚至低于现代冰箱两个月的能耗。这种极端差异在面临气候变化和技术革新双重挑战时尤其值得关注。
当前，化石燃料依旧占据全球能源供应的绝大部分份额，清洁能源的投资虽然纪录频出，但依然不足以同时满足日益增长的能源需求和迅速减少碳排放的目标。在这个严峻背景下，人工智能作为一项革命性技术，其对电力的需求日益成为全球能源议题中的焦点。2023年，美国的数据中心电力消耗达到了176太瓦时，占全国电力消耗的4.4%，预计到2028年这一数字将增加一倍以上，最高可能达到580太瓦时，耗电量相当于3200万至5800万户美国家庭的用电需求。如此惊人的数据背后，揭示出人工智能领域对电力的极度依赖，孕育着国家能源战略和全球竞争的新格局。 衡量人工智能效率的一个关键指标是“每瓦特每美元的令牌输出”，这一综合了计算效率、成本和能耗的指标被Google等科技巨头用于指导研发和优化。只有通过硬件效率的不断提升、碳意识调度的运行智慧、创新基础设施的建设以及系统级整合，人工智能才能在不失去性能的前提下实现可持续发展。
与此同时，透明的能耗报告标准必不可少，这不仅促使各企业竞相降低能耗，也让公众看见了数据背后的真实数值和改进空间。 美国电力生产的地理分布提供了理解当前能源供应模式的绝佳视角。以亚利桑那的帕洛弗德核电站为例，其年发电量约为320亿千瓦时，足以供电超过300万户家庭。美国最大的发电厂多以核能为主，其次是水电、天然气和煤炭。数据中心到2028年预计的电力消耗相当于10到18个帕洛弗德发电站持续运行，这不仅加重了电网负担，也增加了可持续转型的难度。家庭电力消费虽因地区和住房类型存在差异，但仍构成了全国电力需求中最大的单一部分，而商业和工业用电不相上下。
整体上，美国的电力需求除少数年份外多数保持增长，体现出社会经济和数字化转型的共同驱动力。 在人工智能电力消耗面前，推演其内在的计算特点至关重要。现代主流的Transformer架构以其能够同时处理输入文本各部分并建立关联的机制得到了广泛应用。值得关注的是，Transformer的预处理阶段——称为Prefill，计算量与输入令牌数量的平方成正比，这意味着输入长度翻倍，计算负载和能耗将增长四倍。这种二次方的增长规律极大地限制了长上下文AI模型的能源效率。相比之下，解码阶段的能耗仅与输出长度呈线性关系。
换言之，理解输入的成本远高于生成输出的成本。 这一现象在实际能耗上表现尤为显著。以一台性能强劲的GPU为例，其功率约300瓦，Prefill阶段计算时间随着输入长度扩大从100毫秒提升至1.6秒，使得整体能耗从30焦耳升至480焦耳以上，而解码环节能耗相对稳定且极低。由此可见，缩短输入提示长度，减少冗余信息，对于控制能耗至关重要。遗憾的是，目前的很多AI系统并未对用户输入设置合理的“令牌预算”，系统自身为了优化表现常会注入大量隐含上下文，导致能源消耗居高不下。 伴随着逻辑复杂度和模型规模的增长，AI模型的计算需求和能耗持续攀升。
不同模型在不同令牌输入输出组合下的能耗测量反映出多样化的效率表现，甚至在相近功能水平的模型间差异巨大。更重要的是，推理（inference）环节已经远远超越训练阶段，成为长期运维中能耗的主体。AI的普及和多场景渗透意味着推理消耗将持续扩大，给能源系统带来巨大压力。 硬件层面的改进固然重要，但行业面临的另一严峻挑战是资源使用率极低。尽管GPU峰值能效理论值较高，实际部署中平均利用率仅介于15%到50%之间，严重浪费宝贵的能源和资金。诸如负载监控、多实例分配和工作负载智能调度等技术手段存在，但绝大多数企业尚未充分应用。
高能耗背后的浪费现象不仅加剧碳排放，还反映出技术应用生态的欠成熟和管理不足。 数据中心的能耗浪潮不仅是技术问题，更涉及地缘政治和社会价值观。谁掌控了最大的计算资源，谁就拥有未来的技术话语权和影响力。中国已在该领域大幅领先，民主国家若无法追赶，将面临技术落后和价值观被边缘化的风险。建设绿色、高效且公平的能源基础设施，成为全球竞争的新焦点，也是维护自由和人权的战略保障。 在这个关键时刻，我们面临“规模”与“妥协”的抉择。
是否能继续依靠化石能源大规模供电，维持技术扩张？亦或是主动拥抱清洁能源和节能创新，推动技术向更高效方向进化？答案很可能将塑造人类社会未来的面貌。AI既是对地球能源系统的巨大负担，也是潜在的智慧解决方案，它如何被设计和使用，将决定我们能否保持自由、繁荣与环境的可持续共存。 从优化芯片设计、改进冷却技术，到智能能源调度和基础设施共建，没有单一技术能解决全部问题。需要跨界合作与系统思维驱动革命性变革。将数据中心建在可再生能源丰富的地区，利用废热供暖周边社区，推动电力消费透明度，鼓励技术共享，这些都是走向可持续AI运营的关键步骤。 最终，电力消耗不仅是衡量AI规模的数字，也象征着人类智慧的边界。
我们要问自己：是选择用更壮观的规模搏击未来，还是在消耗中退却让路？自由与进步，未来的算力和能源，都取决于我们今日的选择。技术和生态的双重挑战倒逼我们必须超越传统思维模式，既要让AI成长为造福人类的力量，也必须确保这成长不以牺牲地球的自由和生存为代价。规模与妥协的天平正被时代的“瓦特数”决定，阻止能源浪费、提升效率、加速清洁转型，成为我们不可回避的使命。只有如此，我们才能在这场电力与智能的竞赛中，无悔地守护自由的未来。
