碳讨|AI耗电引发碳信用狂欢 看科技巨头“碳盲区”治理困局

　　6月底，微软在碳交易和清洁能源采购领域密集发布重大公告，这些协议并非孤立举措，而是其激进战略的核心组成部分——旨在抵消因人工智能（AI）和云业务快速扩张导致的排放增长。

　　6月27日，微软与气候解决方案提供商Anew Climate及林业碳移除平台 Aurora Sustainable Lands 达成10年协议，获取480万个基于自然的碳移除信用，这些信用通过改良森林管理（IFM）在美国超 42.5万英亩林地生成。该协议扩展了双方2024年的合作。

　　6月30日，微软与挪威奥斯陆的Hafslund Celsio签署了一项为期10年的协议，购买110万吨碳移除信用。这些信用将来自挪威最大的垃圾转化能源工厂Klemetsrud的碳捕获项目，该项目预计2029年投入运营。这不仅是“史上首次”专为碳移除改造的垃圾转化能源工厂，还为欧洲其他类似工厂提供了可复制的路线图。

　　6月30日，微软与Constellation合作重启美国宾夕法尼亚州的三哩岛核反应堆，为PJM电网重新引入大量新增可靠无碳电力，直接支持微软成为碳负排放公司的总体目标。这一举措表明，微软的战略超越了仅通过碳移除信用抵消排放，而是主动为运营获取直接无碳能源。

　　6月30日，微软与Agoro Carbon宣布一项12年协议，将交付260万个碳移除信用。这些信用通过美国作物与牧场项目采用再生农业实践生成，包括覆盖作物、少耕和改良放牧等方法。除碳封存外，这些实践还带来土壤健康改善、保水能力增强、生物多样性增加和极端天气适应力提升等协同效益。

　　将这些协议的碳移除信用进行汇总，我们可以清晰地看到微软在短期内为实现其碳负排放目标所做出的巨大努力。具体而言，这些协议的碳移除信用总量达到了惊人的850万吨。

　　尽管微软通过这些碳交易和清洁能源采购协议，在碳移除和可持续发展方面取得了显著进展，但在数据中心机房中，训练AI大模型的GPU集群正以每小时兆瓦级的能耗狂奔。

　　AI耗电与碳信用狂欢看似矛盾的博弈，揭开了科技巨头在“碳盲区”治理中的深层困局。

　　AI繁荣与碳排放：难以调和的根本矛盾

　　科技巨头正陷入一场自我强化的悖论：AI技术的爆发式增长，既推动全球经济数字化转型，又成为碳排放失控的关键推手。

　　微软、谷歌、Meta等企业一边承诺“净零排放”，一边因AI算力需求激增导致电力消耗飙升，使减排目标愈发遥不可及。这一矛盾揭示了一个残酷现实——AI的指数级进步与碳减排的线性努力，正走向不可调和的冲突。

　　微软2025年环境报告显示，其总排放量较2020年增长23.4%，AI和云计算是主要驱动因素。AI和云计算业务的快速发展需要大量数据中心的支持。数据中心的建设和运营过程中，使用了大量的碳密集型材料，如钢铁和混凝土；AI运算需要高性能的计算机芯片，而芯片制造过程中会使用一些高全球变暖潜能的化学物质，例如六氟乙烷，这种物质的温室效应是二氧化碳的9200倍。此外，数据中心的运营需要大量的电力，而目前全球电网的去碳化进程尚未完全跟上微软的能源需求增长。

　　不只微软，根据谷歌的最新数据，2024年谷歌的总碳排放量达到1150万吨二氧化碳当量，较2023年增长11%，较2019年增长51%。AI的快速发展也是谷歌碳排放增长的主要原因，AI业务的能源需求大幅增加，推动了数据中心的能耗上升。

　　6月国际电信联盟（ITU）的报告指出，人工智能的快速增长正在推动全球电力需求急剧上升，数据中心的用电量增长速度比整体电力消费增长速度高出四倍。亚马逊的运营排放量增长最大，2023年相比2020年增长了182%；微软增长了155%；Meta和Alphabet分别增长了145%和138%。

　　然而，AI产业链的碳足迹远超运营阶段，半导体制造、建筑材料等上游环节构成难以逾越的减排壁垒。微软的案例尤为典型，其97%的碳排放来自供应链（范围3），过去五年攀升26%；不只是微软，谷歌的最新报告指出，2024年谷歌的总碳排放量升高主要也是由供应链排放增长所致，范围3排放当年上升22%。

　　这引发了关键质疑：技术迭代速度、成本控制与碳中和目标仿佛形成“不可能三角”，科技巨头的减排承诺正沦为一场与时间的绝望赛跑。

　　破局之路：从技术狂飙到责任重构

　　碳信用不是“赎罪券”，真正的破局之路或许不在于购买更多碳信用，而在于重构AI发展的底层逻辑。是时候追问：AI模型的效率革命能否超越能耗增长？科技巨头能否在商业利益与地球生存之间找到平衡？

　　中国探索在探索中似乎找到答案——通过能源革命反哺算力革命。

　　年初大火的DeepSeek采用混合专家（MoE）等技术，在推理时动态激活部分参数，相比传统密集模型（如GPT-3）可大幅降低计算量。DeepSeek-MoE模型仅需激活小部分参数即可完成同等任务，例如，DeepSeek-V3拥有6710亿参数，但每次推理仅激活370亿参数。这种稀疏激活机制使得计算效率大幅提升，相比传统密集模型（如GPT-3），计算量显著减少，且这种“神经开关”设计使得单次推理能耗显著降低。

　　OpenAI创始人Sam Altman曾断言：“AI的终极瓶颈是能源。”而中国的实践表明，真正的突破点或许是“电力即算力”——当宁夏的风电可以像数据包一样，按需调度至深圳的AI服务器时，全球算力格局将迎来根本性变革。

　　未来，真正的赢家或许不是算力最强的公司，而是能在技术创新与可持续发展之间找到最优解的企业。否则，当气候临界点被突破时，再强大的AI，也无法为人类编写一个宜居的未来。

（文章来源：新京报）

(原标题：碳讨|AI耗电引发碳信用狂欢，看科技巨头“碳盲区”治理困局)

(责任编辑：70)