中國(guó)儲(chǔ)能網(wǎng)訊：2025年年初，人工智能公司深度求索（DeepSeek）火爆出圈，迅速在全球范圍內(nèi)引發(fā)巨大關(guān)注。
此前人工智能領(lǐng)域公認(rèn)的底層邏輯是——算力規(guī)模越大，大模型就越聰明，同時(shí)耗電量也就越大。過去幾年，OpenAI、微軟等行業(yè)巨頭不斷擴(kuò)大算力規(guī)模，積極尋求新的電力來源，甚至把手伸向了已停運(yùn)的核電站。而DeepSeek的出現(xiàn)四兩撥千斤地打破了這種“越大越好”的論調(diào)。
DeepSeek的獨(dú)特之處在于其開源、高性能、低成本。據(jù)DeepSeek公布的數(shù)據(jù)，在成本方面，DeepSeek-V3的訓(xùn)練成本僅為557.6萬(wàn)美元，而GPT-4o的模型訓(xùn)練成本約為1億美元。
在性能方面，獨(dú)立機(jī)構(gòu)Artificial Analysis的測(cè)評(píng)報(bào)告顯示，DeepSeek-V3的評(píng)估質(zhì)量指數(shù)為79，高于平均水平。模型在通識(shí)和專業(yè)知識(shí)測(cè)試集上表現(xiàn)優(yōu)秀，并且在數(shù)學(xué)和代碼領(lǐng)域測(cè)試表現(xiàn)突出。DeepSeek首次證明了“低成本、高智能”的可能性。
然而，DeepSeek的節(jié)能特性是否真能降低大規(guī)模使用人工智能（AI）帶來的能源消耗？關(guān)于這個(gè)問題，“杰文斯悖論”或許能給我們一些參考。英國(guó)經(jīng)濟(jì)學(xué)家威廉·斯坦利·杰文斯在1865年發(fā)表的《煤的問題》中指出，當(dāng)使用某種資源的效率提高時(shí)，該資源的總消耗量反而可能會(huì)增加，而不是減少。例如，瓦特改良后的蒸汽機(jī)大幅降低了煤炭消耗，使得更高效的蒸汽機(jī)廣泛應(yīng)用在更多場(chǎng)景，導(dǎo)致英國(guó)的煤炭消耗總量激增。
技術(shù)進(jìn)步的“回彈效應(yīng)”在AI領(lǐng)域同樣顯著。截至2025年春節(jié)后，開源生態(tài)下，DeepSeek API（提供人工智能服務(wù)的接口）在騰訊云上的日均調(diào)用次數(shù)已達(dá)到5000萬(wàn)次，其總能耗可能在未來三年反超傳統(tǒng)閉源模型。也就是說，人工智能的開源策略可能會(huì)帶來更大的能源需求。
一方面，DeepSeek的開源策略降低了技術(shù)門檻，全球開發(fā)者可基于其模型快速構(gòu)建定制化應(yīng)用，推動(dòng)AI從“巨頭游戲”轉(zhuǎn)向“全民參與”。這樣一來，即使AI執(zhí)行單次訓(xùn)練任務(wù)確實(shí)更省電，但各行各業(yè)大量使用AI還是會(huì)導(dǎo)致巨大的電力消耗。
另一方面，摩根士丹利指出，低成本模型讓“非必須場(chǎng)景”變得經(jīng)濟(jì)可行。倫敦一家金融科技公司曾測(cè)算，使用傳統(tǒng)大模型處理用戶數(shù)據(jù)分析的月均電費(fèi)高達(dá)1.2萬(wàn)英鎊，而使用DeepSeek-R1模型可將成本壓縮至2000英鎊以下。成本下降后，該公司計(jì)劃將AI應(yīng)用場(chǎng)景從核心業(yè)務(wù)擴(kuò)展至營(yíng)銷與客服，或?qū)⑹箍偰芎脑黾?0%。
當(dāng)“比特”遇上“瓦特”，如何在提升人工智能算力的同時(shí)兼顧綠色低碳？業(yè)內(nèi)人士給出了三個(gè)方向的建議：加強(qiáng)算法與硬件協(xié)同優(yōu)化，減少無效計(jì)算，節(jié)省不必要的能源消耗；推動(dòng)算力基礎(chǔ)設(shè)施綠色化、規(guī)模化建設(shè)，推動(dòng)清潔能源算力中心建設(shè)，實(shí)現(xiàn)綠色能源向綠色算力的轉(zhuǎn)化；加強(qiáng)政策引導(dǎo)需求側(cè)管理，例如歐盟擬對(duì)高能耗AI應(yīng)用征收“算力稅”，抑制非必要場(chǎng)景的擴(kuò)張。但不同的聲音也同樣存在：同一模型參數(shù)，用風(fēng)電訓(xùn)練與煤電訓(xùn)練是否應(yīng)承擔(dān)差異稅率？當(dāng)能源結(jié)構(gòu)成為AI競(jìng)爭(zhēng)力的暗線，當(dāng)國(guó)際貿(mào)易加征“算力稅”，綠色算力是否會(huì)催生新的數(shù)字貿(mào)易壁壘？這些未竟之問正在等待更多充滿智慧與勇氣的解答。
