每經(jīng)編輯 胡玲

在當(dāng)今全球追求高質(zhì)量發(fā)展的背景下，雙軌轉(zhuǎn)型（Twin Transition）——即將可持續(xù)發(fā)展與數(shù)智化轉(zhuǎn)型有機(jī)融合，追求經(jīng)濟(jì)、社會(huì)和環(huán)境多元價(jià)值的實(shí)現(xiàn)——已成為核心議題之一。這不僅僅是尋求兩者之間的簡(jiǎn)單協(xié)同效應(yīng)，而是一場(chǎng)深層次的系統(tǒng)性變革，通過(guò)數(shù)字技術(shù)的力量重新定義經(jīng)濟(jì)運(yùn)作模式、社會(huì)互動(dòng)方式以及環(huán)境保護(hù)機(jī)制。面對(duì)資源約束和環(huán)境挑戰(zhàn)日益嚴(yán)峻的現(xiàn)實(shí)，如何利用先進(jìn)數(shù)智技術(shù)推動(dòng)綠色低碳發(fā)展，同時(shí)確保經(jīng)濟(jì)效益和社會(huì)福祉的最大化，是擺在所有利益相關(guān)者面前的重大課題。

人工智能初創(chuàng)公司深度求索（DeepSeek）近期發(fā)布了其最新人工智能模型R1，再次引發(fā)了關(guān)于人工智能發(fā)展與算力、能源之間關(guān)系的深刻討論。R1模型憑借其卓越的邏輯推理能力，不僅在性能上逼近甚至超越了OpenAI的o1系列產(chǎn)品，而且在成本效益方面展現(xiàn)了顯著的優(yōu)勢(shì)。這一里程碑式的進(jìn)展被硅谷科技媒體譽(yù)為新時(shí)代的“斯普特尼克時(shí)刻”，象征著一個(gè)可能顛覆現(xiàn)有科技格局的新時(shí)代的開(kāi)端。DeepSeek的R1模型訓(xùn)練成本僅為數(shù)百萬(wàn)美元，遠(yuǎn)低于OpenAI的GPT和谷歌的Gemini系列大模型所需的數(shù)十億美元投資，這無(wú)疑給數(shù)據(jù)中心運(yùn)營(yíng)商們提供了一個(gè)極具吸引力的“滑門時(shí)刻”——即通過(guò)更高效的計(jì)算資源利用來(lái)大幅削減運(yùn)營(yíng)成本。

Deepseek也引起了對(duì)美國(guó)科技股和能源股短期劇烈震蕩。英偉達(dá)單日跌幅最高達(dá)17%，創(chuàng)美股歷史最大單日市值蒸發(fā)紀(jì)錄（約6000億美元），博通、AMD、臺(tái)積電等芯片股同步重挫。納斯達(dá)克指數(shù)下跌3.1%，標(biāo)普500指數(shù)下跌1.5%，市場(chǎng)對(duì)美國(guó)科技巨頭的高估值（如美股七巨頭中，英偉達(dá)的市盈率在46倍左右，蘋(píng)果的市盈率在36倍左右，特斯拉183倍市盈率。如今，七巨頭的平均市盈率接近50倍，市值占美股總市值28%左右。）產(chǎn)生質(zhì)疑。此外，由于R1通過(guò)算法優(yōu)化顯著降低模型能耗（內(nèi)存使用減少50%以上），市場(chǎng)擔(dān)憂AI對(duì)電力需求的增長(zhǎng)預(yù)期被打破，導(dǎo)致美國(guó)聯(lián)合能源、Vistra等能源公司股價(jià)下跌21%-29%。

盡管DeepSeek在技術(shù)上取得了巨大進(jìn)步，但其在中國(guó)境外的未來(lái)發(fā)展仍面臨不確定性，部分西方機(jī)構(gòu)和政府已開(kāi)始限制使用其服務(wù)。然而，全球人工智能領(lǐng)域都在密切關(guān)注DeepSeek如何以如此低的成本實(shí)現(xiàn)領(lǐng)先性能。如果DeepSeek的方法能夠被廣泛復(fù)制，那么對(duì)于東南亞地區(qū)、澳大利亞、新西蘭等中小型國(guó)家而言，或許將有機(jī)會(huì)以更低的成本進(jìn)入基礎(chǔ)模型領(lǐng)域，這在過(guò)去是難以想象的。

對(duì)于澳新地區(qū)的數(shù)據(jù)中心運(yùn)營(yíng)商而言，人工智能技術(shù)成本的潛在降低，無(wú)疑緩解了對(duì)外國(guó)模型安全性和可靠性風(fēng)險(xiǎn)的擔(dān)憂。Macquarie Data Centres的高管David Hirst指出，人工智能行業(yè)的發(fā)展速度遠(yuǎn)超以往任何技術(shù)趨勢(shì)，且仍處于早期階段。他認(rèn)為，人工智能正在并將繼續(xù)證明，它是世界上發(fā)展最快的技術(shù)之一，而我們才剛剛觸及人工智能所能實(shí)現(xiàn)的冰山一角。人工智能將從根本上改變所有行業(yè)的運(yùn)作方式以及人類的潛力。以Deepseek為例，從2024年1月5日，DeepSeek發(fā)布了首個(gè)大模型DeepSeek LLM到2024年12月26日，正式上線DeepSeek-V3模型，并同步開(kāi)源，標(biāo)準(zhǔn)著全球首個(gè)全開(kāi)源的混合專家（MoE）模型出現(xiàn)，再到2025年1月20日發(fā)布的DeekSeek-R1推理大模型。從在極短的時(shí)間內(nèi)，人工智能已取得顯著進(jìn)展。大型語(yǔ)言模型的快速發(fā)展，從模型的迭代、算力的更新，到訓(xùn)練和推理成本的下降，再到智能體的產(chǎn)品形態(tài)出現(xiàn)，人工智能正在不斷提高行業(yè)效率，并最終降低成本。DeepSeek模型的創(chuàng)新，通過(guò)簡(jiǎn)化訓(xùn)練過(guò)程和更有效地利用硬件，標(biāo)志著在降低人工智能訓(xùn)練和推理門檻方面邁出了重要一步，為更多企業(yè)應(yīng)用這項(xiàng)技術(shù)打開(kāi)了大門。

DeepSeek R1的技術(shù)特點(diǎn)：效率與成本優(yōu)勢(shì)

DeepSeek R1模型的出現(xiàn)之所以能引發(fā)行業(yè)震動(dòng)，核心在于其在效率和成本控制上的突破。DeepSeek通過(guò)一系列技術(shù)創(chuàng)新，實(shí)現(xiàn)了在相對(duì)較低的算力投入下，獲得可媲美甚至超越頭部模型的性能表現(xiàn)。這些技術(shù)特點(diǎn)主要包括：

•混合專家模型（Mixture-of-Experts,MoE）：MoE架構(gòu)是DeepSeek R1降低算力需求的關(guān)鍵。與傳統(tǒng)的稠密模型不同，MoE模型包含多個(gè)“專家”子網(wǎng)絡(luò)，每個(gè)子網(wǎng)絡(luò)專門處理特定類型的輸入。在推理過(guò)程中，模型會(huì)根據(jù)輸入內(nèi)容動(dòng)態(tài)選擇激活部分專家網(wǎng)絡(luò)，而非所有網(wǎng)絡(luò)，從而大幅減少計(jì)算量，提高推理效率。DeepSeek將MoE技術(shù)與模型架構(gòu)深度融合，實(shí)現(xiàn)了性能與效率的平衡。

•多頭潛注意力機(jī)制（MLA）：該技術(shù)為DeepSeek團(tuán)隊(duì)獨(dú)創(chuàng)，針對(duì)傳統(tǒng)Transformer模型的“多頭注意力機(jī)制”在處理長(zhǎng)文本時(shí)容易“分心”的問(wèn)題，MLA通過(guò)壓縮關(guān)鍵信息，讓模型更聚焦核心內(nèi)容這種協(xié)同優(yōu)化方法，能夠最大化硬件資源的利用效率，降低整體算力需求。

•PTX匯編語(yǔ)言優(yōu)化：為了更充分地挖掘硬件潛力，DeepSeek甚至深入到硬件底層，采用PTX匯編語(yǔ)言對(duì)核心計(jì)算模塊進(jìn)行優(yōu)化。PTX匯編語(yǔ)言是一種針對(duì)NVIDIAGPU的底層編程語(yǔ)言，通過(guò)精細(xì)的匯編級(jí)優(yōu)化，可以最大限度地提升代碼執(zhí)行效率，減少不必要的計(jì)算開(kāi)銷。這種極致的優(yōu)化精神，體現(xiàn)了DeepSeek在算力效率上的極致追求。

•蒸餾技術(shù)與分布式/邊緣計(jì)算架構(gòu)：DeepSeek推出了一項(xiàng)卓越的模型蒸餾技術(shù)，該技術(shù)實(shí)現(xiàn)了將高性能AI模型的核心推理能力高效移植至輕量化版本中的目標(biāo)。這一突破不僅結(jié)合了開(kāi)源與輕量化的雙重優(yōu)勢(shì)，進(jìn)一步降低了人工智能技術(shù)的應(yīng)用門檻，同時(shí)也為邊緣計(jì)算領(lǐng)域帶來(lái)了前所未有的發(fā)展機(jī)遇。企業(yè)能夠依據(jù)自身行業(yè)特點(diǎn)，在本地進(jìn)行模型訓(xùn)練，使得原本依賴于高性能服務(wù)器和穩(wěn)定網(wǎng)絡(luò)環(huán)境的邊緣設(shè)備得以煥發(fā)新生。此外，DeepSeek積極探索分布式計(jì)算與邊緣計(jì)算架構(gòu)的新路徑，通過(guò)將計(jì)算任務(wù)分布至更靠近數(shù)據(jù)源的邊緣節(jié)點(diǎn)，從而大幅減少對(duì)中央數(shù)據(jù)中心的依賴。這不僅有效緩解了數(shù)據(jù)傳輸過(guò)程中的延遲問(wèn)題和帶寬壓力，同時(shí)優(yōu)化了邊緣設(shè)備算力資源的利用效率，構(gòu)建了一個(gè)更加靈活高效的算力部署方案。

通過(guò)上述技術(shù)組合拳，DeepSeek R1實(shí)現(xiàn)了在保證模型性能的同時(shí)，大幅降低訓(xùn)練和推理的算力需求和成本。這使得人工智能技術(shù)的應(yīng)用門檻顯著降低，為更廣泛的應(yīng)用場(chǎng)景打開(kāi)了大門。

算力生態(tài)的重構(gòu)與資源再分配

DeepSeek R1的出現(xiàn)，不僅可能引發(fā)算力需求的增長(zhǎng)，還將深刻地重塑全球算力生態(tài)，并導(dǎo)致算力資源的重新分配。

首先，分布式革命與集中霸權(quán)競(jìng)爭(zhēng)。傳統(tǒng)人工智能發(fā)展模式往往依賴于“規(guī)模至上”的邏輯，追求超大規(guī)模模型和超大規(guī)模算力集群。DeepSeek R1的輕量化模型和開(kāi)源策略，降低了人工智能應(yīng)用的門檻，促進(jìn)了中端算力設(shè)施和分布式數(shù)據(jù)中心的普及。此前，美國(guó)科技公司曾計(jì)劃建設(shè)耗電量堪比紐約市的巨型數(shù)據(jù)中心，但在DeepSeek高效模型的影響下，此類超大規(guī)模基礎(chǔ)設(shè)施的必要性顯著下降。算力生態(tài)正在從單一“超大規(guī)模中心壟斷”模式轉(zhuǎn)向與“分布式蜂群網(wǎng)絡(luò)”競(jìng)爭(zhēng)的模式。

其次，產(chǎn)業(yè)鏈價(jià)值重新分配。在算力產(chǎn)業(yè)鏈上游，DeepSeek的出現(xiàn)使英偉達(dá)等GPU巨頭面臨需求結(jié)構(gòu)調(diào)整的挑戰(zhàn)。由于DeepSeek模型對(duì)算力效率的提升，以及分布式計(jì)算的興起，市場(chǎng)對(duì)高性能GPU的需求可能不再是無(wú)止境的擴(kuò)張，而是更加注重能效比和定制化。與此同時(shí)，寒武紀(jì)等ASIC芯片廠商或?qū)⒂瓉?lái)發(fā)展機(jī)遇。ASIC芯片可以針對(duì)特定的人工智能應(yīng)用進(jìn)行硬件加速，在能效比和成本控制上更具優(yōu)勢(shì)，更符合分布式算力發(fā)展的趨勢(shì)。在中游算力服務(wù)端，區(qū)域性數(shù)據(jù)中心憑借低時(shí)延和貼近應(yīng)用場(chǎng)景的優(yōu)勢(shì)，開(kāi)始承接制造業(yè)智能質(zhì)檢、金融風(fēng)控等對(duì)延遲敏感的應(yīng)用需求，迫使AWS、阿里云等云計(jì)算巨頭調(diào)整部分大型數(shù)據(jù)中心的建設(shè)投入，轉(zhuǎn)而加強(qiáng)邊緣計(jì)算和分布式算力布局。

在下游應(yīng)用端，國(guó)產(chǎn)算力成本的下降，將驅(qū)動(dòng)人工智能在制造業(yè)、金融、醫(yī)療等領(lǐng)域的滲透率倍增。例如，在代碼托管平臺(tái)GitHub上，已涌現(xiàn)出大量基于DeepSeek模型的集成應(yīng)用案例（awesome deepseek integration）。同時(shí)，中國(guó)各地省市紛紛上線R1模型，加速人工智能的區(qū)域化、本地化部署。越來(lái)越形成形成“需求牽引供給”的正向循環(huán)，實(shí)現(xiàn)“算力+行業(yè)”的雙向賦能。這種趨勢(shì)正在形成“需求牽引供給”的正向循環(huán)，實(shí)現(xiàn)“算力+行業(yè)”的雙向賦能。人工智能技術(shù)將加速滲透到各行各業(yè)，成為推動(dòng)產(chǎn)業(yè)升級(jí)和經(jīng)濟(jì)發(fā)展的重要引擎。

最后，探索低碳AI發(fā)展路徑，在效率提升和能源可持續(xù)性之間尋求平衡。DeepSeek通過(guò)算法架構(gòu)優(yōu)化和硬件能效協(xié)同，在單次運(yùn)算能耗控制方面取得了突破性進(jìn)展。通過(guò)MLA與MoE技術(shù)融合、強(qiáng)化學(xué)習(xí)（RL）的深度應(yīng)用、稀疏化訓(xùn)練等核心技術(shù)，DeepSeek大幅壓縮了單次計(jì)算的經(jīng)濟(jì)成本和能源消耗。據(jù)測(cè)算，DeepSeek模型單位計(jì)算任務(wù)的能耗較傳統(tǒng)稠密模型下降超過(guò)50%，單位計(jì)算碳排放強(qiáng)度降至行業(yè)平均水平的1/3。這為推進(jìn)綠色數(shù)據(jù)中心建設(shè)和實(shí)現(xiàn)碳中和目標(biāo)提供了關(guān)鍵的技術(shù)支撐。

更重要的是，DeepSeek通過(guò)“低能耗+分布式”模式，顯著降低了高性能AI對(duì)傳統(tǒng)能源的依賴。分布式與邊緣計(jì)算架構(gòu)，將計(jì)算任務(wù)分散到靠近數(shù)據(jù)源的邊緣設(shè)備處理，有效減少了對(duì)集中式數(shù)據(jù)中心的電力依賴。同時(shí)，DeepSeek的高性能模型在實(shí)現(xiàn)同等效果時(shí)，與清潔能源耦合的能效顯著優(yōu)于傳統(tǒng)AI架構(gòu)。

分布式計(jì)算與邊緣節(jié)點(diǎn)的高效協(xié)同，不僅大幅降低了集中式數(shù)據(jù)中心對(duì)傳統(tǒng)能源的依賴，也使AI系統(tǒng)能夠更靈活地協(xié)調(diào)計(jì)算任務(wù)和清潔能源供給，更加適配可再生能源的波動(dòng)性特點(diǎn)。例如，在太陽(yáng)能充足的時(shí)段優(yōu)先調(diào)度計(jì)算任務(wù)，并借助優(yōu)化算法動(dòng)態(tài)匹配能源供給波動(dòng)，在棄風(fēng)棄光時(shí)段提升消納率20%以上，從而有效破解新能源消納難題。

杰文斯悖論：效率提升與需求擴(kuò)張

然而，DeepSeek R1的技術(shù)突破，在降低人工智能應(yīng)用門檻的同時(shí)，也可能引發(fā)“杰文斯悖論”。杰文斯悖論由19世紀(jì)經(jīng)濟(jì)學(xué)家William Stanley Jevons提出，他發(fā)現(xiàn)，隨著煤炭使用效率的提高，煤炭的消耗總量反而增加。這一悖論揭示了一個(gè)深刻的經(jīng)濟(jì)規(guī)律：效率的提升并不必然導(dǎo)致資源消耗的減少，反而可能因?yàn)槌杀窘档秃蛻?yīng)用范圍擴(kuò)大，刺激需求增長(zhǎng)，最終導(dǎo)致資源消耗總量增加。

微軟CEO Satya Nadella引用杰文斯悖論來(lái)解釋DeepSeek R1可能帶來(lái)的影響，可謂一針見(jiàn)血。他認(rèn)為，更實(shí)惠、更易于訪問(wèn)的人工智能技術(shù)，將通過(guò)更快的普及和更廣泛的應(yīng)用，導(dǎo)致需求的激增。隨著人工智能技術(shù)的門檻降低，過(guò)去由于成本限制而無(wú)法應(yīng)用人工智能的領(lǐng)域，例如中小企業(yè)、邊緣計(jì)算場(chǎng)景等，將涌現(xiàn)出大量新的應(yīng)用需求，從而導(dǎo)致算力調(diào)用密度指數(shù)級(jí)上升。

此外，新興應(yīng)用場(chǎng)景的爆發(fā)，也將加速算力需求的裂變。智能駕駛、具身機(jī)器人等前沿領(lǐng)域?qū)?shí)時(shí)算力的需求極為龐大，遠(yuǎn)超DeepSeek技術(shù)優(yōu)化的速度。即使單任務(wù)效率提升數(shù)倍，百萬(wàn)級(jí)智能終端的并發(fā)需求，仍將形成巨大的算力吞噬黑洞。

更進(jìn)一步，模型復(fù)雜性的提升，也可能在一定程度上抵消效率提升帶來(lái)的節(jié)能效果。為了探索通用人工智能（AGI）等前沿方向，模型參數(shù)規(guī)模不斷向萬(wàn)億級(jí)躍升，數(shù)據(jù)量也以年均30%的速度增長(zhǎng)。即使訓(xùn)練效率提升10倍，模型規(guī)模擴(kuò)大100倍，仍然會(huì)導(dǎo)致算力總需求凈增10倍。DeepSeek的高效算法或許能夠“追趕”數(shù)據(jù)增長(zhǎng)的速度，但難以從根本上逆轉(zhuǎn)算力需求的增長(zhǎng)曲線。

因此，DeepSeek R1的技術(shù)突破，雖然在單位算力能耗上取得了顯著降低，但從宏觀層面來(lái)看，很可能無(wú)法有效緩解人工智能發(fā)展對(duì)算力和能源的巨大需求。相反，技術(shù)普惠性引發(fā)的應(yīng)用爆發(fā)，以及模型復(fù)雜性的持續(xù)提升，可能會(huì)共同推動(dòng)算力需求的加速增長(zhǎng)，最終導(dǎo)致電力系統(tǒng)在需求激增的壓力下加速重構(gòu)。

算力的盡頭，依然是電力

盡管DeepSeek R1在算力效率上取得了突破，并可能推動(dòng)算力生態(tài)向分布式方向發(fā)展，但其技術(shù)進(jìn)步并不能改變?nèi)斯ぶ悄馨l(fā)展對(duì)能源的巨大需求。算力的盡頭，依然是電力。

DeepSeek等人工智能技術(shù)的突破，將不可避免地推高全球電力需求。“杰文斯悖論”的加速效應(yīng)，可能使全球電力需求曲線更加陡峭。盡管DeepSeek通過(guò)優(yōu)化算法、硬件適配等技術(shù)，顯著提升了人工智能算力效率，降低了單次任務(wù)的能耗，打破了人工智能應(yīng)用的經(jīng)濟(jì)門檻，但這種技術(shù)躍遷預(yù)計(jì)將同步觸發(fā)“杰文斯悖論”，能源消耗總量或?qū)⑼黄凭€性增長(zhǎng)模式，形成“效率提升-應(yīng)用擴(kuò)張-能耗躍升”的閉環(huán)。

國(guó)際能源署（IEA）的數(shù)據(jù)顯示，2022年全球數(shù)據(jù)中心耗電量已達(dá)460TWh，占全球總用電量的2%。預(yù)計(jì)到2026年，全球數(shù)據(jù)中心耗電量將擴(kuò)張至620-1050TWh。這意味著，未來(lái)幾年內(nèi)，數(shù)據(jù)中心的能源消耗將呈現(xiàn)指數(shù)級(jí)增長(zhǎng)趨勢(shì)。

面對(duì)如此巨大的能源需求，全球科技巨頭們已經(jīng)掀起了一場(chǎng)圍繞電力資源的爭(zhēng)奪戰(zhàn)。美國(guó)微軟與OpenAI等科技巨頭聯(lián)合發(fā)起了“星際之門計(jì)劃”，計(jì)劃耗資千億美元，在2030年前建成全球最大的AI超算集群。“星際之門”的目標(biāo)是建設(shè)5-10個(gè)數(shù)據(jù)中心園區(qū)，每個(gè)園區(qū)設(shè)計(jì)功率約為100兆瓦，總電力需求將達(dá)到5GW-10GW級(jí)別。這相當(dāng)于數(shù)個(gè)大型城市的用電量。

“電力缺口可能成為AI時(shí)代的卡脖子問(wèn)題”，這正在成為行業(yè)共識(shí)?？萍季揞^對(duì)清潔能源的大規(guī)模投資和搶占，本質(zhì)上是對(duì)新一輪工業(yè)革命核心資源的爭(zhēng)奪。誰(shuí)掌握了充足、廉價(jià)、綠色的電力資源，誰(shuí)就將在人工智能時(shí)代的競(jìng)爭(zhēng)中占據(jù)更有利的位置。需要舉具體的案例。

四家擁有大模型業(yè)務(wù)的美國(guó)科技公司——微軟、亞馬遜、谷歌、Meta仍然堅(jiān)持“大力出奇跡”的策略，即大規(guī)模算力投資。2024年，美國(guó)科技四巨頭的資本支出均達(dá)到歷史最高點(diǎn)，總額高達(dá)2431億美元，同比增長(zhǎng)63%。預(yù)計(jì)2025年，它們的資本支出總額將超過(guò)3200億美元，總增速約為30%。

巨額的資本支出，主要用于購(gòu)買算力設(shè)備，建設(shè)數(shù)據(jù)中心，以支撐人工智能業(yè)務(wù)的快速發(fā)展。這些科技巨頭們相信，更高的算力投入，能夠帶來(lái)更好的模型性能和更快的技術(shù)迭代速度。在商業(yè)競(jìng)爭(zhēng)中，算力的質(zhì)量代表的是速度問(wèn)題，更高算力通常帶來(lái)更好的效果。短期內(nèi)節(jié)省算力固然重要，但從長(zhǎng)遠(yuǎn)來(lái)看，算力需求只會(huì)螺旋上升，面向未來(lái)投資算力才是更重要的戰(zhàn)略選擇。英偉達(dá)2025年2月6日其股價(jià)單日漲幅超5%，市值重回3萬(wàn)億美元，也回應(yīng)了這個(gè)趨勢(shì)，反映了市場(chǎng)對(duì)算力芯片（如GB200芯片）放量的預(yù)期。

這些科技巨頭們之所以敢于如此大手筆地投入算力，一方面是因?yàn)樗鼈?ldquo;錢袋子”依然富余，凈利潤(rùn)和現(xiàn)金流能夠支撐高強(qiáng)度的算力投資；另一方面，巨額的算力投資也已經(jīng)產(chǎn)生了實(shí)際回報(bào)，“云+AI”業(yè)務(wù)的收入和利潤(rùn)正在快速增長(zhǎng)，這進(jìn)一步刺激了它們加大算力投資的力度。谷歌、微軟等巨頭在2025年Q1財(cái)報(bào)中披露，AI業(yè)務(wù)資本開(kāi)支同比增35%，表明算力擴(kuò)張仍在持續(xù)，電力需求韌性顯現(xiàn)。

除去科技公司，主權(quán)國(guó)家和地區(qū)也同步進(jìn)入到算力的競(jìng)賽當(dāng)中。歐盟委員會(huì)于2025年2月宣布的“Invest AI”計(jì)劃，擬通過(guò)公共和私人資金調(diào)動(dòng)總額2000億歐元，核心目標(biāo)是建設(shè)4座AI超級(jí)工廠，配備約10萬(wàn)顆最先進(jìn)AI芯片（是目前歐洲在建工廠的4倍），專注于訓(xùn)練復(fù)雜AI模型。其中，200億歐元專門用于設(shè)立歐洲基金支持這些工廠。日本、沙特、印度等國(guó)家也紛紛將算力主權(quán)納入國(guó)家戰(zhàn)略。

中國(guó)路徑：效率、可持續(xù)性與分布式協(xié)同

面對(duì)全球人工智能發(fā)展的新趨勢(shì)，以及算力與能源的挑戰(zhàn)，中國(guó)需要探索一條具有自身特色的發(fā)展路徑。DeepSeekR1的技術(shù)突破，為我們提供了一個(gè)重要的啟示：在人工智能發(fā)展中，效率和可持續(xù)性同樣重要，甚至比單純的算力堆砌更為關(guān)鍵。

中國(guó)在人工智能發(fā)展上，既要仰望星空，追求前沿技術(shù)的突破，也要腳踏實(shí)地，注重應(yīng)用場(chǎng)景的落地。DeepSeek R1和V3的出現(xiàn)，代表了一種相對(duì)低算力、高表現(xiàn)的技術(shù)路線，這符合中國(guó)國(guó)情和發(fā)展階段的實(shí)際需求。對(duì)于中國(guó)而言，在算力資源相對(duì)緊張的情況下，更應(yīng)該注重效率優(yōu)化，通過(guò)技術(shù)創(chuàng)新，提升單位算力的價(jià)值，降低對(duì)能源的消耗。

同時(shí)，中國(guó)也要清醒地認(rèn)識(shí)到，優(yōu)秀的硬件在人工智能發(fā)展過(guò)程中仍然不可替代。算法的優(yōu)化固然重要，但更好的硬件意味著更低的訓(xùn)練時(shí)間和更高的效率。尤其是在人工智能前沿研究領(lǐng)域，例如AI for Science，仍然需要足夠的算力進(jìn)行支持。因此，中國(guó)在發(fā)展高效算法的同時(shí)，也要加強(qiáng)在算力基礎(chǔ)設(shè)施領(lǐng)域的投入，構(gòu)建自主可控的算力底座。

未來(lái)，人工智能領(lǐng)域的競(jìng)爭(zhēng)，將是前沿技術(shù)創(chuàng)新和應(yīng)用場(chǎng)景落地的雙線競(jìng)爭(zhēng)。既要“卷前沿”，在基礎(chǔ)理論和核心技術(shù)上取得突破，也要“卷應(yīng)用”，將人工智能技術(shù)廣泛應(yīng)用到各行各業(yè)，創(chuàng)造實(shí)際價(jià)值。有能力的企業(yè)，必然是“兩手都要抓，兩手都要硬”，既要布局前沿技術(shù)，也要深耕應(yīng)用場(chǎng)景。

在能源戰(zhàn)略上，中國(guó)應(yīng)堅(jiān)持效率優(yōu)先、綠色發(fā)展的原則，在效率與可持續(xù)性之間尋找平衡。DeepSeek的分布式算力架構(gòu)，為我們提供了一個(gè)重要的方向：通過(guò)分布式革命，瓦解算力集中壟斷的格局，構(gòu)建更加靈活、高效、綠色的算力網(wǎng)絡(luò)。

更進(jìn)一步，算力分布式革命，應(yīng)與分布式能源革命協(xié)同推進(jìn)。通過(guò)將算力設(shè)施與分布式能源（如光伏、風(fēng)電）相結(jié)合，構(gòu)建“源-荷-儲(chǔ)-算”協(xié)同的新型電力系統(tǒng)。分布式算力可以作為新型電力系統(tǒng)的“荷”，通過(guò)智能調(diào)度算法，與分布式能源的波動(dòng)性出力相匹配，實(shí)現(xiàn)“電-算協(xié)同”，提升清潔能源的消納能力，降低電力系統(tǒng)的風(fēng)險(xiǎn)。

分布式算力革命與分布式能源革命的協(xié)同發(fā)展，將倒逼電網(wǎng)進(jìn)化，加速傳統(tǒng)電網(wǎng)向智能電網(wǎng)轉(zhuǎn)型。智能電網(wǎng)需要具備動(dòng)態(tài)負(fù)荷優(yōu)化分配、實(shí)時(shí)響應(yīng)能力，以適應(yīng)分布式能源和分布式算力的需求。這將推動(dòng)電力系統(tǒng)從傳統(tǒng)的“單向傳輸”模式，向“雙向互動(dòng)”、“源網(wǎng)荷儲(chǔ)”協(xié)同優(yōu)化的模式轉(zhuǎn)變，構(gòu)建更加清潔、高效、安全、可靠的現(xiàn)代能源體系。

結(jié)論：展望人工智能、算力與能源的未來(lái)

DeepSeek R1的出現(xiàn)，標(biāo)志著人工智能技術(shù)發(fā)展進(jìn)入了一個(gè)新的階段。效率優(yōu)化和成本控制，成為人工智能技術(shù)發(fā)展的重要驅(qū)動(dòng)力。然而，技術(shù)進(jìn)步并不能改變?nèi)斯ぶ悄軐?duì)算力和能源的巨大需求。杰文斯悖論提醒我們，效率提升并不必然導(dǎo)致資源消耗的減少，反而可能刺激需求增長(zhǎng)，最終導(dǎo)致資源消耗總量增加。

面對(duì)人工智能發(fā)展帶來(lái)的算力與能源挑戰(zhàn)，全球科技界和能源界需要攜手合作，共同探索可持續(xù)發(fā)展之路。一方面，要繼續(xù)加強(qiáng)技術(shù)創(chuàng)新，提升算力效率，降低單位算力能耗；另一方面，要大力發(fā)展清潔能源，構(gòu)建綠色算力基礎(chǔ)設(shè)施，推動(dòng)能源結(jié)構(gòu)的轉(zhuǎn)型升級(jí)。

在中國(guó)，我們應(yīng)堅(jiān)持效率優(yōu)先、綠色發(fā)展的原則，探索具有中國(guó)特色的AI發(fā)展路徑。通過(guò)技術(shù)創(chuàng)新、模式創(chuàng)新和政策引導(dǎo)，在效率與可持續(xù)性之間找到最佳平衡點(diǎn)，實(shí)現(xiàn)人工智能與經(jīng)濟(jì)社會(huì)、生態(tài)環(huán)境的和諧共生。算力分布式革命與分布式能源革命的協(xié)同推進(jìn)，將為中國(guó)構(gòu)建綠色、高效、智能的未來(lái)能源體系，贏得人工智能時(shí)代的競(jìng)爭(zhēng)優(yōu)勢(shì)，提供強(qiáng)勁的動(dòng)力。

作者信息

劉少軒

上海交通大學(xué)安泰經(jīng)濟(jì)與管理學(xué)院副院長(zhǎng)

上海交通大學(xué)中銀科技金融學(xué)院執(zhí)行院長(zhǎng)

陳鈺什

New Energy Nexus中國(guó)首席研究員，上海交通大學(xué)中銀科技金融學(xué)院博士后