科技巨头们的减排计划中存在一个“人工智能级”的漏洞

一句话看懂：彭博社最新分析指出，微软、谷歌、亚马逊等科技巨头在公开的碳排放承诺中，几乎都忽略了 AI 大模型训练和推理所产生的巨大电力消耗。这一“漏洞”意味着它们此前的气候目标可能严重低估了实际排放，AI 的算力扩张正在成为减排计划中最难填平的缺口。

事件核心：发生了什么

根据彭博社 2026 年 7 月 2 日的报道，大型科技公司近年来纷纷公布了雄心勃勃的碳中和时间表，但它们的减排规划普遍存在一个关键盲区：生成式 AI 和大型语言模型（LLM）的能源成本。随着 OpenAI 的 GPT 系列、Google 的 Gemini、Meta 的 Llama 以及各类开源模型的参数规模和用户量激增，支撑训练和推理所需的 GPU 集群耗电量呈指数级增长。报道指出，科技巨头在设定 2030 年或 2040 年减排路径时，并未将 AI 算力扩张带来的额外电力需求充分纳入测算。这种“人为疏漏”导致其公布的碳排放基线可能偏低 30% 至 50%，尤其是在数据中心新建潮加速的背景下。

为什么重要

这一发现动摇了科技行业减排承诺的公信力。目前全球超过 70% 的大模型训练依赖 NVIDIA 的 GPU，而单次训练一个千亿参数级别的模型耗电量可达数千兆瓦时。如果 AI 的能源成本被系统性低估，那么科技巨头的“净零”目标实际上失去了数据基础。此外，当微软、谷歌和亚马逊同时在云计算和 AI 推理 API 服务上竞争时，谁能在算力扩张与能耗控制之间找到真正的平衡，谁才可能在未来的监管和市场双重压力下占据主动。开源模型的普及也带来新的难题：本地部署和边缘推理虽然降低了推理延迟，但分散的算力设备同样会增加总能耗，而这些能耗往往不计入科技巨头自身的排放账单。

对用户/开发者/创作者的影响

对于使用 AI API 的开发者来说，这一漏洞可能直接转化为成本上涨。数据中心电费是云服务商定价的核心要素之一，如果科技公司被迫正视能耗缺口，将很可能提高 API 调用价格，或者对高耗时的推理任务（如图像生成、长文档分析）设置配额限制。对于依靠 Stable Diffusion、Midjourney 或 DALL·E 进行内容创作的创作者而言，这意味着更高的创作成本，以及生成式 AI 工具的准入门槛可能被抬高。此外，企业在采购 AI 服务时，未来或许会面临来自客户或 ESG 评级机构关于“你的模型使用多少绿色电力”的数据审核，小型开发团队如果托管在非绿色数据中心，其产品的合规风险将上升。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

值得关注的后续

• 能源采购变化：微软和谷歌是否会在近期公布专项的“AI 算力电力协议”，例如直接与核电站或大型光伏电站签署长期购电合同（PPA），以专供训练集群使用。
• 硬件效率竞争：NVIDIA 的下一代 GPU 以及 AMD、Intel 的 AI 芯片能否通过降低推理功耗来缓解能耗压力，这将直接影响云厂商的定价策略和模型部署方式。
• 监管反应：欧盟和美国能源部是否会将“AI 模型训练碳排放披露”纳入强制性报告要求，一旦落实，所有在欧美提供 AI 服务的公司都需要重新核算其碳足迹，开源模型的开发者也可能面临注释义务。

来源：www.bloomberg.com