一句话看懂：科技巨头因AI大模型训练和推理的电力消耗，温室气体排放量在过去两年内显著攀升。这一趋势挑战了行业此前承诺的碳中和目标，并可能影响AI基础设施的扩张速度与选址策略。
事件核心：发生了什么
根据彭博社报道，多家主要科技公司最新发布的可持续发展报告显示，其碳排放量增长与AI工作负载扩张高度相关。以谷歌、微软、亚马逊为代表的企业，其数据中心电力需求因大规模部署AI训练集群和推理服务而急剧增加。微软在2024年年度报告中指出，其范围三排放（供应链相关）已较2020年基线增加约30%，主要归因于数据中心建设所需的钢铁、混凝土及芯片制造。同时，谷歌的报告也显示，其数据中心能源消耗同比增长超过20%，而公司整体碳排放量自2023年以来上升了近50%。这些增长直接源于支持大模型训练、图像生成以及API端点密集推理运算所需的算力基础设施。
为什么重要
这一现象揭示了AI快速商业化的环境成本。当前，模型参数量持续增长，训练一次顶尖大模型的电力消耗可达数兆瓦时，而推理环节——即用户通过ChatGPT、Gemini等产品发起真实请求的过程——在实际运营中的能耗甚至超过训练阶段。对于科技巨头而言，碳排放激增意味着其面向投资者和监管机构的ESG承诺面临可信度挑战。这可能迫使企业调整算力扩张节奏，或加大对清洁能源合同、碳抵消项目的投入。此外，部分国家和地区可能因此出台更严格的数据中心能源效率标准，进而影响AI基础设施的部署密度和选址决策，例如限制在电网压力较大的区域新建大型数据中心。
对用户/开发者/创作者的影响
对于普通用户，碳排放成本不会直接体现在产品定价上，但可能反映在服务可用性上。例如，低电量模式下的推理速度限制、非高峰时段响应优先级的调整，都有可能被技术公司引入以平衡能耗。对于开发者而言，调用API时可能面临更高的使用成本——部分平台已开始按“计算时长+碳排放费”双因子计价。此外，模型和推理框架的选择也可能受影响：更节能的小模型或开源模型（如Llama、Qwen）在成本与环保上的优势会更突出。对内容创作者而言，使用AI图像与视频生成工具时，生成的复杂度和频率可能会被限制，以控制单次请求的能耗。
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。
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
首先，技术层面：科技公司是否会大规模切换至更高效的专用AI芯片（如定制ASIC）以降低单位任务的功耗？其次，政策层面：欧盟或美国能源部是否会对数据中心提出强制性能效标准或碳排放上限？最后，商业竞争格局：无法承担高昂清洁能源成本的中小模型开发团队，是否因基础设施成本劣势进一步边缘化？这些将直接影响2025至2026年AI生态的走向。
