碳討｜AI耗電引發碳信用狂歡，看科技巨頭“碳盲區”治理困局

6月底，微軟在碳交易和清潔能源採購領域密集發佈重大公告，這些協議並非孤立舉措，而是其激進戰略的核心組成部分——旨在抵消因人工智能（AI）和雲業務快速擴張導致的排放增長。

6月27日，微軟與氣候解決方案提供商Anew Climate及林業碳移除平臺 Aurora Sustainable Lands 達成10年協議，獲取480萬個基於自然的碳移除信用，這些信用通過改良森林管理（IFM）在美國超 42.5萬英畝林地生成。該協議擴展了雙方2024年的合作。

6月30日，微軟與挪威奧斯陸的Hafslund Celsio簽署了一項爲期10年的協議，購買110萬噸碳移除信用。這些信用將來自挪威最大的垃圾轉化能源工廠Klemetsrud的碳捕獲項目，該項目預計2029年投入運營。這不僅是“史上首次”專爲碳移除改造的垃圾轉化能源工廠，還爲歐洲其他類似工廠提供了可複製的路線圖。

6月30日，微軟與Constellation合作重啓美國賓夕法尼亞州的三哩島核反應堆，爲PJM電網重新引入大量新增可靠無碳電力，直接支持微軟成爲碳負排放公司的總體目標。這一舉措表明，微軟的戰略超越了僅通過碳移除信用抵消排放，而是主動爲運營獲取直接無碳能源。

6月30日，微軟與Agoro Carbon宣佈一項12年協議，將交付260萬個碳移除信用。這些信用通過美國作物與牧場項目採用再生農業實踐生成，包括覆蓋作物、少耕和改良放牧等方法。除碳封存外，這些實踐還帶來土壤健康改善、保水能力增強、生物多樣性增加和極端天氣適應力提升等協同效益。

將這些協議的碳移除信用進行彙總，我們可以清晰地看到微軟在短期內爲實現其碳負排放目標所做出的巨大努力。具體而言，這些協議的碳移除信用總量達到了驚人的850萬噸。

儘管微軟通過這些碳交易和清潔能源採購協議，在碳移除和可持續發展方面取得了顯著進展，但在數據中心機房中，訓練AI大模型的GPU集羣正以每小時兆瓦級的能耗狂奔。

AI耗電與碳信用狂歡看似矛盾的博弈，揭開了科技巨頭在“碳盲區”治理中的深層困局。

AI繁榮與碳排放：難以調和的根本矛盾

科技巨頭正陷入一場自我強化的悖論：AI技術的爆發式增長，既推動全球經濟數字化轉型，又成爲碳排放失控的關鍵推手。

微軟、谷歌、Meta等企業一邊承諾“淨零排放”，一邊因AI算力需求激增導致電力消耗飆升，使減排目標愈發遙不可及。這一矛盾揭示了一個殘酷現實——AI的指數級進步與碳減排的線性努力，正走向不可調和的衝突。

微軟2025年環境報告顯示，其總排放量較2020年增長23.4%，AI和雲計算是主要驅動因素。AI和雲計算業務的快速發展需要大量數據中心的支持。數據中心的建設和運營過程中，使用了大量的碳密集型材料，如鋼鐵和混凝土；AI運算需要高性能的計算機芯片，而芯片製造過程中會使用一些高全球變暖潛能的化學物質，例如六氟乙烷，這種物質的溫室效應是二氧化碳的9200倍。此外，數據中心的運營需要大量的電力，而目前全球電網的去碳化進程尚未完全跟上微軟的能源需求增長。

不只微軟，根據谷歌的最新數據，2024年穀歌的總碳排放量達到1150萬噸二氧化碳當量，較2023年增長11%，較2019年增長51%。AI的快速發展也是谷歌碳排放增長的主要原因，AI業務的能源需求大幅增加，推動了數據中心的能耗上升。

6月國際電信聯盟（ITU）的報告指出，人工智能的快速增長正在推動全球電力需求急劇上升，數據中心的用電量增長速度比整體電力消費增長速度高出四倍。亞馬遜的運營排放量增長最大，2023年相比2020年增長了182%；微軟增長了155%；Meta和Alphabet分別增長了145%和138%。

然而，AI產業鏈的碳足跡遠超運營階段，半導體制造、建築材料等上游環節構成難以逾越的減排壁壘。微軟的案例尤爲典型，其97%的碳排放來自供應鏈（範圍3），過去五年攀升26%；不只是微軟，谷歌的最新報告指出，2024年穀歌的總碳排放量升高主要也是由供應鏈排放增長所致，範圍3排放當年上升22%。

這引發了關鍵質疑：技術迭代速度、成本控制與碳中和目標彷彿形成“不可能三角”，科技巨頭的減排承諾正淪爲一場與時間的絕望賽跑。

破局之路：從技術狂飆到責任重構

碳信用不是“贖罪券”，真正的破局之路或許不在於購買更多碳信用，而在於重構AI發展的底層邏輯。是時候追問：AI模型的效率革命能否超越能耗增長？科技巨頭能否在商業利益與地球生存之間找到平衡？

中國探索在探索中似乎找到答案——通過能源革命反哺算力革命。

年初大火的DeepSeek採用混合專家（MoE）等技術，在推理時動態激活部分參數，相比傳統密集模型（如GPT-3）可大幅降低計算量。DeepSeek-MoE模型僅需激活小部分參數即可完成同等任務，例如，DeepSeek-V3擁有6710億參數，但每次推理僅激活370億參數。這種稀疏激活機制使得計算效率大幅提升，相比傳統密集模型（如GPT-3），計算量顯著減少，且這種“神經開關”設計使得單次推理能耗顯著降低。

OpenAI創始人Sam Altman曾斷言：“AI的終極瓶頸是能源。”而中國的實踐表明，真正的突破點或許是“電力即算力”——當寧夏的風電可以像數據包一樣，按需調度至深圳的AI服務器時，全球算力格局將迎來根本性變革。

未來，真正的贏家或許不是算力最強的公司，而是能在技術創新與可持續發展之間找到最優解的企業。否則，當氣候臨界點被突破時，再強大的AI，也無法爲人類編寫一個宜居的未來。

新京報零碳研究院研究員 陶野 編輯 陳莉 校對 吳興發