由于高昂的能源成本和监管的不确定性，ChatGPT 开发商 OpenAI 已暂停其名为“Stargate UK”的旗舰数据中心项目。该项目原属于一项耗资310亿英镑（约 400 多亿美元）的宏大投资计划，旨在扩大英国的人工智能（AI）基础设施。
该计划最初拟部署8000块GPU，并计划最终扩展至31000 块。其核心目标是提升英国的“主权算力（Sovereign Compute）”能力，即通过建设本土基础设施支持AI研发，减少对国外系统的依赖。
然而，该公司目前已停止了开发进程。OpenAI 发言人表示：
“……我们支持政府成为AI领军者的雄心。AI算力是实现这一目标的基础。我们将继续调研 Stargate UK 项目，并在监管环境和能源成本等条件能够支撑长期基础设施投资时，再推行该项目。”
能源成本成核心制约因素
问题的症结在于能源。AI 数据中心运行GPU阵列和冷却系统需要消耗海量电力。
在英国，工业电价处于发达经济体中的最高水平。近期估算显示，英国电价约为每兆瓦时168英镑，而法国仅为69英镑，德克萨斯州仅为38英镑。这一巨大的成本差距使大规模数据中心投资处于明显的竞争劣势。
AI工作负载属于能源密集型。一个大型数据中心的耗电量相当于数万个家庭的总和。随着 AI 普及率的提高，这种需求正在迅速增长。
根据国际能源署（IEA）的预测，全球数据中心的耗电量可能从 2024 年的约 415 亿千瓦时（TWh）飙升至 2030 年的 1,000 亿千瓦时以上。这一增长很大程度上是由 AI 驱动的。
来源：IEA
结论显而易见：能源已不仅仅是一项经营成本，它已成为决定 AI 基础设施选址的关键因素。
监管层面的潜在风险
能源只是挑战的一部分，监管政策也在拖慢投资步伐。在英国，围绕AI规则（尤其是训练数据的版权法）的不确定性令企业犹豫不决。
此前有关允许AI公司使用受版权保护内容的提案在遭到抵制后被撤回，这导致企业在合规性方面缺乏明确的指导。
对于大型基础设施项目而言，这种不确定性增加了风险。数据中心需要数十亿美元的前期投入，在投入资本之前，企业需要稳定的政策环境。
此外，规划审批的延迟和电网接入的时间表也增加了阻力，进一步推高了成本并拉长了项目周期。高昂的能源成本与监管不确定性交织在一起，为超大规模 AI 基础设施的建设创造了艰难的环境。
OpenAI全球基础设施：布局更趋理性
尽管暂停了英国项目，这家ChatGPT制造商仍在全球范围内扩张。通过与微软（Microsoft）、英伟达（NVIDIA）和甲骨文（Oracle）合作，该公司正大举投资AI基础设施。此外，它还与美国一项更大规模、耗资5,000亿美元的“Stargate”计划相关联，专注于构建下一代 AI 数据中心。
与此同时，该公司也面临着成本攀升的压力。有报告显示，随着OpenAI为满足需求而扩大基础设施规模，其每年的亏损可能达数十亿美元。
这反映了行业的整体转型：AI 正变得越来越像能源或电信基础设施，需要巨额资本投入、极长的周期以及稳定的经营环境。此次暂停也揭示了一个更深层的问题：AI 的增长正在加剧能源系统和环境的压力。
每一条AI查询背后隐藏的碳成本
ChatGPT及类似工具依赖大型数据中心。这些设施目前约占全球电力消耗的1%至1.5%。由于多种变量影响，对其未来能源消耗的预测差异很大。
单次查询的影响看似微不足道——一次典型的ChatGPT请求耗电量约为 0.3 瓦时，处于较低水平。但随着规模的扩大，情况发生了变化。
目前ChatGPT服务于数亿用户，即便是微小的单次功耗，累积起来也非常可观。而模型训练的能耗则更为惊人。例如，训练GPT-3需要约1287兆瓦时的电力，并产生约550公吨的二氧化碳。
更新、更大的模型能耗更高。据估计，训练GPT-4这种先进模型可能会排放高达15000公吨的二氧化碳，具体取决于能源来源。
从系统层面看，其影响正在快速增长。仅在2025年，AI系统就可能产生3260万至 7970万吨的二氧化碳排放。到2030年，AI 驱动的数据中心每年可能新增 2,400 万至 4,400 万吨二氧化碳排放。
注： 不同情景下 2024-2030 年 AI 服务器的碳排放量（单位：克）。图表 e-g 中的红色虚线表示根据过往文献预测的美国数据中心碳足迹。
展望未来，如果增长趋势持续，到 2035年全球生成式AI的年排放量可能达到2.45亿吨。这些数据呈现出一个清晰的模式：虽然能效在提高，但总需求的增长速度远超效率的提升。
科技巨头在 AI 增长与减排之间寻求平衡
OpenAI 尚未发布详尽的独立净零排放目标。然而，其运营高度依赖合作伙伴（如微软），而微软已承诺到 2030 年实现负碳排放。
该公司承认能源消耗是一个现实担忧。其领导层指出，需要更多的可再生能源（包括核能和清洁电力）来支撑 AI 的增长。
在整个行业，企业正在通过以下几种方式进行应对：
优化模型效率： 降低单次查询的能耗。
投资可再生能源： 签署长期购电协议。
探索新型冷却系统： 减少水资源和能源消耗。
能效提升的效果已经显现。部分AI系统在一年内将单次查询能耗降低了30多倍，展示了技术的快速迭代。然而，由于需求规模的增长超过了效率的增益，总排放量仍在持续上升。
全球 AI 基础设施竞赛
英国项目的暂停突显了一个大趋势：AI 基础设施正演变为一场由能源、政策和成本决定的全球竞赛。
拥有较低电价和更快捷审批流程的地区正占据优势。美国和中东部分地区凭借廉价电力和支持性政策，正吸引着大规模的 AI 投资。
与此同时，各国政府也在努力吸引此类项目。英国虽承诺投入数十亿英镑支持 AI 增长并提升算力，但此案例表明，仅有政策雄心是不够的。企业需要的是可靠的能源供应、明确的规章制度和可预测的成本支出。
AI 的下一阶段：由能源而非代码决定
OpenAI的决定并不意味着缩减AI投资，而是反映了优先事项的转移。
企业在基础设施选址上正变得愈发挑剔，重点关注能够提供能源获取、成本稳定性和监管透明度最佳组合的地区。
英国项目未来仍有可能推进，但前提是环境有所改善。目前，信号非常明确：AI 的未来将不仅由技术塑造，还将取决于能源系统、政策框架以及长期的投资条件。
资料来源：carboncredits
参与评论 (0)