AI智能体“狂饮”电力，数据中心扩建潮席卷硅谷

从聊天机器人到智能体：AI的“胃口”变了

过去几年，我们习惯了与ChatGPT这样的聊天机器人对话——输入一个问题，等待几秒钟，获得一段文字回复。这种交互模式虽然惊艳，但其背后的计算负荷相对可控。然而，硅谷正在经历一场静默的范式转移：从简单的对话式AI，转向能够自主规划、推理并执行多步骤任务的代理式AI（Agentic AI）。

代理式AI不再只是“回答问题”，而是“采取行动”。它可以浏览网页、调用API、编写代码、操作软件，甚至在无人监督的情况下完成复杂的业务流程。这意味着每一次任务执行，都可能涉及数十次甚至上百次模型调用、工具交互和环境反馈。WIRED记者Molly Taft在报道中指出，这种转变正在将AI的能源需求推向一个全新的量级。

“硅谷正从聊天机器人查询转向一个充满资源密集型代理式AI的未来——而这正在推动数据中心的扩建。” —— WIRED

电力：AI时代的新瓶颈

训练一个大语言模型已经足够耗电，但推理——也就是模型实际运行、响应用户请求的过程——才是长期能源消耗的大头。代理式AI将推理的复杂度和频率提升到了前所未有的水平。一个传统的聊天查询可能只消耗几瓦时的电力，而一个代理式AI任务，例如自动完成一份市场调研报告，可能需要连续运行数小时，调用多个模型和工具，消耗的电力是前者的数百倍。

科技巨头们已经感受到了压力。微软、谷歌、亚马逊和Meta都在最新财报中承认，AI相关的资本支出正在急剧上升，其中很大一部分流向了数据中心建设和电力采购。微软甚至与核聚变初创公司Helion签署了购电协议，谷歌则投资了小型模块化核反应堆。这些看似遥远的能源布局，恰恰说明了问题的紧迫性：没有足够的电力，就没有足够的AI。

数据中心的军备竞赛

在美国弗吉尼亚州北部，被称为“数据中心走廊”的区域，已经集中了全球最大的数据中心集群。但这里的电力供应正在逼近极限。根据行业报告，到2030年，美国数据中心的电力需求可能翻倍，占到全国总用电量的8%以上。而在爱尔兰、新加坡等数据中心密集地区，政府已经开始限制新建数据中心的电力接入。

这场竞赛不仅仅是数量上的扩张，更是技术上的升级。传统的风冷数据中心正在被液冷系统取代，以应对GPU集群越来越高的热密度。英伟达的GB200 NVL72机架，单机架功耗高达120千瓦，相当于数十个普通家庭的用电总和。为了满足这种需求，科技公司正在探索从天然气到核能的各种供电方案，甚至考虑将数据中心建在电力过剩的偏远地区。

能源与环境的双重压力

AI的能源饥渴与全球气候目标之间存在着日益尖锐的矛盾。虽然科技公司纷纷承诺使用100%可再生能源，但现实是，数据中心的快速扩张往往依赖当地电网中仍以化石燃料为主的电力结构。亚马逊、微软和谷歌的碳排放量在近年来不降反升，部分原因正是AI数据中心的扩张。

批评者指出，科技行业正在将AI的环境成本外部化，由全社会承担。而支持者则认为，AI最终将通过优化电网、加速清洁能源研发等方式，抵消自身的碳足迹。这场辩论远未结束，但有一点是明确的：AI的能源问题，已经从技术圈的边缘话题，变成了影响行业走向的核心变量。

编者按：效率与规模的赛跑

代理式AI的兴起，标志着AI从“玩具”向“工具”的转变。但这种转变并非没有代价。每一次AI智能体自主完成一项任务，背后都是真实的电子在服务器间奔涌，是冷却塔中蒸发的水，是电网中燃烧的天然气或铀原子裂变释放的热量。

问题的核心在于：我们能否在AI能力指数级增长的同时，让能效也实现指数级提升？历史告诉我们，计算效率的提升往往会被更大的需求所吞噬——这就是所谓的“杰文斯悖论”。更高效的AI模型，可能会催生更多、更复杂的应用场景，最终导致总能耗不降反升。

硅谷的答案似乎是“建设更多”。但地球的答案可能是“没有更多”。在这场AI与能源的赛跑中，胜利者不会是拥有最大模型的公司，而是那些能够以可持续方式提供算力的玩家。代理式AI的未来，不仅取决于算法有多聪明，更取决于我们能否为它的“思考”找到足够的清洁电力。

本文编译自WIRED