AI的胃口太大了¶
如果你今天用 ChatGPT 问一个问题，它消耗的电量大约是 Google 搜索的 10 倍。
这不是一个遥远的预测——这是此时此刻正在发生的事。每一次你和 AI 对话、让它生成一张图、写一段代码，背后都是一排排服务器在疯狂运转，而这些服务器的电费账单，正在让整个科技行业头皮发麻。
台积电在上周的财报会上说了一句话让所有人沉默了："AI 芯片的需求增长太快，台湾的电力供应已经跟不上了。"他们正在紧急转向海上风电，但这远远不够。
美国电网同样承压。弗吉尼亚州是全球数据中心最密集的地方，当地电力公司 Dominion Energy 预测，到 2030 年数据中心的用电量将翻三倍。三倍是什么概念？相当于再多造一个纽约市的电网。
一位数据中心运营经理在 Reddit 上匿名发帖："上个月我们的电费账单是 230 万美元。老板看完沉默了整整五分钟。然后他说：'不能让 AI 停下来。'这就是我们现在的生活。"
硅谷的疯狂解法：把服务器扔进海里¶
面对这场电力危机，硅谷的工程师们开始做一些听起来像科幻小说的事。
今年 4 月，一家名为 Nautilus Data Technologies 的初创公司拿到了 2 亿美元融资，他们要做的只有一件事——把数据中心建在海上。不是建在船上，是直接把服务器泡在海水里冷却，用海浪发电。
原理其实不复杂：数据中心最大的耗电来源不是计算本身，而是散热。空调、风扇、冷却系统占了总能耗的 40% 以上。海水天然就是一个无限大的散热器，而且完全免费。
马斯克也没闲着。xAI 在孟菲斯的超级计算机集群"Colossus"已经扩张到 20 万块 GPU，他们直接在旁边建了一座天然气发电站。是的，一家 AI 公司开始自己发电了。
更激进的是核电路线。微软去年签了一份合同，重启三里岛核电站——就是 1979 年发生美国最严重核事故的那个。Sam Altman 本人投资了核聚变公司 Helion，号称 2028 年就能并网发电。
这些人的算盘很简单：AI 不能停，电不够用，那就自己造。
内存也不够用了¶
电不是唯一的瓶颈。
美光科技的 CEO Sanjay Mehrotra 在上周的行业峰会上抛出一个警告："AI 时代才刚开始，但内存已经不够了。"三星和 SK 海力士的高带宽内存（HBM）产能已经被长协合同锁到了 2027 年。任何一家 AI 公司想临时加单？不好意思，排队。
这就是为什么我们看到一个奇怪的现象：AI 能力在指数级提升，但每一代新模型的训练成本也在指数级飙升。DeepSeek V4 的训练成本据传超过 5 亿美元，而就在两年前，GPT-4 的 1 亿美元训练费还被称为"天文数字"。
MemVerge 公司 CTO 打了个比方："我们现在的情况就像高速公路上突然涌入了 100 倍的车辆，但路还是那么宽。车再好也没用，堵死了。"
这对普通人意味着什么¶
你可能觉得数据中心耗电跟自己没关系。但有两个信号值得关注：
第一，AI 的免费时代正在结束。字节跳动的豆包已经推出了三档付费订阅，最高一档每月 500 元。OpenAI 的 GPT-5.5 虽然目前免费，但"Pro"级别的深度推理功能每月 200 美元。这不是割韭菜——算力确实贵，而且越来越贵。
第二，你的电费可能也会涨。当一个地区的数据中心密集到一定程度，电网扩容的成本会分摊到所有居民头上。爱尔兰的数据中心已经占到了全国用电量的 21%，当地居民的电费在过去三年涨了 35%。
但硬币的另一面是：这种压力正在倒逼出真正的技术创新。海水冷却、小型核反应堆、光子计算芯片……当年摩尔定律快走到尽头时，人们也说"完了"，然后 3D 堆叠和 Chiplet 又续了十年命。
一位在谷歌数据中心工作了八年的工程师说："2018 年我以为 AI 的瓶颈是算法，2022 年以为是数据，到了 2026 年我发现，瓶颈是物理——是电、是水、是地皮、是把几十万块芯片塞进一栋楼里不烧起来的本事。这才是真正的硬核科技。"
最后的思考¶
AI 行业正在经历一个微妙的转折：从"能不能做得更好"变成"能不能做得更省"。过去五年，所有人都在卷模型参数、卷 benchmark 分数。现在，真正的竞赛变成了：谁能在更少的电、更少的芯片、更少的水资源下，做出同样好甚至更好的 AI。
DeepSeek 之所以让硅谷震动，不是因为它的模型比 GPT 强，而是因为它用十分之一的算力做出了接近的效果。这才是真正的"降本增效"。
下一个改变游戏规则的可能不是某个天才的算法突破，而是某个工程师在冷却系统上的一次巧妙设计，或者一种新型内存的诞生。
AI 的未来不是赛博朋克，是电力工程师的春天。