【專欄】DeepSeek衝擊：高效AI引發的能源需求新挑戰

文/蔡鎤銘（淡江大學財務金融學系兼任教授）

引言

隨著人工智慧（AI）技術的飛速發展，能源消耗問題日益受到關注。近期，中國大陸的AI初創公司DeepSeek推出了其最新的R1模型，聲稱在計算效率上取得了重大突破。然而，這一高效能的AI技術是否真的能減少總體能源需求，還是會引發新的能源挑戰？本文將探討DeepSeek技術的影響，並分析其可能帶來的能源問題。

DeepSeek的技術突破與能源效率

DeepSeek的R1模型以其高效能和低能耗引起了廣泛關注。據報導，該模型的單位計算任務能耗比傳統稠密模型降低了超過50%，單位計算碳排放強度降至行業平均水平的1/3。這一突破主要得益於DeepSeek在算法架構和硬體能效協同方面的優化，例如融合了MLA（Machine Learning Accelerator）與MoE（Mixture of Experts）技術，以及強化學習（Reinforcement Learning）的深度應用和稀疏化訓練等核心技術。

此外，DeepSeek採用了「低能耗+分佈式」的模式，將計算任務分散到靠近資料源的邊緣設備處理，有效減少了對集中式資料中心的電力依賴。這種分佈式計算與邊緣節點的高效協同，不僅降低了傳統能源的依賴，還使AI系統能夠更靈活地協調計算任務和清潔能源供給，更加適應可再生能源的波動性特點。

傑文斯悖論：效率提升與需求擴張

然而，DeepSeek的技術突破可能引發所謂的「傑文斯悖論」（Jevons Paradox）。19世紀經濟學家威廉·斯坦利·傑文斯（William Stanley Jevons）發現，隨著煤炭使用效率的提高，煤炭的總消耗量反而增加。這一悖論揭示了一個深刻的經濟規律：效率的提升並不必然導致資源消耗的減少，反而可能因為成本降低和應用範圍擴大，刺激需求成長，最終導致資源消耗總量增加。

在DeepSeek的案例中，雖然單次運算的能耗顯著降低，但由於AI應用門檻的下降，可能會導致AI技術在各行各業的滲透率大幅提升。例如，製造業、金融、醫療等領域可能會廣泛採用AI技術，以提高生產效率和服務質量。這種需求的激增可能最終導致整體能源消耗的增加，抵消單次運算能耗降低所帶來的節能效果。

AI發展對能源行業的影響

DeepSeek的技術突破對能源行業也產生了深遠的影響。傳統觀點認為，擴大AI規模需要大量投資，包括更多的晶片、建立更龐大的資料中心，以及消耗指數倍增的能源。美國勞倫斯伯克利國家實驗室2024年的一份報告顯示，2023年美國資料中心消耗了全國約4.4%的電力，預計到2028年，這一數字可能增加一至三倍，佔總用電量的12%。

在此背景下，能源巨頭們對AI帶來的電力需求顯示出極大熱情。2024年12月，埃克森美孚（ExxonMobil）和雪佛龍（Chevron）的高管分別公開表示，他們正在積極考慮進入電力市場，計劃通過天然氣發電和碳捕獲技術，為AI資料中心提供動力。埃克森美孚表示，計劃建造一座1.5吉瓦（GW）的天然氣發電廠，專門用於為資料中心供電。

然而，DeepSeek的低成本訓練模式讓行業對大規模AI算力投資產生懷疑，也極大降低了能源需求預期。DeepSeek的突破性在於，它僅用2048個英偉達（Nvidia）H800晶片運行兩個月，訓練成本560萬美元，就獲得了媲美OpenAI最先進模型GPT-4的性能。相比之下，OpenAI和谷歌（Google）訓練同等規模模型的成本高出十倍左右。

未來展望：平衡效率與能源需求

雖然DeepSeek提高了能源使用效率，但行業對其能否打破電力需求瓶頸仍處於觀望態度。哥本哈根大學計算機科學家拉加文德拉·塞爾萬（Raghavendra Selvan）表示，DeepSeek意味著我們可以在更大的資料集上開發更大的模型，並吸引更多人參與開發，這有利於技術民主化，但也會增加總能耗。他還指出，如果這些模型更加高效，人們將借此處理更多資料，能源消耗也會增加，這就傑文斯悖論的典型案例。

因此，能源政策與市場機制的調整將成為未來的關鍵。各國政府可能需要重新考慮AI基礎設施的能源配給策略，例如對高耗能AI應用徵收額外電費、推動綠色AI標準，甚至限制某些領域的無序擴張。例如，歐盟已經在討論針對資料中心碳足跡的監管措施，而美國也在考慮對AI行業的用電模式進行更精細的調控，以確保電網穩定性。

結語

DeepSeek的技術突破在AI發展史上是一個重要的里程碑，展示了高效計算的潛力，並在降低單次運算能耗方面取得了顯著成效。然而，隨著AI應用門檻的降低與需求的急速擴張，總體能源消耗仍可能大幅提升，甚至加劇全球電力緊張局勢。為了應對這一挑戰，未來AI產業發展需要與能源政策、綠色技術、電網建設協同發展，確保科技進步不以能源過度消耗為代價。