2021 年马斯克在推特上宣布特斯拉因环保问题将不再接受比特币付款导致币价暴跌、引发人们对 PoW 挖矿模式环境影响的担忧，Web3 社群至今仍记得这事。

2025 年，马斯克旗下的 xAI 正在构建可能是全球最大的 AI 超级计算集群，各国政府争相立法以推动 AI 创新，而几乎没有人再质疑其能源消耗问题了。

无论是 AI 所需的数据中心能源消耗，还是比特币网络的运营维护所需的能源消耗，二者开始竞赛角逐，并且前者呈现超过后者的趋势。

“我们几乎无法真正掌握 AI 的实际电力消耗”

近期一篇发表在科学期刊《Joule》上的同行评议论文指出，到 2025 年底，AI 的电力消耗可能占全球数据中心电力使用量的 49%，超过比特币广为人知的“能源胃口”。

论文作者、阿姆斯特丹自由大学博士候选人、长期比特币能耗批评者 Alex de Vries-Gao 发现，到 2026 年 1 月，AI 的电力需求可能达到 23 吉瓦，相当于每年约 201 太瓦时（TWh）的电量。而目前比特币的年耗电量约为 176 TWh。

他在 LinkedIn 上写道：“科技巨头们对这个趋势心知肚明，像谷歌这样的公司甚至提到，在扩展数据中心容量的过程中遇到了‘电力容量危机’。但与此同时，这些公司并不愿公开相关数字。”

“自从 ChatGPT 引爆 AI 热潮以来，我们从未见过类似的能耗增长。这导致我们几乎无法真正掌握 AI 的实际电力消耗。”

不同于比特币透明、可由算力直接估算的能耗，AI 的能耗呈现出刻意不透明的状态。微软和谷歌在其 2024 年环境报告中承认电力使用和碳排放大幅增加，主要原因是 AI，但它们只披露了整个数据中心的总消耗，而没有细分 AI 的具体占比。

由于科技公司拒绝披露 AI 的能耗数据，de Vries-Gao 转而追踪芯片供应链。他选择分析台积电（TSMC）的封装产能，因为几乎所有先进 AI 芯片都需要台积电的技术。

研究发现：仅英伟达在 2023 和 2024 年就分别使用了台积电 CoWoS（先进封装）产能的约 44% 和 48%。再加上 AMD 的份额，仅这两家公司就足以制造出足以消耗 3.8 吉瓦电力的 AI 芯片，其他厂商还未计入。

de Vries-Gao 的模型预测显示，在不新增更多产能的前提下，到 2025 年底 AI 的总耗电可达 23 吉瓦。而台积电已确认将在 2025 年再次将 CoWoS 产能翻倍。

科技巨头的行动

电力需求不太可能放缓。英伟达和 AMD 宣布创纪录营收，OpenAI 也宣布了名为 Stargate 的超级数据中心项目，计划投资高达 5000 亿美元。事实上，AI 已成为科技行业中最赚钱的业务——任何一家科技巨头的市值都已超过整个 3.4 万亿美元的加密货币市场。因此，环境问题被暂时搁置了。

对电力能源的强劲需求，一方面迫使科技巨头必须采取行动更新能源获取方式，另一方面我们也看到 DePIN 正越来越发挥更大作用。

6 月 3 日，Meta 已与 Constellation Energy 签署了一项采购核电能源的为期 20 年的协议，标志着 Meta 首次正式进军核能领域，以满足数据中心日益增长的电力需求。

从 2027 年 6 月起，Meta 将从 Constellation 位于伊利诺伊州的克林顿清洁能源中心（Clinton Clean Energy Center）购买约 1.1 吉瓦的能源——该核电站唯一一座反应堆的全部产出。双方表示，这项长期协议将支持电厂的持续运营及其许可证续期。倘若没有 Meta 的承诺，这座自 2017 年以来一直依赖零排放电力补贴运营的电厂，原本可能面临关闭风险。

这项协议还将使克林顿核电站的发电能力增加 30 兆瓦，尽管具体条款尚未披露。值得注意的是，该电厂并不会直接为 Meta 的数据中心供电，而是继续向区域电网输电，同时助力 Meta 实现 100% 清洁能源的目标。

Constellation 总裁兼 CEO Joe Dominguez 表示：“我们很自豪能够与 Meta 合作……他们认识到，支持现有核电站的续期与扩建，与开发新型能源同样重要。很多时候，前进的关键第一步，是别再往后退。”

谷歌最近承诺资助三座新核能项目的开发，此前还与小型模块化反应堆（SMR）开发商 Kairos Power 展开合作。亚马逊去年 10 月也投入超 5 亿美元开发 SMR，并在 2024 年 3 月收购了一座由 Susquehanna 核电站供能的数据中心园区。今年 3 月，亚马逊、谷歌和 Meta 还联合签署了由世界核能协会发起的倡议，呼吁到 2050 年全球核能产能提升三倍。

DePIN 的助力

DePIN 通过区块链、分布式节点、资源共享获取收益的特点成为补足能源消耗的另一种方式。

以对算力需求巨大的 AI 大语言模型为例，传统的中央处理器（CPU）在处理大规模并行计算时效率较低，因此通常采用 GPU 加速训练和推理过程。然而即使采用 GPU，依然难以满足大语言模型训练和推理对计算资源的需求。AI 芯片（如谷歌的 TPU）和量子计算都被视作 AI 时代所需的计算方式。

训练一个大型模型可能需要数天甚至数周的时间，并且消耗大量的电力。据估计，GPT-3 训练过程消耗的能源相当于一个家庭使用数年的电量。这种高能耗不仅对环境造成负面影响，还增加了运行成本，带来了可持续性问题。

以 DePIN 领域去中心化云计算为例，通过将闲置的算力资源接入云计算区块链网络，将高性能、低延迟、低费用的算力资源提供给算力需求方，以“闲置算力资源上链”的方式获得收益，充分利用算力资源的同时让算力资源充分流动参与市场机制，既避免了浪费又解决了算力瓶颈问题。

结语

2025 年底，AI 可能会消耗全球数据中心近一半的电力，这还没有将比特币的能源消耗纳入进来。预计随着 AI 技术的流行，清洁能源、可再生能源将会受到更多的关注和投入。将能源源头转变为核电能源是一种方式，在能源分配方式进行变更的 DePIN 是一种方式。和 PowerBeats 共同保持关注。

联系我们和加入社区

Follow and Join us

Telegram：@PecPowerversechain

Telegram 社区：https://t.me/PowerVerseChain

X：https://x.com/PowerVerseChain

声明：本文为 PowerBeats 的原创文章，不构成投资及应用建议，欢迎将本文分享给更多好友，媒体、品牌和相关平台转载时需注明来源于 PowerBeats。