AI能耗激增背后：大模型的环境成本与人类认知代价

最新研究揭示，DeepSeek-R1 70B模型在处理单一问题时平均排放4.8克二氧化碳，相当于5瓦灯泡持续运行2小时的碳排放量，在14款开源大模型中成为碳排量最高的代表。这一数据出自昨日发布的能效研究报告，该研究对比了当前主流AI模型的能源效率，发现推理模型的能耗普遍达到非推理模型的4-6倍，而准确率提升却相对有限。

研究同时指出一个值得关注的现象：AI模型在处理抽象代数等复杂问题时存在明显的“过度思考”倾向——计算资源消耗最高，但准确率反而最低。与此形成对比的是Cogito 70B模型，它在准确率达到84.9%的同时，碳排放量比DeepSeek-R1降低了34.3%，展现出更优的能效平衡。研究团队据此建议，开发者和企业应根据任务复杂度匹配适当规模的模型，避免在简单任务中滥用大型模型造成的能源浪费。

AI的代价不仅体现在环境层面。MIT近期实验招募54名大学生进行分组测试，发现使用GPT-4o辅助写作时，参与者的大脑神经连接强度明显减弱，记忆编码更浅层，创造力表现也显著下降。更值得警惕的是，长期依赖AI的参与者即使切换回自主写作，认知能力仍无法立即恢复，显示出某种认知惯性。这些发现为过度依赖智能工具的风险提供了神经科学层面的证据。

企业应用层面同样面临效率困境。麦肯锡最新报告指出“生成AI悖论”——尽管近80%的公司已采用AI技术，但同等比例的企业承认这些投资尚未带来实质性收益提升。分析认为，症结在于多数企业简单地将通用AI工具嵌入现有工作流程，而非围绕AI能力重构业务流程。这种“新瓶装旧酒”的做法难以释放技术潜能。

随着全球算力需求持续攀升（沙特AI公司Humain近期刚与英伟达达成1.8万颗AI芯片采购协议），AI产业正站在效率革命的十字路口。降低环境成本与保持人类认知能力的平衡，将成为技术演进中不可回避的双重挑战。

---

综合自新浪科技《14款大模型能耗爆炸：DeepSeek竟然第一》1、麻省理工认知实验报道及麦肯锡“生成AI悖论”分析，数据截至2025年6月21日。