6月底，微软连续发布了一系列关于碳交易和清洁能源采购的重要声明，这些举措并非单打独斗，而是其激进战略的关键环节——其目的是为了应对人工智能（AI）和云服务迅猛发展所带来的排放量增加。
6月27日，微软与气候解决方案供应商Anew Climate以及林业碳移除平台Aurora Sustainable Lands签署了一份为期十年的合作协议。据此，微软将获得480万个基于自然的碳移除信用。这些信用是在美国超过42.5万英亩的林地，通过改进森林管理（IFM）的方式产生的。此外，该协议还进一步深化了双方在2024年的合作关系。
6月30日，微软与挪威奥斯陆的Hafslund Celsio达成一项长达10年的合作协议，决定采购共计110万吨的碳移除额度。这些额度源自挪威境内规模最大的垃圾转化为能源的工厂——Klemetsrud，该工厂的碳捕捉项目预计将在2029年开始正式运行。这工厂不仅是开创先河的，专为碳移除而设计的垃圾能源转化设施，而且为欧洲其他同类型工厂提供了可借鉴的、可复制的实施蓝图。
6月30日，微软携手Constellation，在美国宾夕法尼亚州的三哩岛核反应堆重启工程中扮演关键角色，此举旨在为PJM电网注入大量新增的、可靠的、无碳电力资源。这一行动不仅彰显了微软在实现自身成为碳负排放公司的宏伟目标上的坚定决心，而且超越了单纯的碳排放信用抵消，转而追求通过直接获取无碳能源来支持其运营。
6月30日，微软与Agoro Carbon达成一项为期12年的合作，承诺提供260万个碳移除信用。这些信用源自美国作物与牧场项目，通过实施再生农业技术产生，如覆盖作物种植、减少耕作次数以及优化放牧模式等。除了实现碳封存，这些措施还有助于提升土壤健康、增强土壤保水能力、丰富生物多样性以及增强对极端天气的抵御能力。
汇总这些协议中涉及的碳移除信用，我们能够直观地观察到微软在较短的时间内为实现其碳负排放目标所付出的显著努力。特别是，这些协议累积的碳移除信用总量高达令人瞩目的850万吨。
尽管微软借助碳交易及清洁能源采购等协议，在碳减排与持续发展领域实现了显著成就，然而，在数据中心机房内，用于训练大型AI模型的GPU集群正以每小时数兆瓦的能耗高速运转。
人工智能的能耗问题与碳信用市场的热烈追捧看似形成了一种对立，实则揭示了科技行业巨头在应对“碳足迹”盲点时所面临的复杂困境。
AI繁荣与碳排放：难以调和的根本矛盾
科技巨头正深陷于一种自我强化的困境：AI技术的迅猛发展，一方面促进了全球经济的数字化转型，另一方面却成为了碳排放失控的主要推力。
微软、谷歌、Meta等公司虽然宣称将实现“零排放”，但它们在人工智能算力需求急剧上升的背景下，电力消耗大幅增长，这使得实现减排目标的难度越来越大。这一现象反映出一种严峻的现实——人工智能的迅猛发展与碳减排的渐进努力，正逐渐陷入不可解决的矛盾之中。
微软发布的2025年环境报告揭示，相较于2020年，其总体排放量上升了23.4%，这一增长主要得益于人工智能和云计算的迅猛发展。人工智能与云计算业务的快速扩张，对大量数据中心的支持形成了巨大需求。在数据中心的建设与运作阶段，广泛采用了碳含量较高的建筑材料，诸如钢铁与水泥；此外，AI运算依赖于高性能的计算机芯片，而在芯片的生产过程中，会涉及某些具有高全球变暖潜力的化学成分，比如六氟乙烷，其温室效应是二氧化碳的9200倍。此外，数据中心在运行过程中对电力的需求量极大，然而，截至目前，全球电网的低碳化转型速度尚未能够完全满足微软能源需求增长的步伐。
微软并非唯一，谷歌最新数据显示，2024年其总碳排放量攀升至1150万吨二氧化碳当量，这一数字比2023年增加了11%，与2019年相比更是增长了51%。AI技术的迅猛发展是导致谷歌碳排放量上升的关键因素，AI业务的能源消耗显著上升，进而促使数据中心能耗不断升高。
6月，国际电信联盟（ITU）发布的报告显示，人工智能的迅猛发展正导致全球电力需求迅猛增加，其中数据中心电力消耗的增长速度是整体电力消费增长速度的四倍。在各大企业中，亚马逊的运营排放量增长最为显著，2023年与2020年相比增长了182%；微软的增长率为155%；而Meta和Alphabet的增长率分别为145%和138%。
然而，AI产业链的碳排放问题不仅仅局限于运营阶段，上游环节如半导体制造和建筑材料等，形成了难以突破的减排障碍。以微软为例，其97%的碳排放源自供应链（即范围3），过去五年间这一比例增长了26%。类似的情况也出现在谷歌身上，根据谷歌最新发布的报告，2024年谷歌总碳排放量的上升主要归因于供应链排放的增长，其中范围3排放当年增幅高达22%。
这一现象引发了核心疑问：技术更新的速度、成本的有效管理以及实现碳中和的宏伟目标，三者之间似乎构成了一个难以克服的“不可能三角”，而科技巨头们关于减排的承诺，正逐渐变成一场与时间赛跑的绝望较量。
破局之路：从技术狂飙到责任重构
碳信用并非所谓的“赎罪券”，或许解决问题的关键并不在于购买更多的碳信用，而在于重新构建人工智能发展的根本逻辑。我们应当深思：AI模型的效率提升是否能够超越能源消耗的增长？科技巨头是否能在追求商业利益与维护地球生态之间寻得一个平衡点？
中国探索在探索中似乎找到答案——通过能源革命反哺算力革命。
DeepSeek在年初备受瞩目，它运用了混合专家（MoE）等先进技术，在推理过程中能够灵活地激活部分参数。这一特性使得DeepSeek在计算量上相较于传统的密集模型（例如GPT-3）有了显著减少。具体来说，DeepSeek-MoE模型只需激活一小部分参数就能完成相同的任务，以DeepSeek-V3为例，尽管它拥有6710亿个参数，但每次推理时仅激活其中的370亿个参数。这种稀疏激活技术大幅提高了计算效率，与传统密集型模型（例如GPT-3）相比，其计算需求大幅降低。此外，这种“神经开关”的设计还显著降低了单次推理的能耗。
Sam Altman，作为OpenAI的创始人，曾明确指出：“AI发展的最大障碍在于能源问题。”然而，我国的实践却揭示了另一个可能的突破方向——“电力即算力”。设想一下，当宁夏的风电资源能够像数据包一样，根据需求灵活调配到深圳的AI服务器，届时全球的算力分布格局将发生根本性的转变。
在未来的竞争格局中，可能胜出的并非单纯是算力最为卓越的企业，而是那些能够在技术创新与持续发展之间寻得最佳平衡点的公司。若不然，一旦气候的临界点被越过，即便是再强大的人工智能，也无法为人类创造一个适宜居住的未来。
新京报零碳研究院研究员 陶野 编辑 陈莉 校对 吴兴发
