在科技革命和能源革命交匯的除电大時代，要破解AI與電力的力焦虑矛盾，需在技術、除电政策與市場三者之間找到支點。力焦虑未來的除电勝負手，不在於“省電”或“發電”的力焦虑單點突破，而在於能否構建一個“效率—需求—可持續”的除电動態平衡係統。

我國人工智能公司深度求索（DeepSeek）的力焦虑橫空出世，像一顆投入湖麵的除电石子，激起了全球科技與能源市場的力焦虑雙重漣漪。其發布的除电開源大模型堪稱“低成本、高效率”的力焦虑典範，僅用超低訓練成本和能耗，除电便實現了一流性能。力焦虑一時間，除电歐美芯片巨頭股價震蕩，輿論場爭論不休：電力還會是AI發展的緊箍咒嗎？

DeepSeek的突破，本質上是一場“減法革命”。它通過輕量化模型架構和開源策略，大幅降低了訓練與部署成本，讓中小企業也能輕鬆搭建AI係統。傳統AI巨頭訓練同等模型的成本是其10倍，而DeepSeek模型的能耗僅為行業平均值的零頭。

AI的“電力焦慮”，第一次被技術撕開了一道裂縫。這種效率提升直接動搖了能源市場的預期。此前，行業普遍認為AI將推動電力需求爆發式增長——美國預測到2030年數據中心用電量將翻番，甚至占總需求的12%。但隨著DeepSeek問世，讓“AI必催生電力饑荒”的邏輯遭到質疑。一些業內人士認為，電力需求增長的預測可能需要重新計算。

然而，技術省電未必等於總量省電。這裏藏著一個經濟學陷阱——傑文斯悖論：1865年，經濟學家威廉·斯坦利·傑文斯提出，當技術進步提高了效率，資源消耗不僅沒有減少，反而激增。例如，瓦特改良的蒸汽機讓煤炭燃燒更加高效，但結果卻是煤炭需求飆升。

DeepSeek也可能引發類似效應，省下的每千瓦時電，都可能變成點燃新需求的火種。

一來，門檻降低，需求激增。中小企業、科研機構甚至個人開發者湧入AI領域，分布式數據中心遍地開花，總能耗可能不降反升。二來，應用場景爆發。更便宜的AI將滲透醫療、教育、製造等傳統領域，催生海量新需求。考慮到AI擴展性是無限的，能耗可能呈指數級躍升。DeepSeek短期緩解了單位能耗壓力，但長期可能因技術門檻降低而推高整體電力需求。若放任市場野蠻生長，可能在某個時刻帶來嚴重的電力短缺，最終導致相關產業發展受限。

雖然無法阻擋電力需求大幅攀升，但也不必過於沮喪。DeepSeek的出現依然賦予了能源轉型更多希望。過去一段時間，能源企業對接入DeepSeek表現出了極大的熱情。中國石油昆侖大模型已正式完成DeepSeek大模型私有化部署，為昆侖大模型優化應用效果、縮短研發周期、構建健康生態提供了新引擎。國家電網旗下國網信通產業集團研發的模型服務雲平台，也已全麵接入DeepSeek大模型，二者深度融合將提高平台智能化生產能力，提升電網數字化項目研發效率。中國石化、中國海油等能源央企也相繼宣布接入DeepSeek開源大模型。

在科技革命和能源革命交匯的大時代，要破解AI與電力的矛盾，需在技術、政策與市場三者之間找到支點。

在技術端，核心辦法是降低芯片和算法的耗電量。更先進的生產工藝可以大幅降低處理器能耗，根據庫梅定律，每隔18個月，相同計算量所需要消耗的能量會減少一半。從1946年第一台電子計算機誕生至今，相同的計算量所需能耗僅是當時的數萬分之一。即便在能耗一降再降的今天，依然可以通過芯片能效提升、算法優化與邊緣計算結合，進一步壓縮單位能耗。

在政策端，需引導數據中心盡可能使用低碳的可再生能源，推動綠色電力與算力一體化融合發展。鼓勵各類算力資源向國家樞紐節點聚集，避免低效重複投資。設立AI能效標準，防止低效模型泛濫。

在市場端，高度靈活的電力交易機製是關鍵。可鼓勵分布式新能源參與綠電交易，引導數據中心通過參與綠電綠證交易等方式提高可再生能源利用率，以優化資源配置，降低用電成本。

AI與電力，注定將是一場交替前行的馬拉鬆。DeepSeek的崛起，揭開了AI與能源關係的新篇章，它證明電力未必是絕對瓶頸，但若放任技術狂歡，也可能埋下新的隱患。未來的勝負手，不在於“省電”或“發電”的單點突破，而在於能否構建一個“效率—需求—可持續”的動態平衡係統。