标签: ai
中国为什么要开源大模型？中美联合起挣钱不好吗？中国搞个华约，美国搞个北约。各自收
中国为什么要开源大模型？中美联合起挣钱不好吗？中国搞个华约，美国搞个北约。各自收割小弟们不好吗？这是目前在X上讨论非常热烈的话题，作者表示，现在中美这样对抗下去只会两败俱伤！7月16日，月之暗面正式发布了KimiK3。这款模型总参数规模达到2.8万亿，是全球首个开源的3万亿级别模型，基于自研的KDA混合线性注意力机制和注意力残差技术构建，原生支持视觉理解，上下文窗口达到100万token。在FrontendCodeArena前端代码竞技场上，K3以1679分登顶全球第一，压过了Anthropic的ClaudeFable5的1631分。连马斯克都在测评推文下留了一句“Impressive”。X上那位网友的焦虑，就源于此。他的逻辑是：美国本来想靠数万亿美元投资建立起AI大模型的绝对优势，再配合英伟达高端GPU的硬件护城河，把全球AI产业攥在手里。以后全世界想用AI，都得向美国交API订阅费，这买卖比印钞还来钱快。结果中国半路杀出来，直接把KimiK3这么强的模型开源了。印度可以下载，菲律宾可以下载，甚至连日本开发者都能免费拿到权重，买点显卡就能攒出自己的大模型。这样一来，中国因为开源根本没挣到钱，美国那几万亿投资也被搅黄了，回不了本。两边还得不断往里砸钱迭代，这不是恶性竞争、让全球得利是什么？这说法乍一听挺有道理，但有一个致命漏洞：把“开源”和“不要钱”画上了等号，事实上，开源闭源都只是商业策略。闭源怎么挣钱大家都很清楚，按API调用次数收费，或者卖企业订阅。但开源同样可以挣钱，路子一点也不少。就拿这次KimiK3的定价来说，它的API输出价格是每百万token100元人民币，输入（缓存未命中）是20元。跟ClaudeFable5一比——后者输出高达每百万token50美元（约338.88元）——K3依然只有它的三分之一左右。这就是开源的商业逻辑：免费权重是广告牌，API是收费站。开发者可以下载权重自己部署，但绝大多数企业根本没有足够的算力和技术实力去跑一个2.8万亿参数的模型。最终，他们还是会回到官方API上，享受优化过的性能和稳定性。开源降低了试用门槛，建立了信任，然后把流量导向付费服务。这种模式在行业内已经被验证过了。彭博社科技记者走访发现，美国开发者、初创公司和顶尖学术机构正大规模接纳中国开源AI技术，有超过90%的美国科研人员在研究中使用中国模型。Cursor的联合创始人公开承认，其新代码模型正是基于月之暗面的开源模型KimiK2.5开发的。回到X上那个帖子。那位网友的担忧，其实站错了出发点。他默认中美AI竞争是一场零和博弈，一方赢了另一方就必须输。但现实是，中国选择开源，根本目的不是“搞死美国”，而是在用另一种方式参与全球竞争。这条路的核心逻辑是：既然在闭源赛道上短期内难以超越OpenAI和Anthropic，那就换一条赛道跑。开源能吸引全球开发者共建生态，能快速迭代技术，能降低企业接入门槛。而且，当中国开源模型在全球范围内被广泛使用时，它就变成了事实上的行业标准。纵观这场关于AI开源的争论，核心误解在于将“开源”等同于“放弃商业利益”。事实上，KimiK3这类开源模型的商业逻辑清晰可见：开源权重降低试用门槛、建立开发者信任，再通过API调用、企业服务实现后端变现。月之暗面将K3的输出定价定为每百万token100元，虽高于国产同行，却仅为ClaudeFable5的三分之一，正是“开源引流、API变现”策略的价格锚点。从产业格局看，中国AI选择开源路线有其深层逻辑。作为追赶者，开源能快速吸引社区参与迭代；中国企业的商业化场景更偏向B端落地，开源可大幅降低客户接入门槛。据英国《金融时报》2025年底的报道，中国开源AI模型在全球下载总量中的占比已达17%，首次超过美国的15.8%。HuggingFace的数据也显示，中国模型已深度嵌入全球AI供应链，美国领先模型也基于DeepSeek微调。硅谷对中国开源的警觉，恰恰印证了这条路径正在生效——当开源模型能力逼近闭源模型、成本却只有其几分之一时，市场的选择天平已经开始倾斜。但开源路线并非没有代价。K3定价大幅提升后，面对DeepSeekV4Pro等极致性价比对手，能否维持开发者黏性仍是考验。同时，官方坦承K3整体表现仍与Fable5和GPT-5.6Sol存在差距。这些短板说明中国开源模型在工程体验和成本控制上仍有优化空间。中美AI之争的真正胜负不在于谁把谁“搞死”，而在于谁能建立更健康的产业生态。X上那种“对抗必败”的悲观论调，显然低估了中国选择“另一条路”的战略意图。信源：环球网
2.8万亿参数大模型部署门槛从16卡升至64卡，输出定价15美元较前代涨价223
2.8万亿参数大模型部署门槛从16卡升至64卡，输出定价15美元较前代涨价223%。月之暗面发布2.8万亿参数开源大模型KimiK3，引发市场对AI算力与产业链影响的聚焦。尽管K3的KDA机制压减75%的KV缓存引发算力需求衰减担忧，但其896个专家的MoE架构将最小部署门槛从16卡拉升至64卡超节点。单次前向计算超120次跨卡交换叠加100万token长上下文，使HBM与跨卡通信需求翻倍，驱动光互联与高端超节点量价齐升。商业化方面，K3输出定价达15美元/百万token，较前代涨价223%，打破低价内卷。同时，AI应用渗透引爆安全刚需，如Codex周活日均增长100万至总用户超900万，致漏洞数数十倍激增，推动单价60万元、毛利率90%的AI渗透测试系统集中落地，打开网安厂商增量空间。关注：中科曙光/浪潮信息/海光信息（算力设备与芯片，受益于超节点部署与算力需求），新易盛（光模块，受益于跨卡通信与互联需求翻倍），深信服/绿盟科技（网安厂商，受益于AI渗透引爆的安全防护刚需），智谱/阿里巴巴（大模型与云服务，受益于海量推理与高频调用）
【#环球时报社评#：中国AI大模型，为啥能再次轰动世界】导读：KimiK3大模
【#环球时报社评#：中国AI大模型，为啥能再次轰动世界】导读：KimiK3大模型的发布，见证了一种不同于西方封闭路径的“中国方案”，为“开源理念”的成功写下新注脚。中国AI大模型的技术赶超，属于中国，也属于世界近日，北京月之暗面科技有限公司发布新一代模型KimiK3，这是目前全球参数最大的开源模型。发布不到一天，KimiK3登顶国际权威的FrontendCodeArena（前端编程竞技场）排行榜，并在其他多项基准测试中表现不俗。外媒纷纷表示，KimiK3的表现“Impressive（令人印象深刻）”。KimiK3不仅在整个人工智能（AI）行业引发惊叹，也在硅谷和华盛顿引发“警觉”，甚至有美媒夸张地宣称中国“抹去了美国AI的领先优势”。面对纷繁复杂的国际声音，我们需要保持清醒的自我认知。一方面，进步确实值得骄傲。2.8万亿参数、百万词元上下文窗口、原生多模态理解，表明中国大模型在开源赛道上已具备世界级竞争力。另一方面，我们并未达到“全面超越”的地步。美国在最前沿闭源模型、芯片生态、人才集聚和商业闭环上仍拥有显著优势。说中国AI即将“战胜美国”，不排除只是在为美国加码对华芯片禁运、扩大技术封锁准备借口。中国AI的每一步都是踏实走出来的，其价值无需他人定义，更不应被外界的“捧杀”所误导。至于所谓“中国偷窃说”的鼓噪，是时候该歇歇了。这些噪音只是表达了部分西方舆论对“中国能持续创新”的不适应，本质上是习惯性的情绪发作。KimiK3取得突破的核心，在于自主研发的底层模型架构，以及一整套科学的模型训练方法，绝不是简单复制西方模型就能做到的。西方模型同样大量使用全球公开数据，包括来自中国的内容，凭什么指责中国是“偷窃”，他们就是“合法借鉴”呢？这明显是双标。事实上，开源与价格优势，正是KimiK3两大核心竞争力所在。与西方高估值闭源模型相比，它以更低成本提供接近前沿的性能。更重要的是，它让全球开源生态士气大振。据月之暗面表示，7月27日前，KimiK3的完整模型权重将会公布，全球开发者都可下载、部署、二次开发。这意味着全球顶级的大模型能力，不再只是少数公司的牟利工具，而是成为各国开发者共同的起点。目前中国AI开源大模型累计下载量突破100亿次，居全球首位。开源非但没有削弱中国企业的竞争力，反而让竞争力长在了全球创新生态之上，包括美国公司在内的全球中小企业都受益良多。这恰恰说明，AI不是零和博弈的赛场，而是全人类共同创新的沃土。如果说去年DeepSeek横空出世时，西方世界还普遍将其视为一次“意外突破”，或看作一个中国初创公司在特定条件下的“运气爆发”，那么上个月智谱旗舰模型GLM-5.2和如今KimiK3的登场，则已悄然改变这场叙事，让世界更多看到中国“可持续创新”的实力。中国大模型的不断突破，证明西方的技术封锁和打压不仅没有压垮中国，反而刺激了本土创新链的快速构建，展现出中国科技“限制下的韧性”。西方媒体对KimiK3或中肯、或夸张、或抹黑的评价里，藏不住对中国技术进步的客观认可，也藏不住对“围堵中国”失败的焦虑。KimiK3的发布正值2026世界人工智能大会暨人工智能全球治理高级别会议在上海举行之际。这并非巧合。它生动说明了中国AI技术突破的深厚土壤：庞大的理工科人才培养体系、海量真实应用场景、全产业链协同能力，以及国家战略层面的部署，这些正是构建中国AI技术可持续竞争力的根基。KimiK3的成就不只属于一家企业，它是中国AI生态蓬勃发展的代表。“人工智能发展不应该是某个国家的独奏，而应当是全球合作的交响。”习近平主席在2026世界人工智能大会暨人工智能全球治理高级别会议开幕式上说的这句话，被外媒广泛转引，引发全世界对数字时代的深层思考。KimiK3大模型的发布，见证了一种不同于西方封闭路径的“中国方案”，为“开源理念”的成功写下新注脚。中国AI大模型的技术赶超，属于中国，也属于世界。
日经亚洲戳破现实，印度企业集体转投中国AI，华盛顿措手不及一向偏向西方产业
日经亚洲戳破现实，印度企业集体转投中国AI，华盛顿措手不及一向偏向西方产业叙事的《日经亚洲》此次罕见客观披露行业真相：大量印度科技初创、金融、互联网企业主动放弃OpenAI、谷歌等美国闭源大模型，批量切换DeepSeek、千问、Kimi等中国开源AI，这股务实的商业浪潮完全超出华盛顿预判，让美国一手搭建的AI围堵联盟出现巨大裂痕，也直白印证技术封锁挡不住市场规律。一、印度企业转向中国AI，核心是实打实的商业刚需第一大驱动力是断崖式成本差距，也是日媒报道最硬核的数据支撑。OpenAI最新GPT-5.5每百万Token输出费用高达30至54美元，而DeepSeek输出最低仅0.51美元、Kimi上限4美元，同量级调用成本相差十倍甚至百倍。印度大量资金紧张的创业公司切换中国模型后，AI运营成本直接降低九成，智能客服、文档处理、代码生成等基础场景完全够用，美国高端模型性能严重过剩，高额定价对中小企业完全不友好。第二关键优势是开源可本地部署，精准契合印度的数据主权诉求。美国AI全部是闭源黑箱，数据必须上传海外云端，印度企业始终担忧核心用户信息不受管控；中国大模型开放权重，企业可下载至本土服务器独立微调、离线运行，数据全程留在印度境内，完美适配当地数字合规法规，解决企业最核心的数据安全焦虑。第三是印度本土AI自主化严重滞后。莫迪政府推出千亿卢比AI主权计划，试图打造国产大模型，但两年研发进度缓慢，没有成熟可用的商用产品，企业等不起产业发展周期；一边是美国随时可能断供、价格昂贵的AI服务，一边是性价比高、部署灵活的中国开源方案，市场自然做出务实选择。2026年6月数据显示，国际平台中国AI总调用Token达25万亿，比美国模型高出78%，印度市场增速翻倍，趋势不可逆。 二、为何华盛顿深感意外、陷入被动1.战略布局全盘落空印度是美国拉拢的核心盟友，主动拉其加入“硅和平”AI联盟，许诺共享先进技术，试图绑定印度共同限制中国AI、芯片产业链。可现实反差极具讽刺：印度刚签约不久，就遭遇Anthropic突然限制海外用户访问高端模型，切身体会美国技术“随时断供”的风险；一边是美国口头承诺不可靠，一边是中国AI稳定、低成本供应，印度企业用脚投票，直接瓦解美国印太AI围堵布局，白宫完全没预判到盟友会大规模倒向中国技术方案。2.全球AI定价与标准话语权失守长期美国依靠闭源模型垄断全球AI商用市场，掌握定价权；如今中国开源模型以极致性价比打开东南亚、南亚市场，倒逼全球AI定价体系重构。华盛顿担忧这套模式复制到中东、拉美，各国企业都会抛弃美国高价产品，美国AI企业营收持续流失，全球技术主导地位松动。3.舆论叙事不攻自破美国长期渲染“中国AI存在安全风险”，游说各国政府抵制中国模型。但印度企业大规模落地使用后，并未出现数据泄露、安全隐患等美方宣称的问题，反而靠本地部署解决合规难题，让美国用来限制中国AI的舆论说辞彻底失去说服力，盟友内部质疑声持续增加。三、日媒客观报道背后的行业真相日本媒体极少直白揭露美国科技策略的失效，这次如实公布价格、使用量、企业真实反馈，源于日本产业界同样感受到压力：美国高端AI、芯片管制不分盟友，日本企业同样承担高昂成本，市场更认可高性价比的中国开源方案。日经亚洲没有刻意抹黑中国AI，而是客观承认商业逻辑压倒地缘政治，道出一个核心事实：强行割裂全球化分工，违背企业生存发展需求，单边管制最终只会反噬自身产业。四、深层启示：地缘博弈赢不了市场选择印度集体转向中国AI这件事清晰证明：美国靠行政手段、联盟施压构筑技术围墙，只能短期延缓产业合作，无法改变企业追求低成本、高稳定供给的客观需求。中国坚持开源开放、均衡定价、支持本地部署的路线，精准抓住全球中小企业数字化刚需；反观美国闭源、高价、随时断供的模式，正在逐步失去全球市场信任。华盛顿的“惊讶”本质是霸权思维的落空：它默认所有盟友会无条件跟随自己对抗中国，却忽略各国企业生存与产业发展的现实诉求。这场AI市场的自然流动再次印证，自主创新带来的产业竞争力，不是关税、管制、联盟封锁能够阻拦的。
创业早报|2026.7.20星期一1.全球化企业级AI厂商帷幄完成4000
创业早报|2026.7.20星期一1.全球化企业级AI厂商帷幄完成4000万美元C3轮融资。（创业邦）2.智谱在杭州成立词元应用研究院公司，经营范围包含：人工智能基础软件开发；人工智能应用软件开发；软件开发等。（创业邦）3.携程与SeatUniqueGroup达成全球合作，F1、英超等将登陆携程平台。（新浪财经）4.天有为德国子公司克莱默获得奔驰品牌项目定点。（新浪财经）5.铜冠矿建公司中标宁德时代旗下大坪磷矿超深竖井工程。（新浪财经）6.波士集团与优必选签署仿生人形机器人销售战略合作协议。（36氪）7.上纬新材发布全球首个可变形个人机器人启元T1，将亮相WAIC2026。（36氪）8.黑芝麻智能完成对亿智的收购，端侧AI战略全面加速。（36氪）9.赛意信息：拟采购高性能算力服务器，合同总金额不超50.79亿元。（钛媒体）10.润邦股份：GENMA交付国内知名船厂一台300吨造船龙门吊。（钛媒体）11.心灵点滴：心如巨石，风吹不动。
A股半年报预告这波密集披露，真是把“冰火两重天”演绎到了极致。看着江波龙、新易盛
A股半年报预告这波密集披露，真是把“冰火两重天”演绎到了极致。看着江波龙、新易盛这些AI算力链的业绩狂飙，还有天齐锂业这种周期股的暴力反弹，第一反应是热闹，第二反应得冷静。177家预增超100%，这数据确实亮眼，但咱们得透过增幅看本质。现在的市场逻辑很清晰：AI硬件是从光模块到PCB的全链路兑现，属于产业趋势的实打实落地；而资源股更多是低基数下的价格弹性释放。最微妙的是周末那几家创业板公司的集中公告，在指数大跌后抛出预增，维稳意味不言而喻。别只盯着百分比兴奋，得警惕“利好兑现即利空”。像新易盛预告出来股价反而承压，说明市场早就把预期打满了。接下来选股，得学会剔除那些靠非经常性损益“虚胖”的，真正能穿越周期的，还得看扣非后的主业硬实力。在这个位置，甄别含金量比追逐涨幅更重要。多家A股公司业绩大幅预增
最近KimiK3一发布，不光国内用户讨论得热闹，美国科技圈也彻底炸开了锅。
最近KimiK3一发布，不光国内用户讨论得热闹，美国科技圈也彻底炸开了锅。不少海外网友翻出创始人杨植麟的履历，越看越觉得困惑——这位卡内基梅隆大学毕业的博士，明明是美国顶尖院校培养出来的顶尖人才，怎么最后没留在硅谷发展？网上各种猜测层出不穷，有人说美国H1B签证太难抽，有人吐槽移民政策卡得严，越传越像是美国留不住人。直到杨植麟的博士导师Russ亲自站出来发声，大家才发现，整件事和签证、政策根本没多大关系。这位导师不是普通的大学教授，他是当年苹果公司的AI业务负责人，在硅谷人脉极广。他亲口证实，当年自己专门找了苹果的高层对接，主动推荐杨植麟入职。哪怕杨植麟明确表示有回国的想法，苹果都退了一步，提出可以安排他进入北京分部工作，等于把留美发展和回国就业两条路都给他铺得平平整整。可杨植麟的回答始终很明确，他心心念念的不是进大公司拿高薪，而是回到中国自己创办一家企业。他跟导师说，这辈子要是不亲自试试创业，到老了一定会后悔。很多普通读者可能对杨植麟的实力没什么概念，简单说，他属于那种从小到大一路“开挂”的天才型人物。1993年他出生在广东汕头，高一之前连一行代码都没写过，被选进信息学奥林匹克竞赛班后，零基础学了1年，就拿下了广东赛区一等奖，直接拿到清华大学的保送资格。换作别人拿到保送资格，大概率就等着入学了，他偏要走进高考考场，最后考出667分的成绩，成了汕头市理科状元。刚进清华时他读的是热能工程专业，大二发现自己对计算机更感兴趣，果断申请转系，最后以年级第一的成绩从计算机系毕业。2015年，杨植麟远赴美国卡内基梅隆大学攻读博士学位。这所学校的计算机专业常年排在全球前3，正常情况下，计算机博士要读6到8年才能毕业，他只用了4年就顺利拿到学位。读博期间，他作为第一作者发表了Transformer-XL和XLNet两项研究成果，这两篇论文到现在累计引用量超过2.4万次，是全球大模型领域公认的地基级技术，谷歌、Meta这些巨头开发大模型时都绕不开他的研究。毕业之后，他先后进入谷歌大脑研究院和Meta人工智能研究院工作，都是硅谷最顶尖的科研平台，百万美元年薪是最基础的待遇，只要他愿意，完全可以在硅谷过上安稳优渥的精英生活。所以网上所谓“签证留不住人才”的说法，其实根本站不住脚。以杨植麟的学术背景和行业地位，别说H1B签证，任何一家美国科技公司都会想尽办法帮他解决身份问题。他最终选择回国，从来不是被逼无奈，而是主动做出的选择。在硅谷的大公司里，他再优秀也只是庞大体系里的一名科研人员，做什么项目、走什么方向，都要跟着公司的规划走。可回到中国，他能从零搭建自己的团队，按照自己的想法定义产品，亲手把前沿技术落地到亿万用户的真实生活里。2023年，杨植麟正式创办月之暗面公司，开启了自己的第二次创业。短短3年时间，他带领团队推出的Kimi智能助手就凭借超长文本处理能力火遍全网，这次发布的KimiK3更是直接冲到了全球开源大模型的第一梯队，2.8万亿的参数规模、多项超越海外标杆的性能指标，再加上直接开放完整权重的做法，让整个全球AI行业都看到了中国团队的实力。能跑出这样的速度，除了杨植麟本人的技术积累，也离不开国内的发展土壤——庞大的用户市场能让产品快速迭代，充足的工程人才和算力资源能支撑大模型的高强度研发，还有本土资本愿意给年轻创业者长期的支持。现在美国人开始集体反思，为什么自己的顶尖大学培养出的人才，最终会选择回到中国创业。其实答案从来都不复杂。真正顶尖的人才，从来不是靠高薪、靠签证就能拴住的，他们最在意的，是有没有能让自己施展抱负的舞台。过去很多人觉得，留学之后留在美国才叫成功，可如今越来越多像杨植麟这样的年轻人，主动放弃硅谷的安稳生活选择回国，因为他们清楚地看到，中国的AI行业正处在高速上升期，在这里能亲手参与一个时代的变革，能做成在大公司里一辈子都做不成的事。这件事也给我们带来了很多启发。一个国家能不能留住人才，从来不是看签证政策松不松，也不是看薪水开得高不高，而是看能不能给有想法、有能力的人提供干事创业的环境，能不能让他们看见清晰的未来。杨植麟的选择不是个例，随着国内科技行业的持续发展，未来一定会有更多怀揣理想的年轻人，带着一身本领回到这片土地，亲手创造出更多让世界惊叹的成果。
KimiK3问世引发美国行业深度反思，国产开源模式重塑全球AI竞争格局近期美国
KimiK3问世引发美国行业深度反思，国产开源模式重塑全球AI竞争格局近期美国科技行业展开集中复盘反思，导火索便是月之暗面创始人杨植麟带队推出的KimiK3大模型。创始人杨植麟是90后顶尖技术人才，本科就读清华大学，博士毕业于卡内基梅隆大学，先后任职谷歌、Meta，苹果、斯坦福、MIT等顶尖机构均向其抛出橄榄枝。2019年他选择回国创办月之暗面，如今带队落地KimiK3——全球首款2.8万亿参数开源大模型，多项权威评测指标超越OpenAI、Anthropic等美国头部闭源模型，产品发布直接扰动美股AI科技板块，海外开发者将其称作开源社区里程碑式突破。此次美国行业反思覆盖两大核心层面：一是高端科创人才流失问题，美国依靠H1B签证体系吸纳全球技术人才，却难以留住怀揣自主技术理想的顶尖科研人员；二是本土AI产业商业模式的结构性困境。杨植麟团队选择开源开放、低价普惠、超长上下文的发展路线，彻底打破美国企业闭源高溢价的经营模式。全球开发者无需受限API调用配额，即可本地部署、自主微调顶尖AI能力。团队采用“先扩张生态规模、后期多元变现”的路径，同时对Transformer底层架构做出底层创新，整套发展逻辑正在重构全球AI行业竞争规则。对比来看，美国头部AI企业依靠闭源模式建立定价壁垒，前期算力、研发投入体量巨大；而国内团队依托底层技术创新与开放生态，把高端AI从少数企业垄断资源转变为全球普惠工具。针对中美两条截然不同的AI发展路径，各位读者有什么看法，欢迎在评论区交流探讨。
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代
#问一次ChatGPT地球付出多少代价#【问一次ChatGPT，地球要付出多少代价？】当你每一次点开ChatGPT时，千里之外的数据中心就在消耗资源——冷却水、电力、算力。单次AI请求的消耗微不足道，但乘上每天数十亿次的使用量，数字将触目惊心。2024年，全球数据中心耗电415太瓦时，占全球用电量的1.5%。到2030年，这一数字将翻倍，相当于日本全国一年的用电量。再加上芯片里的稀有矿物、堆积如山的电子垃圾、不断攀升的水消耗——AI的能耗究竟会对环境产生多大影响？这个问题亟须正视。与此同时，AI发展也带来了巨大的环境效益。AI技术可帮助优化电网调度、提升可再生能源预测精度，推动传统高耗能行业的生产流程升级，还能为气候变化建模、极端灾害预警提供更为精准的技术支持。这种“双刃剑”属性，让AI的环境影响讨论变得更加复杂。另一个不容忽视的问题是，在AI治理的讨论中，美欧长期占据主导：硅谷定调，布鲁塞尔立法，全球跟着走。全球南方国家作为AI产业链的资源提供者、新兴市场，却很少能发声回应AI给自己国家带来的环境影响，更难以参与到全球AI环境规则的制定过程中。今年7月在日内瓦举行的联合国AI治理全球对话开幕式上，一份白皮书打破了这种单声道叙事，开始郑重回答人工智能与环境之间的关系。这份由金砖国家三个大国的重要智库——国家高端智库复旦大学中国研究院、俄罗斯自然与人民基金会、印度帕勒基金会联合撰写，联合国互联网治理论坛环境动态联盟支持，并在这次联合国对话中发布的《人工智能与环境白皮书》，把人工智能的环境足迹与环境效益纳入同一分析框架、系统探讨人工智能与国际可持续发展的关系，也是金砖国家智库首次联手，把“全球南方”的视角带入了AI环境治理的讨论桌。著名经济学家杰弗里·萨克斯教授为《白皮书》作序时，称之为“具有里程碑意义的文件”。7月18日，在2026世界人工智能大会期间，由复旦大学中国研究院主办的《人工智能与环境白皮书》国际研讨会上，来自俄罗斯、印度和中国的专家，继续探讨人工智能与环境的关系。2012年的时候，训练一次AlexNet会排放0.01吨二氧化碳，这个量几乎可以忽略不计。2020年，训练一次GPT-3，排放量达到588吨。2023年的GPT-4，这个数字来到了5184吨。2024年的Llama3.1405B，数字变成了8930吨……很难想象，2030年我们面对的AI能耗会到什么地步？但训练AI只是这个问题的冰山一角。Facebook的实测数据显示：在已部署的AI系统中，推理贡献了约65%的碳排放，训练只占35%。随着AI走向亿级用户，这个比例只会更悬殊。MistralAI第一次把单次查询的账单摊开：一个400-token的回复，会排放1.14克的二氧化碳，消耗45毫升的水——水，可能是AI账本里最被忽视的一行。OECD预测，到2027年，AI相关用水量可达66亿立方米，这相当于英国半年的用水总量。更值得警惕的是：数据中心往往建在水资源最紧张的地方。以印度为例，印度有6亿人面临高至极端水压力，班加罗尔作为印度的科技中心、数据枢纽，却面临着地下水枯竭、未来净可用水量归零的严峻风险。中国“东数西算”把算力往西部赶，某种程度上是对这种矛盾的回应，但全球范围内，AI的水消耗仍在以一种近乎不可见的方式加剧区域资源竞争。除了水以外，硬件本身的代价，同样惊人。一台2公斤的电脑，生产需要约800公斤原材料——稀土、锂、钴、镓、铜。这些矿产的开采和冶炼，不仅涉及栖息地破坏、水污染和长期生态毒性，其环境影响还不成比例地集中在全球南方。等这些原材料被制成GPU后，在数据中心里通常只有3到5年的寿命。更新周期越短，淘汰越快，废弃的硬件堆积成山——2022年全球电子垃圾已达6200万吨，而AI专用设备产生的废料尚未被单独统计。算力越强，硬件迭代越快，电子垃圾的增长曲线只会更陡。
