标签: GPU
#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。
科技股迎来新的赛道，下半场的主线或许就是CPUAI炒作时代（堆GPU）结束，实用
科技股迎来新的赛道，下半场的主线或许就是CPUAI炒作时代（堆GPU）结束，实用落地时代（CPU+各类端侧芯片）开启，国产CPU迎来AI行业的增量红利。AI时代已经告别单纯比拼显卡数量、堆超大算力集群的内卷阶段，行业重心转向赚钱、落地商用，行业估值逻辑重塑：不再只看GPU供货量，CPU、端侧专用芯片、行业推理方案都具备长期增长逻辑。十万卡全国产集群接入国家超算互联网，是数字基础设施自主可控标志性工程。大规模AI产业不再受制海外芯片供给限制，国家层面算力安全、数据安全保障能力提升，后续政企AI项目会优先采用国产CPU整机。单纯GPU炒作降温，国产服务器CPU、嵌入式芯片、边缘推理硬件成为新主线；市场重新定价海光等国产CPU企业：市场之前只把它当作普通服务器芯片厂商，现在确认深度绑定AI下半场刚需，业绩增长预期上调；端侧推理、行业AI应用、向量数据库配套硬件迎来估值修复机会。
红利AI基金etf12张图读懂AI数据中心：从电力到算力，从硬件到应用AI数
红利AI基金etf12张图读懂AI数据中心：从电力到算力，从硬件到应用AI数据中心不是机房，而是Token工厂。AI数据中心的本质，不只是把电力转化为算力，而是把算力进一步转化为Token、API调用和企业生产力。最近两年，AI产业链越炒越细：从大模型到算力，从GPU到光模块，从液冷到电力设备，再到PCB、变压器、储能和数据中心。很多人的问题不是“不关注AI”，而是越看越乱：到底什么是真需求？什么是蹭概念？AI数据中心为什么会同时拉动这么多行业？所以我整理了这组图，想用更直观的方式，把AI数据中心这件事讲清楚。看懂这个框架，才知道为什么电力、GPU、光模块、液冷、PCB、存储都会被卷进来；也才能分清楚，哪些环节是真正的核心瓶颈，哪些只是普通配套，哪些又可能只是短期概念炒作。$半导体ETF国联安sh512480$$兆易创新sh603986$$寒武纪sh688256$
【华为Mate80Pro性能解禁：麒麟9030ProGPU相比
【华为Mate80Pro性能解禁：麒麟9030ProGPU相比9020提升76%，《原神》能效表现优于高通骁龙8Gen3】华为去年发布了Mate80系列旗舰手机，搭载华为自研的麒麟9030及麒麟9030Pro处理器。今日，B站up主放出了一期针对华为Mate80Pro的性能分析报告。据介绍，这两款芯片均基于同一种Die，估算约有150亿晶体管，规模与苹果A15、高通骁龙8Gen2接近。其中，满血版的麒麟9030Pro采用9核14线程架构，包含一颗2.75GHz超大核、四颗2.27GHz大核及四颗1.72GHz小核，并集成6核马良935图形处理器。麒麟9030则在此基础上屏蔽一颗CPU大核变为8核12线程，并采用了5核马良935AGPU。架构方面，麒麟这代大核与小核变化不大，主要对超大核寄存器深度及乱序执行窗口进行了微调。缓存上，超大核L2缓存翻倍至2M，5颗大核共享的L3从10M升级到12M，SLC缓存也提升至12M。在能效测试中，极客湾移植了原生的SPECCPU2017测试，并结合HiSmartPerf高性能模式进行了测试。结果显示，麒麟9030Pro的超大核能效稳步提升，性能接近高通骁龙8+的Cortex-X2核心，虽然仍未超越X2，但差距已非常接近。另外，麒麟9030Pro浮点性能进步更为明显，中频段能效表现出色。多核能效方面，得益于工艺升级和核心数量增加，9030Pro的多核能效曲线落在骁龙8Gen2和8Gen3之间，中低频能效甚至接近8Gen3，相比前代9020提升巨大。GPU方面，马良935架构获得了显著提升，ALU单元相比前代翻倍，算力提升超过200%。在3DMark的SteelNomadLight测试中，9030Pro比9020强了76%，能效曲线与骁龙8+接近。此外，9030Pro的NPU升级为“一大两小”三NPU架构，ISP方案也升级至9.0，基带面积则大幅缩减了31%。在实际应用表现方面，鸿蒙原生版《原神》的表现令人惊艳。Mate80ProMax在804P分辨率下可实现全程60帧畅玩，整机功耗仅4.9W，能效甚至优于8Gen3在720P下的表现。这得益于鸿蒙原生应用去除了冗余代码，以及芯片底层对图形驱动的深度优化。在《王者荣耀》120fps极致设定下，其平均功耗仅3W，能效表现极其出色。对于《异环》等游戏，虽然目前调度策略尚有优化空间，但整体表现已处于行业第一梯队。针对光线追踪技术，麒麟9030Pro集成的马良935GPU首次支持该功能，在《暗区突围》等重载场景下，系统通过针对性的驱动层优化，实现了功耗控制与性能释放的平衡。极客湾指出，Mate80系列的系统流畅度也远超预期。鸿蒙系统配合麒麟9030芯片，通过更智能的调度策略，避免了安卓端常见的“一刀切”限频问题，加上原生应用的高效开发框架，使得交互体验异常顺滑。华为Mate80Pro配备5750mAh电池，Mate80ProMax配备6000mAh大电池。测试数据显示，两款机型在极客湾5G续航5.0模型测试中均取得8.14分的成绩，在一众旗舰中稳稳保持第一梯队级表现。
很多人看不懂，Intel的GPU打不过Nvidia，CPU被AMD追着打，为什么
很多人看不懂，Intel的GPU打不过Nvidia，CPU被AMD追着打，为什么华尔街和白宫还把它当成AI的核心标的？其实大家投的根本不是现在的芯片，而是那个能印芯片的“印钞机”——晶圆厂（Fab）。现在全球尖端芯片几乎全在台积电手里，这在政治上叫“单点故障”。Intel是美国本土唯一的独苗，政府已经进场持股，这就是典型的“大到不能倒”。更深层的逻辑在于，Intel在下一代光刻机High-NAEUV上完成了“偷袭”。台积电觉得这玩意儿贵且难搞，想再观望一下，结果Intel直接包圆了ASML近两年的全部产能。这意味着在2027年左右，Intel极有可能在14A等先进工艺节点上实现反超。AI的下半场是Agentic（智能体）的天下，这类工作负载不仅吃GPU，更需要极强的通用算力支持。当台积电产能被抢光、地缘风险上升时，Intel就是全球唯一的顶级备份。这件事最讽刺的地方在于，前任工程师CEOGelsinger顶着压力砸钱买机器、盖厂房，却在果实快成熟时被嫌弃“烧钱太狠”的董事会踢出局。现在的管理层，不过是在收割前任留下的战略遗产。
沐曦股份刚在科创板站稳脚跟，转身就直奔港交所。这家国产GPU独角兽的动作，刚
沐曦股份刚在科创板站稳脚跟，转身就直奔港交所。这家国产GPU独角兽的动作，刚好踩在AI算力由海外单一供给转向国产并存的节骨眼上，它的目的很明确，就是去拿国际资本，重注砸向下一代通用GPU和软件生态。对于还在高研发投入期、亏损收窄的沐曦来说，光靠A股显然不够解渴。搞通用GPU这事，烧钱周期长、生态壁垒高，不备足粮草很难跟得上。但还是不少人质疑，毕竟公司刚上市不久，理财还没焐热就又要融资，吃相有点难看。但这或许正是硬科技的残酷现实，不拼命砸钱迭代，技术就会掉队，想保持身位就得持续吸金。这种刚上市就再融资的激进打法，你觉得是长期主义还是急于圈钱？评论区聊聊。
AI会带来失业，也会带来更多就业机会！失业的人会拼命生存，这种生命力很强！正如当
AI会带来失业，也会带来更多就业机会！失业的人会拼命生存，这种生命力很强！正如当年直播干翻了线下零售，但也逼着更多零售商和工厂都招直播主播销售，极大的增加了就业！被迫创业潮大厂降本增效，首当其冲的是总监级中层。这批人有经验、有积蓄、有人脉，却被“逼上梁山”。不是想创业，是没得选。这种“被迫创业”与主动创业完全不同——主动创业是锦上添花，被动创业是背水一战。生存本能驱动的爆发力惊人，就像欧洲大航海：活不下去，才出海。今天的大厂裁员潮，本质上是在向全球输送一批最凶狠的创业者。00后创业者正在涌现00后的产品定义跟老一辈完全不在一个频道，天生就是AI原住民，认为AI工具就像水电一样自然。面对这种变化，VC的出手策略急剧调整——要么投极早期（1000-3000万人民币），要么投极后期，中间成长期几乎不碰。估值涨上来了，数据还没跑出来，竞品突然冒出好几个，根本没法判断谁能胜出。目前市场上形成了两套投资套路：1.完全市场化：产品好、技术领先、卖货赚钱2.国家战略：跟着政策走，投GPU、火箭、大模型、核聚变
