6月底，微软在碳交易和清洁能源采购方面连续发布了一系列重要声明，这些协议并非单独行动，而是其激进战略的关键要素——其目的在于平衡因人工智能（AI）及云服务迅猛发展而引发的排放量上升。
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额度。这些额度是在美国超过42.5万英亩的林地通过改进森林管理（IFM）项目产生的。该协议进一步深化了双方2024年的合作关系。
6月30日，微软与挪威奥斯陆的Hafslund Celsio达成了合作协议，合同期限为10年。双方将共同购买共计110万吨的碳移除信用。这些信用源自挪威最大的垃圾转化能源工厂Klemetsrud的碳捕获项目，该工厂的碳捕获项目预计将在2029年开始正式运行。这工厂不仅是首个专为碳移除而进行改造的垃圾能源转换设施，更是为欧洲其他同类型工厂提供了可以借鉴的实施蓝图。
6月30日，微软携手Constellation公司，共同启动了位于美国宾夕法尼亚州的三哩岛核反应堆。此举旨在为PJM电网注入大量新增的稳定且无碳的电力资源，进而助力微软实现成为碳负排放企业的宏伟目标。这一行动充分展示了微软的战略眼光，它不仅着眼于通过碳移除信用来抵消排放，更积极寻求直接获取无碳能源来支持其运营。
6月30日，微软与Agoro Carbon达成了一项为期12年的合作协议，该协议涉及交付共计260万个碳移除信用。这些信用是通过美国作物与牧场项目，运用再生农业技术产生的，涵盖了诸如覆盖作物种植、减少耕作次数以及优化放牧方式等多种措施。除了实现碳封存的效果，这些措施还促进了土壤健康水平的提升、增强了土壤的保水能力、丰富了生物多样性，并提高了对极端天气的抵御能力。
汇总这些协议所获得的碳移除额度，我们能够直观地观察到微软在较短周期内为达成其碳减排目标所付出的显著努力。具体来看，这些协议累计的碳移除额度高达令人瞩目的850万吨。
尽管微软借助这些碳交易及清洁能源的采购协议，在碳减排和持续发展领域实现了显著成就，然而在数据中心内部，用于训练大型AI模型的GPU集群正以每小时数兆瓦的惊人能耗高速运转。
人工智能的能源消耗与碳信用市场的热烈追捧看似存在冲突，却揭示了科技巨头在应对“碳盲区”问题上的复杂困境。
AI繁荣与碳排放：难以调和的根本矛盾
科技巨头正面临一个自我强化的困境：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重要因素。
微软、谷歌、Meta等公司虽然宣称将实现“零排放”，但实际上由于人工智能算力的急剧增长，电力消耗大幅上升，这使得实现减排目标变得更加困难。这一现象反映出一种严峻的现实——人工智能的迅猛发展正与碳减排的缓慢进展形成尖锐对立。
微软发布的2025年环境报告揭示，相较于2020年，公司的总体排放量上升了23.4%，其中AI技术与云计算业务的发展起到了关键推动作用。AI与云计算业务的迅猛扩张，对数据中心的需求量也随之大幅增加。在数据中心的建设与运营阶段，广泛采用了碳含量较高的建筑材料，诸如钢铁和水泥；此外，AI运算依赖于高性能的计算机芯片，而芯片生产过程中涉及某些具有高全球变暖潜力的化学物质，比如六氟乙烷，其温室效应强度是二氧化碳的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，全球电网的低碳化发展步伐尚未能够完全满足微软对能源增长的需求。
微软并非唯一，谷歌最新数据显示，2024年其总碳排放量增至1150万吨二氧化碳当量，这一数字比2023年增加了11%，比2019年增长了51%。AI技术的迅猛发展是谷歌碳排放量上升的关键因素，因为AI业务的能源需求显著提升，进而促使数据中心能耗不断攀升。
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长，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之多。在这其中，亚马逊的运营排放量增长最为显著，2023年较2020年增长了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产业链的碳排放量不仅在运营阶段就相当可观，其上游环节如半导体制造、建筑材料等更是形成了难以突破的减排障碍。以微软为例，其碳排放的97%源自供应链（即范围3），在过去五年内增长了26%；而微软并非个例，谷歌的最新报告也显示，2024年谷歌的总碳排放量上升主要是由于供应链排放的增长，当年范围3排放量上升了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逾越的“不可能三角”，而科技巨头们的减排承诺正逐渐变成一场与时间赛跑的绝望角逐。
破局之路：从技术狂飙到责任重构
碳信用并非赎罪之证，或许解决问题的关键不在于增加碳信用购买量，而在于重新构建人工智能发展的根本框架。我们应当深思：AI模型在追求效率提升的同时，是否能够控制能耗的增长？科技巨头是否能在追求商业利益与保护地球生态之间寻得一条平衡之道？
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。这一做法与传统密集型模型（如GPT-3）相比，显著减少了计算需求。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。这种独特的激活模式大幅提高了计算效率，与传统密集型模型（例如GPT-3）相比，计算需求大幅降低，而且这种“神经开关”的设计方式也使得每次推理的能耗明显下降。
Sam Altman，OpenAI的创始人，曾明确指出：“AI发展的最大障碍在于能源。”然而，中国的实际操作却揭示了另一个可能的突破口——“电力即算力”。举例来说，当宁夏的风电资源能够像数据包一样，根据需求被调度到深圳的AI服务器时，全球的算力分布格局将经历一场深刻的变革。
在未来的竞争中，真正的胜利者可能并非那些算力最为卓越的企业，而是那些能够在技术创新和持续发展之间寻找到最佳平衡点的公司。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
