我国人工智能公司深度求索(DeepSeek)的横空出世，像一颗投入湖面的石子，激起了全球科技与能源市场的双重涟漪。其发布的开源大模型堪称“低成本、高效率”的典范，仅用超低训练成本和能耗，便实现了一流性能。一时间，欧美芯片巨头股价震荡，舆论场争论不休：电力还会是AI发展的紧箍咒吗？

DeepSeek的突破，本质上是一场“减法革命”。它通过轻量化模型架构和开源策略，大幅降低了训练与部署成本，让中小企业也能轻松搭建AI系统。传统AI巨头训练同等模型的成本是其10倍，而DeepSeek模型的能耗仅为行业平均值的零头。

AI的“电力焦虑”，第一次被技术撕开了一道裂缝。这种效率提升直接动摇了能源市场的预期。此前，行业普遍认为AI将推动电力需求爆发式增长——美国预测到2030年数据中心用电量将翻番，甚至占总需求的12%。但随着DeepSeek问世，让“AI必催生电力饥荒”的逻辑遭到质疑。一些业内人士认为，电力需求增长的预测可能需要重新计算。

然而，技术省电未必等于总量省电。这里藏着一个经济学陷阱——杰文斯悖论：1865年，经济学家威廉·斯坦利·杰文斯提出，当技术进步提高了效率，资源消耗不仅没有减少，反而激增。例如，瓦特改良的蒸汽机让煤炭燃烧更加高效，但结果却是煤炭需求飙升。

DeepSeek也可能引发类似效应，省下的每千瓦时电，都可能变成点燃新需求的火种。

一来，门槛降低，需求激增。中小企业、科研机构甚至个人开发者涌入AI领域，分布式数据中心遍地开花，总能耗可能不降反升。二来，应用场景爆发。更便宜的AI将渗透医疗、教育、制造等传统领域，催生海量新需求。考虑到AI扩展性是无限的，能耗可能呈指数级跃升。DeepSeek短期缓解了单位能耗压力，但长期可能因技术门槛降低而推高整体电力需求。若放任市场野蛮生长，可能在某个时刻带来严重的电力短缺，最终导致相关产业发展受限。

虽然无法阻挡电力需求大幅攀升，但也不必过于沮丧。DeepSeek的出现依然赋予了能源转型更多希望。过去一段时间，能源企业对接入DeepSeek表现出了极大的热情。中国石油昆仑大模型已正式完成DeepSeek大模型私有化部署，为昆仑大模型优化应用效果、缩短研发周期、构建健康生态提供了新引擎。国家电网旗下国网信通产业集团研发的模型服务云平台，也已全面接入DeepSeek大模型，二者深度融合将提高平台智能化生产能力，提升电网数字化项目研发效率。中国石化、中国海油等能源央企也相继宣布接入DeepSeek开源大模型。

在科技革命和能源革命交汇的大时代，要破解AI与电力的矛盾，需在技术、政策与市场三者之间找到支点。

在技术端，核心办法是降低芯片和算法的耗电量。更先进的生产工艺可以大幅降低处理器能耗，根据库梅定律，每隔18个月，相同计算量所需要消耗的能量会减少一半。从1946年第一台电子计算机诞生至今，相同的计算量所需能耗仅是当时的数万分之一。即便在能耗一降再降的今天，依然可以通过芯片能效提升、算法优化与边缘计算结合，进一步压缩单位能耗。

在政策端，需引导数据中心尽可能使用低碳的可再生能源，推动绿色电力与算力一体化融合发展。鼓励各类算力资源向国家枢纽节点聚集，避免低效重复投资。设立AI能效标准，防止低效模型泛滥。

在市场端，高度灵活的电力交易机制是关键。可鼓励分布式新能源参与绿电交易，引导数据中心通过参与绿电绿证交易等方式提高可再生能源利用率，以优化资源配置，降低用电成本。

AI与电力，注定将是一场交替前行的马拉松。DeepSeek的崛起，揭开了AI与能源关系的新篇章，它证明电力未必是绝对瓶颈，但若放任技术狂欢，也可能埋下新的隐患。未来的胜负手，不在于“省电”或“发电”的单点突破，而在于能否构建一个“效率—需求—可持续”的动态平衡系统。(本文来源：经济日报 作者：王轶辰)