2021 年馬斯克在推特上宣布特斯拉因環保問題將不再接受比特幣付款導致幣價暴跌、引發人們對PoW 挖礦模式環境影響的擔憂，Web3 社群至今仍記得這件事。

2025年，馬斯克旗下的xAI 正在建構可能是全球最大的AI 超級運算集群，各國政府爭相立法以推動AI 創新，而幾乎沒有人再質疑其能源消耗問題了。

無論是AI所需的資料中心能源消耗，或是比特幣網路的營運維護所需的能源消耗，二者開始競賽角逐，前者呈現超過後者的趨勢。

“我們幾乎無法真正掌握AI 的實際電力消耗”

近期一篇發表在科學期刊《Joule》上的同行評審論文指出，到2025 年底，AI 的電力消耗可能佔全球資料中心電力使用量的49%，超過比特幣廣為人知的「能源胃口」。

論文作者、阿姆斯特丹自由大學博士候選人、長期比特幣能耗批評者Alex de Vries-Gao 發現，到2026 年1 月，AI 的電力需求可能達到23 吉瓦，相當於每年約201 太瓦時（TWh）的電量。而目前比特幣的年耗電量約為176 TWh。

他在LinkedIn 上寫道：“科技巨頭們對這個趨勢心知肚明，像谷歌這樣的公司甚至提到，在擴展數據中心容量的過程中遇到了'電力容量危機'。但與此同時，這些公司並不願公開相關數字。”

“自從ChatGPT 引爆AI 熱潮以來，我們從未見過類似的能耗增長。這導致我們幾乎無法真正掌握AI 的實際電力消耗。”

有別於比特幣透明、可由算力直接估算的能耗，AI 的能耗呈現出刻意不透明的狀態。微軟和谷歌在其2024 年環境報告中承認電力使用和碳排放大幅增加，主要原因是AI，但它們只揭露了整個資料中心的總消耗，而沒有細分AI 的具體佔比。

由於科技公司拒絕揭露AI 的能耗數據，de Vries-Gao 轉而追蹤晶片供應鏈。他選擇分析台積電（TSMC）的封裝產能，因為幾乎所有先進AI 晶片都需要台積電的技術。

研究發現：光是英偉達在2023 和2024 年就分別使用了台積電CoWoS（先進封裝）產能的約44% 和48%。再加上AMD 的份額，光是這兩家公司就足以製造出足以消耗3.8 吉瓦電力的AI 晶片，其他廠商還未計入。

de Vries-Gao 的模型預測顯示，在不新增更多產能的前提下，到2025 年底AI 的總耗電可達23 吉瓦。而台積電已確認將在2025 年再次將CoWoS 產能翻倍。

科技巨頭的行動

電力需求不太可能放緩。英偉達和AMD 宣布創紀錄營收，OpenAI 也宣布了名為Stargate 的超級資料中心項目，計劃投資高達5,000 億美元。事實上，AI 已成為科技業中最賺錢的業務——任何一家科技巨頭的市值都已超過整個3.4 兆美元的加密貨幣市場。因此，環境問題被暫時擱置了。

對電力能源的強勁需求，一方面迫使科技巨頭必須採取行動更新能源取得方式，另一方面我們也看到DePIN越來越發揮更大作用。

6月3日，Meta 已與Constellation Energy 簽署了一項採購核電能源的為期20 年的協議，標誌著Meta 首次正式進軍核能領域，以滿足數據中心日益增長的電力需求。

從2027 年6 月起，Meta 將從Constellation 位於伊利諾州的克林頓清潔能源中心（Clinton Clean Energy Center）購買約1.1 吉瓦的能源——該核電廠唯一一座反應爐的全部產出。雙方表示，這項長期協議將支持電廠的持續營運及其許可證續約。倘若沒有Meta 的承諾，這座自2017 年以來一直依賴零排放電力補貼營運的電廠，原本可能面臨關閉風險。

這項協議也將使柯林頓核電廠的發電量增加30 兆瓦，儘管具體條款尚未披露。值得注意的是，該電廠並未直接為Meta 的資料中心供電，而是持續向區域電網輸電，同時協助Meta 達成100% 清潔能源的目標。

Constellation 總裁兼CEO Joe Dominguez 表示：“我們很自豪能夠與Meta 合作……他們認識到，支持現有核電站的續期與擴建，與開發新型能源同樣重要。很多時候，前進的關鍵第一步，是別再往後退。”

谷歌最近承諾資助三座新核能計畫的開發，先前也與小型模組化反應器（SMR）開發商Kairos Power 展開合作。亞馬遜去年10月也投入超5 億美元開發SMR，並在2024 年3 月收購了一座由Susquehanna 核電廠供能的資料中心園區。今年3月，亞馬遜、Google和Meta 也共同簽署了由世界核能協會發起的倡議，呼籲到2050 年全球核能產能提升三倍。

DePIN的助力

DePIN透過區塊鏈、分散式節點、資源共享獲取收益的特點成為補足能源消耗的另一種方式。

以對算力需求龐大的AI大語言模型為例，傳統的中央處理器（CPU）在處理大規模平行運算時效率較低，因此通常採用GPU加速訓練和推理過程。然而即使採用GPU，仍難以滿足大語言模型訓練與推理對運算資源的需求。 AI晶片（如Google的TPU）和量子運算都被視為AI時代所需的運算方式。

訓練一個大型模型可能需要數天甚至數週的時間，並且消耗大量的電力。據估計，GPT-3訓練過程消耗的能源相當於一個家庭使用數年的電力。這種高能耗不僅對環境造成負面影響，也增加了營運成本，帶來了永續性問題。

以DePIN領域去中心化雲端運算為例，透過將閒置的算力資源接入雲端運算區塊鏈網絡，將高效能、低延遲、低費用的算力資源提供給算力需求方，以「閒置算力資源連接到雲端運算區塊鏈網絡，將高效能、低延遲、低費用的算力資源提供給算力需求方，以「閒置算力資源上鍊」的方式獲得收益，充分利用算力資源的同時讓瓶算力資源充分流動參與市場機制既避免了算力又浪費問題。

結語

2025 年底，AI 可能會消耗全球資料中心近一半的電力，這還沒有將比特幣的能源消耗納入。預計隨著AI技術的流行，清潔能源、再生能源將會受到更多的關注和投入。將能源源頭轉變為核電能源是一種方式，在能源分配方式進行變更的DePIN是一種方式。和PowerBeats共同保持專注。