你的大腦運行在20瓦。人工智慧需要一座發電廠

人類大腦的運行功率約為20瓦。全球最快的超級電腦，位於深圳的LineShine，則需要42.2百萬瓦。這個差距成為了網路上關於人工智慧能源使用的熱門話題，但大多數的說法都是錯誤的。

這個比較本身是成立的。然而，社交媒體上流傳的數字源自於一篇單一的論文。最引人注目的數字在三年內被錯誤引用。

中國自2017年以來首次登頂全球超級電腦排名。

LineShine。深圳。2.198 exaflops。每秒2 quintillion次計算。比美國的El Capitan快20%。

完全基於國產中國CPU。沒有Nvidia。沒有美國芯片。沒有出口管制... https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
--- IT Guy (@T3chFalcon) 2026年6月24日

人工智慧能源使用：20瓦實際上能買到什麼 {#h-ai-energy-use-what-20-watts-actually-buys}

20瓦的數字基於數十年的新陳代謝測量。大腦約占體重的2%，並且大約消耗20%的靜息氧氣。

神經元的數量比看起來要不穩定。廣泛引用的860億個神經元數據基於四個男性大腦，目前在《大腦》期刊中受到質疑。

病毒式的帖子經常使用12瓦而不是20瓦。這個數字出現在2023年《人工智慧前沿》的一篇論文中，並且完全沒有任何引用。

同一篇論文產生了大家分享的數字。其作者估計，數位重建一個人類大腦將需要27億瓦。

這個估算是從將一個1000萬神經元的模擬推廣到小鼠的規模，然後乘以一千得出的。

該論文還指出，模擬的運行速度約比生物慢30,000倍。社交帖子忽略了這一細節。隨後的二手來源將這個數字歸功於藍腦計畫，但該計畫從未發表過這個數字。

可靠的數字在其他地方確實存在。Epoch AI在2025年初估計，一次典型的ChatGPT查詢耗電0.3瓦時。後來在《Joule》上的一項同行評審研究得出了0.31。

兩種獨立方法如此接近地達成一致是非常不尋常的。然而，這個數字隨著工作負載的變化而急劇變化，產生較長答案的推理模型可能會花費幾倍的成本。

生物學的不同之處，以及矽所模仿的 {#h-what-biology-does-differently-and-what-silicon-copied}

皮質活動是稀疏的。平均發射率低於1赫茲，能量隨著變化而變化，而不是隨著時鐘周期。

現代人工智慧獨立得出了相同的結論。Kimi K2在每個標記上激活32.6億個其1.04萬億參數，接近3.1%。

這個比例正在迅速下降。Mixtral在2023年使用了大約28%的參數，而DeepSeek-V3現在使用5.5%。

生物學的計算精度也很低。神經元內部的任何東西都不會解析為32位。

芯片製造商遵循了相同的路徑。DeepSeek以八位精度訓練了一個6710億參數的模型。NVIDIA隨後預訓練了一個12億參數的四位模型。

第三個差異是最大的，也是最少被模仿的。大腦在同一物理位置保存記憶和計算。

數位機器則將它們分開。斯坦福的Mark Horowitz展示了這種分裂的成本。從記憶中提取操作數可能會消耗比算術本身多數百倍的能量。

從未到達的腦形芯片 {#h-the-brain-shaped-chips-that-never-arrived}

專門模仿神經元的硬體一直面臨困難。沒有神經形態或類比系統在生產中訓練或運行過前沿模型。

英特爾的 Hala Point 在 1,152 顆晶片上擁有 11.5 億個人工神經元。它仍然是一個安裝在桑迪亞國家實驗室的研究原型。英特爾神經形計算實驗室的主任邁克·戴維斯在 2024 年對《註冊報》表示：

"我們目前並未將任何大型語言模型映射到 Hala Point。我們不知道該怎麼做。"

商業前景仍然薄弱。BrainChip 是該領域的旗艦上市公司。去年三月季度，它報告的客戶收入為 70 萬美元，而經營支出則達到 530 萬美元。

其他公司則完全停滯。Rain AI 試圖籌集 1.5 億美元但未能成功，並在 2025 年探索出售。

該領域內的研究人員描述了一個循環問題。田納西州大學諾克斯維爾分校的電機工程與計算機科學助理教授凱瑟琳·舒曼表示：

"硬體公司在等待一個殺手級應用，但在沒有硬體進行原型設計的情況下，很難理解如何構建這些應用。"

超過 20 位研究人員在《自然》雜誌上簽署了一份 2025 年的共識文件。該文件認為，該領域仍然缺乏所需的生態系統。

生物學的原則獲勝了。為了體現這些原則而建造的硬體卻沒有。

每個人都在競標相同的電子

效率現在變得重要，因為電力已成為約束條件。國際能源署預計，全球數據中心的消耗在 2025 年將達到 485 太瓦時。

專注於 AI 的設施在那一年增長了 50%。該機構預計到 2030 年它們將增長三倍。

現在，網格接入而非晶片供應限制了建設。根據勞倫斯伯克利國家實驗室的數據，從互連請求到商業運營的中位時間超過五年。

微軟首席執行官薩提亞·納德拉在 11 月表示，他的公司擁有無法插入的處理器。短缺的是供電建築，而不是矽。機構投資者對電網準備情況提出了類似的問題。

比特幣礦工花了十年時間解決這個問題。他們擁有已啟用的場地，簽署了電力協議，並擁有新進者需要多年才能獲得的互連權利。

結果使得挖礦變成了一個能源和基礎設施業務。改裝一個運行中的場地的成本約為每兆瓦 300 萬到 400 萬美元。根據 VanEck 的估計，綠地建設的成本為每兆瓦 1000 萬到 1200 萬美元。

宣布的交易價值巨大。公共礦工簽署的 AI 合同總價值超過 700 億美元。

交付的容量講述了一個更安靜的故事。2026 年第二季度的申報顯示，該領域實際啟用的容量約為 750 兆瓦。

Core Scientific 佔據了其中約 437 兆瓦。Galaxy 的 Helios 校園交付了 133 兆瓦；TeraWulf 102 兆瓦；IREN 50 兆瓦；Riot 25 兆瓦。Hut 8 簽署了 949 兆瓦的合同，但尚未啟用。

這一轉變代價高昂。MARA 和 CleanSpark 的礦工合併季度虧損在 8 月達到 8.51 億美元。

大多數挖礦能力將永遠無法轉換。七月的初步劍橋調查數據顯示，約 10% 的礦工已將電力分配給 AI。

障礙是物理性的。挖礦可以容忍中斷，而 AI 租戶則要求穩定的電力、密集的冷卻和偏遠地點通常沒有的光纖。

儘管如此，發展方向是明確的。Core Scientific 現在從共置中獲得 83% 的收入，而僅 13% 來自挖礦本身。

投資者已經將這一轉變計入價格。持有簽署租約的礦工的交易倍數遠高於其啟用的電力。與此同時，下一個 AI 投資越來越看起來像是電力而不是晶片。

為什麼效率無法解決 AI 能源使用

過去，效率的提升吸收了需求的增長。全球數據中心的計算能力在2010年至2018年間增長了550%，而能源使用僅上升了約6%。

然後，這一模式被打破。美國的數據中心消耗從2014年的58太瓦時上升到2023年的176太瓦時。

在一個硬性上限下進化。繪製200瓦的頭骨會殺死其擁有者，因此效率成為唯一可用的答案。

人工智慧從未面臨這一上限。它面對的是資本的上限，而資本的伸展遠比電力容易。

這一情況現在正在改變。開放的問題不再是生物是否更有效率，而是當權力而非金錢決定建設內容時，人工智慧會變成什麼。

本內容僅供參考，不構成任何金融、投資、法律或稅務建議。文中提及的任何活動、獎勵、線上活動或相關資訊，不應被視為對購買、出售或交易任何加密資產的推薦、招攬或邀請。加密資產具有高波動性，存在價值損失風險。WEEX服務、產品及相關活動的可用性可能因地區而異。用戶在參與前有責任確保符合當地適用法律法規。