你的大脑运行在20瓦特。人工智能需要一个发电厂

人类大脑的能耗大约为20瓦特。世界上最快的超级计算机，位于深圳的LineShine，消耗4200万瓦特。这一差距已成为互联网关于人工智能能耗的热门论点，而大多数论点都是错误的。

这种比较本身是成立的。然而，社交媒体上流传的数字源于一篇单一的论文。最引人注目的数据在过去三年中被错误归属。

中国自2017年以来首次登顶全球超级计算机排名。

LineShine。深圳。2.198 exaflops。每秒2 quintillion次计算。比美国的El Capitan快20%。

完全基于国产中国CPU。没有Nvidia。没有美国芯片。没有出口管制…… https://t.co/Tuuk6svl6l pic.twitter.com/fwFKWN0Mr4
--- IT Guy (@T3chFalcon) 2026年6月24日

人工智能能耗：20瓦特实际上能买到什么 {#h-ai-energy-use-what-20-watts-actually-buys}

20瓦特的数字基于数十年的代谢测量。大脑占体重的约2%，并且大约消耗20%的静息氧气。

神经元的数量比看起来要不稳定。广泛引用的860亿个神经元的数字基于四个男性大脑，目前在《大脑》期刊中受到争议。

病毒式传播的帖子通常使用12瓦特而不是20瓦特。这个数字出现在2023年《人工智能前沿》的一篇论文中，完全没有任何引用。

同一篇论文产生了大家分享的数字。其作者估计，数字重建一个人类大脑将消耗27亿瓦特。

这个估计是通过将1000万个神经元的模拟外推到小鼠规模，然后乘以1000得出的。

该论文还指出，模拟的速度比生物慢约30000倍。社交媒体帖子省略了这一细节。二次来源随后将这个数字归功于蓝脑计划，而该计划从未发布过这个数字。

其他地方确实存在可靠的数字。Epoch AI在2025年初估计，典型的ChatGPT查询消耗0.3瓦时。后来，Joule的一项同行评审研究得出了0.31的结果。

两个独立方法如此接近地达成一致是异常的。然而，这个数字随着工作负载的变化而急剧变化，产生更长答案的推理模型可能会花费几倍的能量。

生物学与硅的不同之处 {#h-what-biology-does-differently-and-what-silicon-copied}

皮层活动是稀疏的。平均发射率低于1赫兹，能量随变化而变化，而不是时钟周期。

现代人工智能独立得出了相同的结论。Kimi K2在每个令牌上激活了其1.04万亿参数中的326亿，接近3.1%。

这个比例正在迅速下降。Mixtral在2023年使用了大约28%的参数，而DeepSeek-V3现在使用5.5%。

生物学的计算精度也很低。神经元内部没有任何东西能解析到32位。

芯片制造商遵循了相同的路径。DeepSeek以八位精度训练了一个6710亿参数的模型。NVIDIA此后以四位预训练了一个120亿参数的模型。

第三个差异是最大的，也是最少被复制的。大脑在同一物理位置存储记忆和计算。

数字机器将它们分开。斯坦福大学的Mark Horowitz展示了这种分离的成本。从内存中提取操作数可能消耗的能量是算术本身的数百倍。

从未到来的脑形芯片 {#h-the-brain-shaped-chips-that-never-arrived}

专门模仿神经元构建的硬件一直面临困难。没有神经形态或模拟系统在生产中训练或运行前沿模型。

英特尔的Hala Point在1,152个芯片上集成了11.5亿个人工神经元。它仍然是一个安装在桑迪亚国家实验室的研究原型。英特尔神经形态计算实验室主任迈克·戴维斯在2024年对《注册》杂志表示：

“我们目前并没有将任何大型语言模型映射到Hala Point上。我们不知道该如何做到这一点。”

商业前景依然薄弱。BrainChip是该领域的旗舰上市公司。它在去年三月季度报告了70万美元的客户收入，而运营支出为530万美元。

其他公司则完全停滞。Rain AI曾寻求1.5亿美元融资，但未能成功，并在2025年探索出售。

该领域的研究人员描述了一个循环问题。田纳西大学诺克斯维尔分校电气工程与计算机科学助理教授凯瑟琳·舒曼表示：

“硬件公司在等待一个杀手级应用，但在没有硬件进行原型设计的情况下，很难理解如何构建这些应用。”

超过20名研究人员在《自然》杂志上签署了一份2025年的共识论文。该论文认为，该领域仍然缺乏所需的生态系统。

生物学的原则胜出。为了体现这些原则而构建的硬件却未能成功。

每个人都在争夺同样的电子元件

效率现在变得至关重要，因为电力已成为制约因素。国际能源署预计，全球数据中心的电力消耗在2025年将达到485太瓦时。

专注于人工智能的设施在这一年中增长了50%。该机构预计，到2030年，这一数字将增加三倍。

电网接入，而非芯片供应，现已成为建设的门槛。根据劳伦斯伯克利国家实验室的数据，从互联请求到商业运营的中位时间超过五年。

微软首席执行官萨提亚·纳德拉在11月表示，他的公司拥有无法接入的处理器。短缺的是供电建筑，而不是硅。机构投资者也对电网的准备情况提出了类似问题。

比特币矿工花费了十年时间解决这个问题。他们拥有已供电的场地，签署了电力协议，并拥有新进入者需要数年才能获得的互联权利。

结果使得挖矿变成了一项能源和基础设施业务。改造一个现有场地的成本大约为每兆瓦300万到400万美元。新建场地的成本在1000万到1200万美元之间，VanEck估计。

宣布的交易价值巨大。公共矿工签署的人工智能合同总价值超过700亿美元。

交付的能力则讲述了一个更安静的故事。2026年第二季度的文件显示，整个行业实际供电约750兆瓦。

Core Scientific占其中约437兆瓦。Galaxy的Helios校园交付了133兆瓦；TeraWulf 102兆瓦；IREN 50兆瓦；Riot 25兆瓦。Hut 8签约了949兆瓦，但未能供电。

这一转变代价高昂。MARA和CleanSpark矿工的季度总亏损在8月份达到了8.51亿美元。

大多数挖矿能力将永远无法转化。初步的剑桥调查数据显示，约10%的矿工已将电力分配给人工智能。

障碍是物理性的。挖矿可以容忍中断，而人工智能租户则要求稳定的电力、密集的冷却和远程场所通常缺乏的光纤。

尽管如此，发展方向是明确的。Core Scientific现在83%的收入来自共置，只有13%来自挖矿本身。

投资者已经将这一转变纳入了价格。持有签署租约的矿工的交易倍数远高于其供电能力。同时，下一个人工智能投资的重点越来越看起来是电力而非芯片。

为什么效率无法解决人工智能的能源使用

过去，效率的提升吸收了需求的增长。全球数据中心的计算能力在2010年至2018年间增长了550%，而能源使用仅上升了约6%。

然而，这一模式被打破了。美国的数据中心消费从2014年的58太瓦时上升到2023年的176太瓦时。

在一个硬性上限下，进化进行了优化。一个消耗200瓦特的头骨会杀死它的主人，因此效率成为唯一可行的答案。

而人工智能从未面临这样的上限。它面临的是资本的上限，而资本的扩展远比电力要容易得多。

这一情况现在正在改变。开放的问题不再是生物是否更高效，而是当电力而非金钱决定建设内容时，人工智能将会变成什么。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。