谷歌称 AI 基础设施扩张推高用电 37%，但运营碳排放下降 2%
据 IT之家 7 月 5 日消息，谷歌本周发布新一期公司环境报告。报告显示，谷歌在 2025 年因快速扩展 AI 基础设施，公司用电需求创下历史新高，同比增加 37%；但在能效提升与可再生能源采购扩大的共同作用下，其运营碳排放并未同步上升，反而较上一年下降 2%。对于正在高速建设 AI 算力的科技公司而言，这份报告的核心看点在于：AI 算力增长与碳排放增长是否能够被拆开处理。
谷歌首席可持续发展官 Kate Brandt 表示，相关数据意味着谷歌已经实现业务高速增长与碳排放增长的“脱钩”。来源显示，这一结果主要来自三方面：大规模采购可再生能源、持续提升数据中心运行效率，以及对 AI 计算和软件系统进行全面优化。谷歌还提到，其数据中心能源利用效率约为行业平均水平的 1.83 倍，意味着在相同电力条件下可提供更高计算能力。
用电激增背后：AI 基础设施进入高密度扩张阶段
过去两年，大模型训练、推理服务、AI 搜索、智能办公和云端模型 API 都在快速拉高算力需求。谷歌的报告提供了一个具有代表性的样本：即便是拥有自研芯片、云计算平台和全球数据中心经验的公司，在 AI 基础设施扩张时也难以避免电力需求大幅上行。
37% 的用电增长说明，AI 的能源问题并不只是“多买几块 GPU”那么简单。模型训练需要大规模并行计算，推理服务则要求长期在线、低延迟响应；当 AI 功能嵌入搜索、地图、办公套件、云服务和移动应用后，基础设施压力会从单点训练任务转向持续运行的系统负载。
不过，谷歌试图强调的是另一面：用电增长不必然等于运营碳排放同步增长。如果电力来源更清洁、硬件每瓦性能更高、调度和软件栈更高效，单位 AI 能力对应的排放强度就可能下降。
“AI Stack”思路：节能不只靠数据中心
在本次报告中，谷歌提出“AI Stack”理念，认为 AI 基础设施的能源效率不应只看数据中心或芯片，而要从硬件、系统软件、模型和资源调度等多个层面整体优化。这一表述也反映了当前 AI 产业的一个趋势：节能已经从设施工程问题，变成软硬件协同优化问题。
- 硬件层面：谷歌持续提升自研 TPU 的每瓦性能，用同等能耗提供更高计算输出。
- 系统软件层面：通过编译器优化、内存管理、计算资源调度等方式提高硬件利用率。
- 模型层面：优化模型架构以及训练、推理流程，在保持甚至提升 AI 能力的同时降低资源消耗。
- 数据中心层面：降低 PUE、提高服务器部署密度、优化建筑设计、延长服务器使用寿命，并提升零部件循环利用率。
- 能源供应层面：扩大可再生能源采购，以降低电力消费带来的碳排放压力。
这一套方法对云厂商和大模型公司都有参考意义。随着 AI 推理需求超过训练需求成为常态，单纯依赖更先进芯片并不足够，模型压缩、动态调度、缓存策略、批处理和服务架构优化都会直接影响能耗表现。
可再生能源采购成为 AI 公司竞争变量
能源供应是谷歌报告中另一个重点。来源显示，谷歌在 2025 年新增签署超过 12GW 的可再生能源采购协议；自 2010 年以来，公司累计签订超过 240 份绿色电力采购合同，总装机规模约 35GW。谷歌还表示，公司已连续九年实现 100% 可再生能源电力匹配目标。
谷歌声称，凭借相关优化方案，2025 年累计避免约 5800 万吨二氧化碳排放。此外，公司还提到，通过在地图智能路线规划、建筑智能温控等产品中融入 AI 技术，预计 2025 年帮助外部用户累计减少约 4100 万吨碳排放，相当于谷歌自身年度排放量约三倍。
影响解读：AI 绿色化将从“形象工程”变成硬约束
对中文读者和国内 AI 产业观察者来说，谷歌这份报告的意义不只在于一家公司的环保成绩单，而在于它提示了 AI 基础设施竞争的下一阶段：算力规模、能源成本、碳排放约束和软件效率将被同时纳入评估。
未来，大模型企业比拼的可能不只是参数规模、上下文长度或推理速度，还会包括单位能耗下的模型能力、数据中心能效、可再生能源覆盖能力以及基础设施调度水平。对于云服务商而言，更高能效意味着更低运营成本；对于企业客户而言，选择 AI 服务时也可能越来越关注供应商的碳排放与能源结构。
当然，谷歌的做法需要强大的资本投入、长期电力采购能力和自研基础设施支撑，并非所有公司都能复制。但它至少表明，在 AI 用电快速增长的背景下，产业不会只沿着“堆更多算力”的路径前进。更高效的 AI Stack，可能会成为下一轮 AI 基础设施竞争的重要分水岭。