【标题】Kimi K3在德州比瑞典多排8.5倍碳:揭开AI单次请求背后的能耗账本

【摘要】瑞典算力商Berget AI联合SEI与WattTime发布开源核算工具,测得Kimi K3在完全相同的B300节点上,德州单次请求碳排高达3.2克,是瑞典0.38克的8.5倍。两地能耗看似只差电网,实则背后交织着极端PUE设定与高昂的硬件内嵌碳折旧,彻底颠覆了外界对绿色算力的单一认知。

【正文】

你在聊天框里敲下回车,模型吐出几百字回答,屏幕这头毫无烟火气,远方的电表却走了一截。

瑞典AI算力提供商Berget AI联合斯德哥尔摩环境研究所(SEI)、WattTime以及Klimatkollen发布了一套开源单请求碳核算工具。测试基准采用单节点B300运行开源模型Kimi K3,单次处理5000输入Token加387输出Token,硬件消耗电能都在4 Wh左右。但在瑞典电网下,单次请求碳排放只有0.38克CO₂e;调度到美国德州(ERCOT),这一数字直接飙升到3.2克。

德州的单次碳排放达到了瑞典的8.5倍。作为对照,爱尔兰为1.6克,德国为2.5克。发布当日团队曾发过一份勘误,早前禁运版本误报德州为3.9克(宣称10倍差)、爱尔兰1.2克、德国2.1克,经核对电网强度后修正为德州333、爱尔兰224、德国337 g CO₂e/kWh,倍数才正式定格在8.5倍。

Kimi K3 单次请求碳排放横向对比(g CO₂e) 瑞典 (Sweden) 0.38g (基准) 爱尔兰 (Ireland) 1.6g (4.2×) 德国 (Germany) 2.5g (6.6×) 美国德州 (ERCOT) 3.2g (8.5×) * 基准条件:B300 节点运行 Kimi K3,5000 输入 Token + 387 输出 Token,电耗均约 4 Wh

8.5倍悬殊背后的数学杠杆

直觉会告诉我们:两地碳排相差8.5倍,是因为德州的煤电比瑞典的水电脏了8.5倍。

瑞典自然进风与德州工业水冷散热存在巨大的物理工况悬殊
瑞典自然进风与德州工业水冷散热存在巨大的物理工况悬殊

事实并非如此。若查阅国际能源署(IEA)与官方电网数据,瑞典电网的平均碳强度只有约8 g CO₂e/kWh,德州ERCOT电网约为333 g CO₂e/kWh。如果只算纯电网因子,德州其实比瑞典脏了足足41倍。

41倍的鸿沟被拉低到8.5倍,核心原因在于该开源模型引入了硬件内嵌碳的折旧摊销。制造一张先进数据中心GPU本身要产生巨大的碳排放,模型按每张GPU内嵌碳1000 kg进行折旧均摊。

两地的数据中心运行环境差异也放大了电表读数。瑞典采用北欧自然风冷,PUE设定为1.15且几乎无水耗;德州夏季炎热,PUE设定直接拉到1.80,单次请求还要额外蒸发6毫升冷却水(单位水耗达2 L/kWh)。即便如此,内嵌碳这块巨大的恒定分母,依然强行抹平了物理电网的部分差距。

当电网极度清洁,造芯片成了原罪

深入拆解两地的排放构成,会发现一个反直觉的冷酷事实。

单张算力加速卡处于待机空转时,仍持续产生暗热功耗
单张算力加速卡处于待机空转时,仍持续产生暗热功耗

在德州的3.2克碳排里,90%来自电网燃烧化石能源的实时消耗。但到了几乎全绿电的瑞典,单次请求的0.38克里,89%来自芯片制造的硬件内嵌碳,服务器运转消耗的电力只占了一成。

碳排放构成倒置:电网运营 vs 硬件制造内嵌 瑞典单次请求 (0.38g) 硬件内嵌制造 89% 电力 11% 德州单次请求 (3.2g) 运营电力消耗 90% 内嵌 10%

这意味着一旦电网无限清洁,芯片本身就变成了最大的污染源。在这套模型设定中,翻新硬件的内嵌碳被计为零。如果算力集群盲目追逐硬件升级换代,频繁报废旧芯片换取更高的能效比,在北欧这样的清洁电网下反而会推高整体生命周期的碳排。

算力越是洗白,硬件制造的原罪越重。

硬件闲置同样在悄悄吞噬资源。根据实际生产环境测算,单张闲置的B300芯片功耗仍达236 W。即使没有Token吐出,维持这套算力底座的待机底噪也在持续产生折旧与电耗。


撕开大厂绿电公关的面具

开源模型与闭源大厂之间,正在形成完全不兼容的话语体系。

财务绿电凭证与接入实体电网的测电表形成了双重核算标准
财务绿电凭证与接入实体电网的测电表形成了双重核算标准

Google曾披露Gemini Apps的中位数文本请求能耗为0.24 Wh,碳排放仅0.03 gCO₂e。相比之下,Sam Altman曾透露ChatGPT单次查询约0.34 Wh;Epoch AI测算GPT-4o(500输出Token)约为0.3 Wh;CLEER测算Gemini 2.0 Flash芯片端能耗约为0.14 Wh。

表面上看Kimi K3在瑞典的0.38克远高于Google的0.03克,但这根本不是同一把尺子量出来的结果。

Google采用的是基于市场的核算机制,可以通过跨区域采购绿电证书(PPA)在财务报表层面直接抹平碳账;而Berget AI这套开源工具走的是基于位置原则,直接锚定物理电网的真实排放因子。拿财务抵扣后的数字去对比物理电网的实测排放,毫无横向可比性。

需要明确的是,SEI官方在代码仓库中特别声明,他们仅对内嵌碳与利用率提供了针对性建议,明确这并非机构的全面背书。开源社区试图建立通用的SCI-AI规范,但要打破科技巨头的黑盒标准壁垒,依然充满阻力。

  • 风险.若只看厂商单方披露的基于市场核算数据,企业采购极容易陷入买绿电证抵消实质污染的ESG数字游戏。

真正的考验还没开始

国际能源署预测,到2030年数据中心电力消耗将翻倍至约945 TWh。目前Vercel AI Gateway上的开源权重Token占比已从2026年4月的11%飙升至6月的29%,开源算力的灵活调度正在变成现实。

北欧风力发电机群远方的应急火电机组,正在热备用待命
北欧风力发电机群远方的应急火电机组,正在热备用待命

眼下的北欧神话也面临破灭的可能。当前所有对比均基于区域平均电网强度,然而WattTime力推的边际排放率模块即将在下月接入。平均因子只适合算后账分摊,边际因子衡量的则是新增负荷到底逼动了哪座调峰电厂。一旦新增的AI算力峰值迫使北欧电网启动备用火电机组,瑞典数据中心的低碳光环势必经历一场重估。