先来说说『DeepSeek』。以『DeepSeek』-V3为例，它是一个强大的混合专家（MoE）语言模型，采用了多头潜在注意力（MLA）和『DeepSeek』MoE架构，还有独特的负载平衡策略和多令牌预测（MTP），支持128K长文本处理，极大提升了效率。
01 『DeepSeek』-V3 碳排放计算根据官方技术报告，『DeepSeek』-V3完整训练时间为278.8万 H800 GPU小时。假设 ：每块H800 GPU的功率为300W，散热损耗约为1.3。碳排放计算如下：
『DeepSeek』-V3 碳排放计算
由此得出『DeepSeek』-V3完整训练后的碳排放约是583.5吨。虽然不低，但我们再来算一下OpenAI的GPT-4训练的碳排放。
02 Chat GPT-4 碳排放计算据相关报告，训练GPT-4大约需要使用25000块『英伟达』A100 GPU，整个训练过程约三个月，折合为54M A100 GPU小时。A10080GB显卡稳定工作功耗按300W 计算：
Chat GPT-4 碳排放计算
综上，『DeepSeek』-V3的碳排放约为583.5吨，Chat GPT-4的碳排放约为8692吨。
『DeepSeek』-V3碳排放仅相当于GhatGPT-4的7%，这主要得益于『DeepSeek』-V3高效的架构设计、低精度训练以及优化的流水线并行策略等。这背后不仅是算法效率的质变，更折射出中国创新力量的绿色觉醒。
但是即便如此，『DeepSeek』-V3产生的583.5吨的碳排放量仍不可小觑。
我们从生活场景中日常用电角度出发，普通家庭每月用电量大约在200度左右，根据全国电力平均二氧化碳排放因子，每月排放约107.32kg（0.107吨）二氧化碳。那583.5吨的碳排放相当于普通家庭用电5437个月，约453年的碳排放。更不用提Chat GPT-4的碳排放了。
AI的迅猛增长为人类带来了诸多便利，这是科技的进步。但站在可持续发展的十字路口，如何平衡科技进步与环境保护间的关系，实现绿色可持续发展，是亟待解决的重大课题。
结 语：低碳不是选择题，而是生存题。
当AI的智能不断突破极限，碳排放却可能成为锁住未来的枷锁。『DeepSeek』的低能耗启示我们，技术创新可以是解题钥匙，但行业协作与政策引导同样关键。
未来，或许每一行代码都需标注碳成本——因为真正的进步，从不对地球“透支”。
