科学家为何应带头减少对超大型人工智能数据中心的依赖

随着人工智能快速发展，支撑其运行的数据中心正面临公众强烈反对——因其耗电量巨大（全球数据中心年耗电约485太瓦时，相当于德国全国用电量）、耗水量高、产生噪音，并加剧社区不公。调查显示，71%的美国人反对在自家附近建设数据中心。面对这一困境，文章提出更务实的替代路径：科研人员应率先采用“开源权重AI模型”（即参数公开、可自由下载的模型），在高校或研究机构的本地服务器上部署运行。这类模型性能已快速追赶商业大模型（通常滞后约4个月），且已在笔记本电脑（如NVIDIA RTX Spark芯片、苹果M系列芯片）和小型服务器机柜（如迷你冰箱大小的设备支持50人并发使用）上成功运行。与依赖巨型数据中心的消费级AI不同，科研AI更需高效、透明、可控的工具。开放科学传统（如开源软件、共享数据）为这一转型提供了坚实基础。文章强调，未来AI不应只靠“更大数据中心”，而应回归个人计算精神——节能、去中心化、以人为本。同时指出，“智能体AI”（agentic AI）等新范式正通过调用外部工具提升能力，进一步降低对单一庞大算力中心的依赖。