为了缓解电量焦虑，大概只能从两方面下手。

一是提升电池的能量密度，二是快充。前者进程缓慢，而且也需要克服物理、化学两大铁律，许多新技术还停留在理论或者实验室环境当中。而快充似乎也成为了少数能缓解电量焦虑的办法。

当下，无论是手里的智能手机，还是屁股下面的新能源汽车，大功率快充几乎成为兵家必争之地。

智能手机当下已经卷到 200W 的充电功率，而特斯拉最新的 V3 超级充电桩已经突破了 250kW，如此的高功率也大幅缩短了锂电池的补能时间。

同时，高功率快充也改变了一些习惯，利用碎片化时间补能充电也成为当下普遍的一个状态。

倘若说智能手机、电动车上出现的高功率充电是为了缓解电量焦虑，那显卡、处理器越来越高的功率，其实同样也是为了更好的使用体验。

不过，他们功率的飙升并非是缓解焦虑，而是带来更高的算力。

就拿英伟达最新公布的 GeForce RTX 4090 为例，它的功率直接飙升到 600W，倘若配合主板、散热系统，以及 Intel 13 代处理器的话，这么一整套 PC 的功率能够轻松的达到 1000W。

倘若在一小时耗去一度电的功率还不足以震惊你的话，台式机与其他电器不同，它内部的电源会将 220V 的电压转变为 12V，以供给显卡电能。

简单换算之后，RTX4090 显卡 12VHPWR 接口将会承受 50A 的电流，要比 100mA 的人体致死电流高出不知多少倍了。

能量守恒定律不会放过每一个电器，有着如此的高电流，线路上的电阻产热也会成倍的增加。

在 RTX4090 发布不久，就有用户在网上发帖表示自己花大钱买的新显卡上的 12VHPWR 接口与供电线出现了「熔化」，也就是烧了。

运气好的只烧了个接口，而运气不好的可能会搭进去整台 PC 的命。

随着人数越来越多，英伟达也表示正着手调查。相对于有拖延症的官方，民间一些机构的执行力和效率显然要高一些。

也就在近日，YouTube 的 Gamers Nexus 博主就还原事件，并下了个结论。

简单来说，就是供电线与接口连接不稳定，在几分钟内，接口处就产生了高达 250℃ 的温度，最后使得接口上的塑料成功熔化，甚至还冒了烟。

Gamers Nexus 认为造成如此的后果，一个是设计不佳，另一个则是使用不恰当。

设计上 12VHPWR 没有传统的 8pin、6pin 接口类似的卡扣让接口与供电线紧密相连，进而也导致了用户在使用、组装过程中没有让它们紧密连接。

而且 RTX4080 使用的也是 12VHPWR 接口，所以也不排除晚上市的 RTX4080 就会幸免于难。

由于这个问题暂时无解，Gamers Nexus 也给许多 RTX4090、RTX4080 用户发出了一个忠告，「插紧并固定」住 12VHPWR，且避免线缆的弯折。

除了 12VHPWR 带来的困扰，用户们对 RTX4090 也有着各方面的吐槽，比如体积巨大，价格太贵等等，但他们似乎都对性能颇为满意。

高功率、高体积、高价格自然也换来了应有的性能，所谓高投入高回报。

另外，显卡的高算力并不只是在游戏领域大展拳脚，用互联网黑话来说，显卡也在赋能 AI 行业。

在 AI 模型训练过程中，需要显卡来提供大量的算力，与挖矿的过程有些类似，都需要显卡持续地 24 小时不停工。

一方面是显卡功率持续飙升，另一方面是绝不停工，马萨诸萨大学的研究人员就开了个脑洞，研究了一下在 AI 训练周期内，这些显卡到底能产生多少碳排放量，也就是说会对环境、能源带来多大的影响。

按理说，一个 PC 或者其他消费电子产品，都归类于弱电，在大众印象当中，AI 行业应该不会耗费多大的能源。在我们享受 AI 带来的方便同时，似乎潜意识里也认为 AI 也「吃得少跑得快」。

但研究结果则有些出人意料，几种大型的 AI 模型训练周期为样本，训练过程中可以排放超过 626000 磅二氧化碳，几乎是普通汽车寿命碳排放量的 5 倍，且包括汽车制造过程。

如此的高能耗，高碳排，让许多 AI 从业者也大吃一惊，我们对许多行业的能耗只有着模糊的概念，但当确切的数字出现，不只是普通大众，AI 从业者可能都不知道会有着如此高的能耗。

无论是 Google 苹果还是硅谷其他的科技企业，每次对外的发布会，都会演示各自在 AI 领域的努力与成果。

设备更智能，生活也更为便利，更具个性化的互联网的背后就是庞大与复杂的 AI 所主导。而再带入马萨诸萨大学的研究当中，无形当中其实我们也消耗掉了相当多的能源。

在最近，由 100 多名研究人员组成的团队发出的全球碳预算报告当中，燃烧化石燃料造成的二氧化碳污染可能会超过 2019 年，重新回到高点。

在许多人印象当中，高碳排其实更多存在于传统行业，比如制造业和交通业，但利用高算力训练 AI 模型，其实才是隐藏的碳排放大佬。

有意思的是，对不同 AI 模型的训练过程，并非都有一定的收益。当训练完成，在对模型优化训练时，同样会消耗相当的电量，不过此时却几乎没有性能收益。

而在这则论文当中，马萨诸萨大学使用的是当下已经成型的单一训练模型，更利于控制变量，产生结论。但在实际当中，AI 训练往往需要开发一个新模型，或者对原有模型进行优化，当不断地调整数据时，这个过程往往会持续更长的时间，也会有着更高的能耗。

按照目前的趋势来看，AI 算力远远没到拐点，随着 AI 未来会面向更多的行业，AI 算力的需求也会越来越高，由此带来了电力的强需求和环境的影响也会更深。

互联网的诞生，智能手机的出现，以及各类机器学习让个人有能力去传递信息，并适时的获取信息，促成了当下的信息化时代。

未来学家 Alvin Toffler（阿尔文·托夫勒）认为当下正踏进第三次浪潮文明的信息社会，与前两次的农业社会和工业社会最大的区别就是不再以体能和机械为主，而是智能。

而我们现在其实仍处于新旧时代的交替之中，现在还没有一个国家或者地区完全的进入信息社会。当下工业社会仍旧是主角，对于能源和环境的影响也仍旧处于一个旧的认知。

随着信息化进程的不断深入，对于 AI 算力的需求显然更胜，由此按照当下对于电力的高需求来说，我们也正在步入一个电力饥渴的年代。

不仅是工业社会活动需要大量的电能电力，进行生产，科技公司的 AI 开发和训练也会有着对电能的高需求，以及对环境产生着深渊的影响。

马萨诸萨大学对于 AI 算力能耗的研究，并非是呼吁停止对 AI 的模型训练，而是揭示，或者给我们一个警示，在 AI 算力不断提升的过程中，实际上也伴随着相当高的能源消耗与环境影响。

当我们不断在优化工业社会当中的制造业时，其实也应当把目光看向新兴的 AI 产业 ，它们其实更值得大企业以身作则去做一些能源优化，减少碳排的事业。

而对于我们普通的玩家来说，这个大计可能与我们还比较远，关联不大，但其实也给我们带来了一个新的思考角度，未来家中的能耗大户可能并非是空调、冰箱热水器这种白电，而可能会逐步转变成手中的手机或者桌上的 PC。