GPT-3一次訓練的耗電量就達1287兆瓦時，能支撐3000輛特斯拉電動汽車共同開跑，每輛車跑20萬英里。GPT-4一次訓練所需的電能，若全部轉化為熱能，可將大約1000個奧運會標準游泳池的水量加熱到沸騰。小小AI，卻是耗能巨頭。隨著技術的普及與應用，AI在加快科技進步的同時，也在加速全球的能源消耗。AI耗能巨大的問題雖然嚴峻但并非無解。為了破解這一難題，各國和科技行業也在積極探索相應的對策。
AI能耗一路狂飆
從全球范圍來看，AI的能耗隨著技術和需求的發展不斷增長。在美國，波士頓咨詢集團預計，到2030年，美國數據中心的用電量將是2022年的3倍，而這一增幅主要來自人工智能。在愛爾蘭，數據中心的耗電量已超過該國所有城市家庭用電量的總和，占比約為21％。在中國，據相關機構預測，2030年中國數據中心用電量將超過9500億千瓦時，是2022年的3.5倍以上。如今，全球數據中心的耗電量已從十年前的100億瓦（GW）增加到1000億瓦水平。顯而易見，AI的能耗正在與日俱增，究其原因，還在于AI系統的設備運行等。
在硬件配備方面，高性能的硬件是AI消耗大量能源的原因之一。AI系統特別是深度學習模型，需要執行大量的矩陣運算和浮點運算等計算密集型任務，這些都離不開高性能計算機和圖形處理器（GPU）的支持。特別是在大模型訓練過程中，需要多個GPU持續不斷運轉，而一塊GPU的能耗就遠高于中央處理器（CPU）。例如，一塊英偉達A100GPU的功耗為400瓦，GPT-3訓練用到了1024塊A100芯片，GPT-4更是攀升至25000塊，這種型號的提升和數量的激增導致了能耗的顯著增加。
在計算運行方面，超大規模的數據處理和超高復雜度的算法模型進一步加劇了AI對于能源的消耗。AI系統通常需要處理大量的數據來提取有用的特征和信息。訓練一個大型的語言模型可能需要對數十億甚至數萬億個文本數據進行分析與處理。無論是訓練數據還是實時輸入數據，當數據規模龐大時，都需要大量的能源支持。隨著AI模型的復雜化，所需的計算資源和內存在不斷增加，同樣所耗費的能源也在增加。
在設備維護方面，有效的冷卻系統和設備的更新換代也會消耗大量能源。高性能計算硬件在運行應用的過程中會產生大量的熱量，為了保證設備的正常運行和延長使用壽命，需要使用冷卻系統來保持硬件的穩定運行，而冷卻系統的運行也會消耗能源。微軟在美國的數據中心僅用于訓練GPT-3模型就直接消耗了70萬公升的清潔淡水來冷卻系統。并且AI設備的更新換代速度較快，舊設備的淘汰和處理帶來一定的環境和能源負擔的同時，新設備的制造和部署也會消耗大量的能源和資源。
不僅如此，AI技術的發展還伴隨大量的碳排放和淡水消耗。哈佛大學的研究團隊分析了美國2132個數據中心的運作情況，發現自2018年以來，美國數據中心的碳排放量已增長3倍。截至2024年8月，這些設施共排放了1.05億噸二氧化碳，占全美碳排放總量的2.18％。
能耗難題有望破解
為了應對AI能耗量巨大的問題，一些大型的科技公司在考慮通過購買核電站來滿足AI的胃口。根據美國《華爾街日報》報道，谷歌正在考慮與小型模塊化反應堆（SMR）開發商簽署電力購買協議。發展核能、太陽能、風能等清潔能源，雖然在一定程度上能夠緩解AI能源需求緊張，但核心在于要加強AI技術的創新與優化、政府的政策引導與監管，標本兼治解決AI能耗巨大的問題。
在技術的創新與優化方面，產業通過不斷改進AI模型與算法，更新使用高效能硬件，優化數據中心設計。通過優化AI模型和算法，發展更高效智能的技術，減少不必要的計算量，提高模型性能的同時減少能源消耗。據外媒報道，BitEnergy AI公司提出的新穎整數加法算法，能在保證計算結果的同時大幅降低能耗。利用先進的半導體制造技術定制AI芯片，相比傳統CPU和GPU具有更高的能效。例如，英偉達的Tensor Core和谷歌的TPU設計出專為AI計算的芯片，它們提供了高效的矩陣乘法和卷積操作，從而降低了能耗；探索使用新型芯片，如量子芯片，以顛覆傳統計算模式，實現更高的能效；采用液冷等高效冷卻技術，減少數據中心用于散熱的能耗。
在政府的政策引導與監管方面，國內外也在積極推動數據共享與治理、制定節能標準與法規等。歐盟通過“歐洲綠色協議”等政策推動AI領域的綠色轉型，并設立專項基金支持AI節能技術的研發和應用。日本政府通過“Top Runner”制度推動AI產品能效的提升。美國政府也通過稅收減免、補貼等方式，鼓勵企業使用可再生能源和節能技術，并且要求數據中心從2025年起能效比不高于一定數值，并將可再生能源使用比例逐年上調。
我國也在綠色低碳發展AI產業方面推出一系列舉措。算力作為人工智能的重要支柱，2021年，我國推出“東數西算”工程，推動綠色數據中心建設，合理布局算力資源，將算力資源部署到能源成本較低、氣候較涼爽的西部地區，以降低能耗。2024年7月，國家發改委和工信部發布了《數據中心綠色低碳發展專項行動計劃》，旨在推動數據中心綠色低碳發展，加快節能降碳改造和用能設備更新。該計劃提出了到2025年年底，全國數據中心布局更加合理，整體上架率不低于60％，平均電能利用效率降至1.5以下，可再生能源利用率年均增長10％等具體目標。
我國基礎電信企業也在發力AI，加強綠色低碳能源建設。中國電信以零碳云為算力載體，推出綠色云電腦；打造“兩彈一優”高標準AIDC示范基地，有效降低數據中心PUE值。中國移動全面推進“AI+”行動計劃，加快網絡基礎設施向“空天地”一體化演進，打造多元泛在、綠色低碳的智算集群。中國聯通積極打造聯通“雙碳”云平臺，在河北、新疆、寧夏等地積極推廣蒸發冷卻、新風、石墨烯等新技術，提高數據中心綠色化水平。
從蒸汽時代到電氣時代，再到信息時代，科技改變了社會的生產生活方式。隨著技術的推廣與應用，AI正在逐漸成為我們不可或缺的一部分。堵不如疏，疏不如引。或許現在還未能解決AI帶來的能源危機，但是這并不是無解之題。相信未來，隨著智能技術的迭代優化、政策的牽引指導、新能源的開發利用等，AI的開發利用會更加充分，AI對于電力等能源的消耗帶來的問題會得到解決。
GPT-3一次訓練的耗電量就達1287兆瓦時，能支撐3000輛特斯拉電動汽車共同開跑，每輛車跑20萬英里。GPT-4一次訓練所需的電能，若全部轉化為熱能，可將大約1000個奧運會標準游泳池的水量加熱到沸騰。小小AI，卻是耗能巨頭。隨著技術的普及與應用，AI在加快科技進步的同時，也在加速全球的能源消耗。AI耗能巨大的問題雖然嚴峻但并非無解。為了破解這一難題，各國和科技行業也在積極探索相應的對策。
AI能耗一路狂飆
從全球范圍來看，AI的能耗隨著技術和需求的發展不斷增長。在美國，波士頓咨詢集團預計，到2030年，美國數據中心的用電量將是2022年的3倍，而這一增幅主要來自人工智能。在愛爾蘭，數據中心的耗電量已超過該國所有城市家庭用電量的總和，占比約為21％。在中國，據相關機構預測，2030年中國數據中心用電量將超過9500億千瓦時，是2022年的3.5倍以上。如今，全球數據中心的耗電量已從十年前的100億瓦（GW）增加到1000億瓦水平。顯而易見，AI的能耗正在與日俱增，究其原因，還在于AI系統的設備運行等。
在硬件配備方面，高性能的硬件是AI消耗大量能源的原因之一。AI系統特別是深度學習模型，需要執行大量的矩陣運算和浮點運算等計算密集型任務，這些都離不開高性能計算機和圖形處理器（GPU）的支持。特別是在大模型訓練過程中，需要多個GPU持續不斷運轉，而一塊GPU的能耗就遠高于中央處理器（CPU）。例如，一塊英偉達A100GPU的功耗為400瓦，GPT-3訓練用到了1024塊A100芯片，GPT-4更是攀升至25000塊，這種型號的提升和數量的激增導致了能耗的顯著增加。
在計算運行方面，超大規模的數據處理和超高復雜度的算法模型進一步加劇了AI對于能源的消耗。AI系統通常需要處理大量的數據來提取有用的特征和信息。訓練一個大型的語言模型可能需要對數十億甚至數萬億個文本數據進行分析與處理。無論是訓練數據還是實時輸入數據，當數據規模龐大時，都需要大量的能源支持。隨著AI模型的復雜化，所需的計算資源和內存在不斷增加，同樣所耗費的能源也在增加。
在設備維護方面，有效的冷卻系統和設備的更新換代也會消耗大量能源。高性能計算硬件在運行應用的過程中會產生大量的熱量，為了保證設備的正常運行和延長使用壽命，需要使用冷卻系統來保持硬件的穩定運行，而冷卻系統的運行也會消耗能源。微軟在美國的數據中心僅用于訓練GPT-3模型就直接消耗了70萬公升的清潔淡水來冷卻系統。并且AI設備的更新換代速度較快，舊設備的淘汰和處理帶來一定的環境和能源負擔的同時，新設備的制造和部署也會消耗大量的能源和資源。
不僅如此，AI技術的發展還伴隨大量的碳排放和淡水消耗。哈佛大學的研究團隊分析了美國2132個數據中心的運作情況，發現自2018年以來，美國數據中心的碳排放量已增長3倍。截至2024年8月，這些設施共排放了1.05億噸二氧化碳，占全美碳排放總量的2.18％。
能耗難題有望破解
為了應對AI能耗量巨大的問題，一些大型的科技公司在考慮通過購買核電站來滿足AI的胃口。根據美國《華爾街日報》報道，谷歌正在考慮與小型模塊化反應堆（SMR）開發商簽署電力購買協議。發展核能、太陽能、風能等清潔能源，雖然在一定程度上能夠緩解AI能源需求緊張，但核心在于要加強AI技術的創新與優化、政府的政策引導與監管，標本兼治解決AI能耗巨大的問題。
在技術的創新與優化方面，產業通過不斷改進AI模型與算法，更新使用高效能硬件，優化數據中心設計。通過優化AI模型和算法，發展更高效智能的技術，減少不必要的計算量，提高模型性能的同時減少能源消耗。據外媒報道，BitEnergy AI公司提出的新穎整數加法算法，能在保證計算結果的同時大幅降低能耗。利用先進的半導體制造技術定制AI芯片，相比傳統CPU和GPU具有更高的能效。例如，英偉達的Tensor Core和谷歌的TPU設計出專為AI計算的芯片，它們提供了高效的矩陣乘法和卷積操作，從而降低了能耗；探索使用新型芯片，如量子芯片，以顛覆傳統計算模式，實現更高的能效；采用液冷等高效冷卻技術，減少數據中心用于散熱的能耗。
在政府的政策引導與監管方面，國內外也在積極推動數據共享與治理、制定節能標準與法規等。歐盟通過“歐洲綠色協議”等政策推動AI領域的綠色轉型，并設立專項基金支持AI節能技術的研發和應用。日本政府通過“Top Runner”制度推動AI產品能效的提升。美國政府也通過稅收減免、補貼等方式，鼓勵企業使用可再生能源和節能技術，并且要求數據中心從2025年起能效比不高于一定數值，并將可再生能源使用比例逐年上調。
我國也在綠色低碳發展AI產業方面推出一系列舉措。算力作為人工智能的重要支柱，2021年，我國推出“東數西算”工程，推動綠色數據中心建設，合理布局算力資源，將算力資源部署到能源成本較低、氣候較涼爽的西部地區，以降低能耗。2024年7月，國家發改委和工信部發布了《數據中心綠色低碳發展專項行動計劃》，旨在推動數據中心綠色低碳發展，加快節能降碳改造和用能設備更新。該計劃提出了到2025年年底，全國數據中心布局更加合理，整體上架率不低于60％，平均電能利用效率降至1.5以下，可再生能源利用率年均增長10％等具體目標。
我國基礎電信企業也在發力AI，加強綠色低碳能源建設。中國電信以零碳云為算力載體，推出綠色云電腦；打造“兩彈一優”高標準AIDC示范基地，有效降低數據中心PUE值。中國移動全面推進“AI+”行動計劃，加快網絡基礎設施向“空天地”一體化演進，打造多元泛在、綠色低碳的智算集群。中國聯通積極打造聯通“雙碳”云平臺，在河北、新疆、寧夏等地積極推廣蒸發冷卻、新風、石墨烯等新技術，提高數據中心綠色化水平。
從蒸汽時代到電氣時代，再到信息時代，科技改變了社會的生產生活方式。隨著技術的推廣與應用，AI正在逐漸成為我們不可或缺的一部分。堵不如疏，疏不如引。或許現在還未能解決AI帶來的能源危機，但是這并不是無解之題。相信未來，隨著智能技術的迭代優化、政策的牽引指導、新能源的開發利用等，AI的開發利用會更加充分，AI對于電力等能源的消耗帶來的問題會得到解決。
本文鏈接：http://www.gxcspki.cn/news-2-284-0.htmlAI耗能困境并非無解之題
聲明：本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇：新技術為隔空充電提供更多可能
下一篇：電動自行車安全實用都不能少
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
