GPT-3一次训练的耗电量就达1287兆瓦时，能支撑3000辆特斯拉电动汽车共同开跑，每辆车跑20万英里。GPT-4一次训练所需的电能，若全部转化为热能，可将大约1000个奥运会标准游泳池的水量加热到沸腾。小小AI，却是耗能巨头。随着技术的普及与应用，AI在加快科技进步的同时，也在加速全球的能源消耗。AI耗能巨大的问题虽然严峻但并非无解。为了破解这一难题，各国和科技行业也在积极探索相应的对策。
AI能耗一路狂飙
从全球范围来看，AI的能耗随着技术和需求的发展不断增长。在美国，波士顿咨询集团预计，到2030年，美国数据中心的用电量将是2022年的3倍，而这一增幅主要来自人工智能。在爱尔兰，数据中心的耗电量已超过该国所有城市家庭用电量的总和，占比约为21％。在中国，据相关机构预测，2030年中国数据中心用电量将超过9500亿千瓦时，是2022年的3.5倍以上。如今，全球数据中心的耗电量已从十年前的100亿瓦（GW）增加到1000亿瓦水平。显而易见，AI的能耗正在与日俱增，究其原因，还在于AI系统的设备运行等。
在硬件配备方面，高性能的硬件是AI消耗大量能源的原因之一。AI系统特别是深度学习模型，需要执行大量的矩阵运算和浮点运算等计算密集型任务，这些都离不开高性能计算机和图形处理器（GPU）的支持。特别是在大模型训练过程中，需要多个GPU持续不断运转，而一块GPU的能耗就远高于中央处理器（CPU）。例如，一块英伟达A100GPU的功耗为400瓦，GPT-3训练用到了1024块A100芯片，GPT-4更是攀升至25000块，这种型号的提升和数量的激增导致了能耗的显著增加。
在计算运行方面，超大规模的数据处理和超高复杂度的算法模型进一步加剧了AI对于能源的消耗。AI系统通常需要处理大量的数据来提取有用的特征和信息。训练一个大型的语言模型可能需要对数十亿甚至数万亿个文本数据进行分析与处理。无论是训练数据还是实时输入数据，当数据规模庞大时，都需要大量的能源支持。随着AI模型的复杂化，所需的计算资源和内存在不断增加，同样所耗费的能源也在增加。
在设备维护方面，有效的冷却系统和设备的更新换代也会消耗大量能源。高性能计算硬件在运行应用的过程中会产生大量的热量，为了保证设备的正常运行和延长使用寿命，需要使用冷却系统来保持硬件的稳定运行，而冷却系统的运行也会消耗能源。微软在美国的数据中心仅用于训练GPT-3模型就直接消耗了70万公升的清洁淡水来冷却系统。并且AI设备的更新换代速度较快，旧设备的淘汰和处理带来一定的环境和能源负担的同时，新设备的制造和部署也会消耗大量的能源和资源。
不仅如此，AI技术的发展还伴随大量的碳排放和淡水消耗。哈佛大学的研究团队分析了美国2132个数据中心的运作情况，发现自2018年以来，美国数据中心的碳排放量已增长3倍。截至2024年8月，这些设施共排放了1.05亿吨二氧化碳，占全美碳排放总量的2.18％。
能耗难题有望破解
为了应对AI能耗量巨大的问题，一些大型的科技公司在考虑通过购买核电站来满足AI的胃口。根据美国《华尔街日报》报道，谷歌正在考虑与小型模块化反应堆（SMR）开发商签署电力购买协议。发展核能、太阳能、风能等清洁能源，虽然在一定程度上能够缓解AI能源需求紧张，但核心在于要加强AI技术的创新与优化、政府的政策引导与监管，标本兼治解决AI能耗巨大的问题。
在技术的创新与优化方面，产业通过不断改进AI模型与算法，更新使用高效能硬件，优化数据中心设计。通过优化AI模型和算法，发展更高效智能的技术，减少不必要的计算量，提高模型性能的同时减少能源消耗。据外媒报道，BitEnergy AI公司提出的新颖整数加法算法，能在保证计算结果的同时大幅降低能耗。利用先进的半导体制造技术定制AI芯片，相比传统CPU和GPU具有更高的能效。例如，英伟达的Tensor Core和谷歌的TPU设计出专为AI计算的芯片，它们提供了高效的矩阵乘法和卷积操作，从而降低了能耗；探索使用新型芯片，如量子芯片，以颠覆传统计算模式，实现更高的能效；采用液冷等高效冷却技术，减少数据中心用于散热的能耗。
在政府的政策引导与监管方面，国内外也在积极推动数据共享与治理、制定节能标准与法规等。欧盟通过“欧洲绿色协议”等政策推动AI领域的绿色转型，并设立专项基金支持AI节能技术的研发和应用。日本政府通过“Top Runner”制度推动AI产品能效的提升。美国政府也通过税收减免、补贴等方式，鼓励企业使用可再生能源和节能技术，并且要求数据中心从2025年起能效比不高于一定数值，并将可再生能源使用比例逐年上调。
我国也在绿色低碳发展AI产业方面推出一系列举措。算力作为人工智能的重要支柱，2021年，我国推出“东数西算”工程，推动绿色数据中心建设，合理布局算力资源，将算力资源部署到能源成本较低、气候较凉爽的西部地区，以降低能耗。2024年7月，国家发改委和工信部发布了《数据中心绿色低碳发展专项行动计划》，旨在推动数据中心绿色低碳发展，加快节能降碳改造和用能设备更新。该计划提出了到2025年年底，全国数据中心布局更加合理，整体上架率不低于60％，平均电能利用效率降至1.5以下，可再生能源利用率年均增长10％等具体目标。
我国基础电信企业也在发力AI，加强绿色低碳能源建设。中国电信以零碳云为算力载体，推出绿色云电脑；打造“两弹一优”高标准AIDC示范基地，有效降低数据中心PUE值。中国移动全面推进“AI+”行动计划，加快网络基础设施向“空天地”一体化演进，打造多元泛在、绿色低碳的智算集群。中国联通积极打造联通“双碳”云平台，在河北、新疆、宁夏等地积极推广蒸发冷却、新风、石墨烯等新技术，提高数据中心绿色化水平。
从蒸汽时代到电气时代，再到信息时代，科技改变了社会的生产生活方式。随着技术的推广与应用，AI正在逐渐成为我们不可或缺的一部分。堵不如疏，疏不如引。或许现在还未能解决AI带来的能源危机，但是这并不是无解之题。相信未来，随着智能技术的迭代优化、政策的牵引指导、新能源的开发利用等，AI的开发利用会更加充分，AI对于电力等能源的消耗带来的问题会得到解决。
GPT-3一次训练的耗电量就达1287兆瓦时，能支撑3000辆特斯拉电动汽车共同开跑，每辆车跑20万英里。GPT-4一次训练所需的电能，若全部转化为热能，可将大约1000个奥运会标准游泳池的水量加热到沸腾。小小AI，却是耗能巨头。随着技术的普及与应用，AI在加快科技进步的同时，也在加速全球的能源消耗。AI耗能巨大的问题虽然严峻但并非无解。为了破解这一难题，各国和科技行业也在积极探索相应的对策。
AI能耗一路狂飙
从全球范围来看，AI的能耗随着技术和需求的发展不断增长。在美国，波士顿咨询集团预计，到2030年，美国数据中心的用电量将是2022年的3倍，而这一增幅主要来自人工智能。在爱尔兰，数据中心的耗电量已超过该国所有城市家庭用电量的总和，占比约为21％。在中国，据相关机构预测，2030年中国数据中心用电量将超过9500亿千瓦时，是2022年的3.5倍以上。如今，全球数据中心的耗电量已从十年前的100亿瓦（GW）增加到1000亿瓦水平。显而易见，AI的能耗正在与日俱增，究其原因，还在于AI系统的设备运行等。
在硬件配备方面，高性能的硬件是AI消耗大量能源的原因之一。AI系统特别是深度学习模型，需要执行大量的矩阵运算和浮点运算等计算密集型任务，这些都离不开高性能计算机和图形处理器（GPU）的支持。特别是在大模型训练过程中，需要多个GPU持续不断运转，而一块GPU的能耗就远高于中央处理器（CPU）。例如，一块英伟达A100GPU的功耗为400瓦，GPT-3训练用到了1024块A100芯片，GPT-4更是攀升至25000块，这种型号的提升和数量的激增导致了能耗的显著增加。
在计算运行方面，超大规模的数据处理和超高复杂度的算法模型进一步加剧了AI对于能源的消耗。AI系统通常需要处理大量的数据来提取有用的特征和信息。训练一个大型的语言模型可能需要对数十亿甚至数万亿个文本数据进行分析与处理。无论是训练数据还是实时输入数据，当数据规模庞大时，都需要大量的能源支持。随着AI模型的复杂化，所需的计算资源和内存在不断增加，同样所耗费的能源也在增加。
在设备维护方面，有效的冷却系统和设备的更新换代也会消耗大量能源。高性能计算硬件在运行应用的过程中会产生大量的热量，为了保证设备的正常运行和延长使用寿命，需要使用冷却系统来保持硬件的稳定运行，而冷却系统的运行也会消耗能源。微软在美国的数据中心仅用于训练GPT-3模型就直接消耗了70万公升的清洁淡水来冷却系统。并且AI设备的更新换代速度较快，旧设备的淘汰和处理带来一定的环境和能源负担的同时，新设备的制造和部署也会消耗大量的能源和资源。
不仅如此，AI技术的发展还伴随大量的碳排放和淡水消耗。哈佛大学的研究团队分析了美国2132个数据中心的运作情况，发现自2018年以来，美国数据中心的碳排放量已增长3倍。截至2024年8月，这些设施共排放了1.05亿吨二氧化碳，占全美碳排放总量的2.18％。
能耗难题有望破解
为了应对AI能耗量巨大的问题，一些大型的科技公司在考虑通过购买核电站来满足AI的胃口。根据美国《华尔街日报》报道，谷歌正在考虑与小型模块化反应堆（SMR）开发商签署电力购买协议。发展核能、太阳能、风能等清洁能源，虽然在一定程度上能够缓解AI能源需求紧张，但核心在于要加强AI技术的创新与优化、政府的政策引导与监管，标本兼治解决AI能耗巨大的问题。
在技术的创新与优化方面，产业通过不断改进AI模型与算法，更新使用高效能硬件，优化数据中心设计。通过优化AI模型和算法，发展更高效智能的技术，减少不必要的计算量，提高模型性能的同时减少能源消耗。据外媒报道，BitEnergy AI公司提出的新颖整数加法算法，能在保证计算结果的同时大幅降低能耗。利用先进的半导体制造技术定制AI芯片，相比传统CPU和GPU具有更高的能效。例如，英伟达的Tensor Core和谷歌的TPU设计出专为AI计算的芯片，它们提供了高效的矩阵乘法和卷积操作，从而降低了能耗；探索使用新型芯片，如量子芯片，以颠覆传统计算模式，实现更高的能效；采用液冷等高效冷却技术，减少数据中心用于散热的能耗。
在政府的政策引导与监管方面，国内外也在积极推动数据共享与治理、制定节能标准与法规等。欧盟通过“欧洲绿色协议”等政策推动AI领域的绿色转型，并设立专项基金支持AI节能技术的研发和应用。日本政府通过“Top Runner”制度推动AI产品能效的提升。美国政府也通过税收减免、补贴等方式，鼓励企业使用可再生能源和节能技术，并且要求数据中心从2025年起能效比不高于一定数值，并将可再生能源使用比例逐年上调。
我国也在绿色低碳发展AI产业方面推出一系列举措。算力作为人工智能的重要支柱，2021年，我国推出“东数西算”工程，推动绿色数据中心建设，合理布局算力资源，将算力资源部署到能源成本较低、气候较凉爽的西部地区，以降低能耗。2024年7月，国家发改委和工信部发布了《数据中心绿色低碳发展专项行动计划》，旨在推动数据中心绿色低碳发展，加快节能降碳改造和用能设备更新。该计划提出了到2025年年底，全国数据中心布局更加合理，整体上架率不低于60％，平均电能利用效率降至1.5以下，可再生能源利用率年均增长10％等具体目标。
我国基础电信企业也在发力AI，加强绿色低碳能源建设。中国电信以零碳云为算力载体，推出绿色云电脑；打造“两弹一优”高标准AIDC示范基地，有效降低数据中心PUE值。中国移动全面推进“AI+”行动计划，加快网络基础设施向“空天地”一体化演进，打造多元泛在、绿色低碳的智算集群。中国联通积极打造联通“双碳”云平台，在河北、新疆、宁夏等地积极推广蒸发冷却、新风、石墨烯等新技术，提高数据中心绿色化水平。
从蒸汽时代到电气时代，再到信息时代，科技改变了社会的生产生活方式。随着技术的推广与应用，AI正在逐渐成为我们不可或缺的一部分。堵不如疏，疏不如引。或许现在还未能解决AI带来的能源危机，但是这并不是无解之题。相信未来，随着智能技术的迭代优化、政策的牵引指导、新能源的开发利用等，AI的开发利用会更加充分，AI对于电力等能源的消耗带来的问题会得到解决。
本文链接：AI耗能困境并非无解之题http://www.sushuapos.com/show-2-10324-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 新技术为隔空充电提供更多可能
下一篇： 电动自行车安全实用都不能少