AI的盡頭是能源嗎

無(wú)論是否支持人工智能的發(fā)展,，我們都不能忽視其能耗問(wèn)題,。有人擔(dān)心AI發(fā)展過(guò)快會(huì)對(duì)能源市場(chǎng)和環(huán)境造成沖擊，也有人擔(dān)憂能源產(chǎn)業(yè)進(jìn)步緩慢會(huì)成為AI發(fā)展的瓶頸。AI的盡頭是能源嗎,！

隨著AI的普及，其在能耗中的占比將逐年提升,。為此,，AI研發(fā)企業(yè)紛紛投資能源供應(yīng)。谷歌宣布購(gòu)買Kairos Power建造的小型模塊化反應(yīng)堆生產(chǎn)的電力,，微軟則與星座能源公司達(dá)成協(xié)議,，重啟三里島核電站1號(hào)反應(yīng)堆并購(gòu)買未來(lái)20年的電能。OpenAI首席執(zhí)行官山姆·奧特曼也在今年年初投資了核聚變技術(shù),。

然而,，新的趨勢(shì)正在出現(xiàn)。多位業(yè)界人士表示,，可以通過(guò)軟硬件技術(shù)的提升以及宏觀布局優(yōu)化來(lái)降低AI的能耗,，使能源利用更加高效。更重要的是,，AI的進(jìn)步方向不一定更大更強(qiáng),，一些小而美的模型正悄然登場(chǎng)。

關(guān)于AI的耗電量,，一篇報(bào)道指出ChatGPT每日耗電量或超50萬(wàn)千瓦時(shí),，相當(dāng)于1.7萬(wàn)個(gè)美國(guó)家庭的能耗。但也有觀點(diǎn)認(rèn)為這些估算過(guò)于夸張,。盡管如此,，我們可以進(jìn)行一些定性討論。例如,，在算法層面,，訓(xùn)練階段比推理階段能耗更高。清華大學(xué)電子工程系主任汪玉團(tuán)隊(duì)測(cè)試了不同算力芯片的單卡推理功耗,，發(fā)現(xiàn)推理階段的功耗基本在300W-500W之間,，而訓(xùn)練階段的功耗則高達(dá)400W-700W。未來(lái)推理功耗有望進(jìn)一步下降,。

大模型訓(xùn)練過(guò)程中還存在容錯(cuò)相關(guān)的額外能耗開銷,。Llama 3-405B在為期54天的訓(xùn)練期間共發(fā)生了466次任務(wù)中斷，約78%由硬件問(wèn)題引起,，實(shí)際算力利用率只有38%左右,。不過(guò)，從應(yīng)用場(chǎng)景上看，用戶推理請(qǐng)求的調(diào)用頻率更高,，即使單次調(diào)用能耗低,，總能耗也可能相當(dāng)可觀。

隨著技術(shù)完善,，日常使用AI推理的單次能耗有望下降,。上海數(shù)珩信息科技創(chuàng)始人張繼生介紹，通過(guò)模型壓縮,、剪枝,、量化等技術(shù)可以提高AI系統(tǒng)性能并降低能耗。清華電子院能源電子中心主任李中陽(yáng)強(qiáng)調(diào),，算力與新能源供電特性匹配是關(guān)鍵,，這需要AI前沿技術(shù)的支持。

總體上,，關(guān)于AI能耗的討論主要基于模型體量,、顯卡功率、計(jì)算時(shí)長(zhǎng)等參數(shù)進(jìn)行估算,，這使得討論尤為困難,。研究者呼吁改變這種不透明的現(xiàn)狀，實(shí)現(xiàn)信息透明,，以追究各方的環(huán)境責(zé)任并推動(dòng)節(jié)能研究,。

數(shù)據(jù)中心的能耗問(wèn)題同樣復(fù)雜。國(guó)際能源署報(bào)告顯示,，2022年全球數(shù)據(jù)中心,、比特幣和AI消耗的電能占全球用電量的2%，達(dá)到460 TWh,。預(yù)計(jì)到2026年,，全球數(shù)據(jù)中心總能耗將達(dá)1000 TWh。數(shù)據(jù)中心內(nèi)部冷卻系統(tǒng)和服務(wù)器能耗最高,，各占數(shù)據(jù)中心能耗的40%,。隨著數(shù)據(jù)中心規(guī)模擴(kuò)大，冷卻系統(tǒng)的能耗日益增加,，同時(shí)也會(huì)導(dǎo)致耗水量上升,。AI的盡頭是能源嗎,！

對(duì)于新成立的數(shù)據(jù)中心,，在設(shè)計(jì)上改進(jìn)可以緩解這些問(wèn)題。液冷技術(shù)比風(fēng)冷技術(shù)更劃算,，且能減少淡水消耗,。從宏觀角度看，AI的環(huán)境影響不僅與耗電量有關(guān)，還與電能來(lái)源密切相關(guān),。發(fā)展清潔低碳能源并在基建層面規(guī)劃有助于讓AI更加環(huán)保,。多位業(yè)界人士提到，數(shù)據(jù)中心應(yīng)靠近發(fā)電廠,，以實(shí)現(xiàn)算電耦合,，減少電能傳輸和存儲(chǔ)過(guò)程中的損耗。

然而,，在東西部發(fā)展不均衡背景下,，在西部建設(shè)數(shù)據(jù)中心面臨人才缺乏和維護(hù)困難的問(wèn)題。AI計(jì)算需要大量數(shù)據(jù),，如果計(jì)算需求離數(shù)據(jù)中心太遠(yuǎn),，數(shù)據(jù)傳輸成本就會(huì)非常高。因此,，盡管西部地區(qū)建設(shè)了不少數(shù)據(jù)中心,，但使用效率仍不及東部的超算中心。

AI對(duì)綠電穩(wěn)定性的要求也提出了挑戰(zhàn),。風(fēng)電,、水電和光伏容易受季節(jié)影響，而核電作為穩(wěn)定且環(huán)保的能源選項(xiàng),，是未來(lái)數(shù)據(jù)中心選址的趨勢(shì),。長(zhǎng)遠(yuǎn)來(lái)看，可控核聚變技術(shù)的突破或許是支撐AI大規(guī)模發(fā)展的關(guān)鍵,。

在氣候議題緊迫的情況下,，AI的發(fā)展與節(jié)能減排目標(biāo)之間的矛盾顯得尖銳。有學(xué)者擔(dān)憂,，短期內(nèi)AI增長(zhǎng)造成的硬件需求增加必然會(huì)增加能耗和碳排放,。但也有觀點(diǎn)認(rèn)為，AI能夠成為應(yīng)對(duì)氣候變化的得力助手,，并且一些應(yīng)用已經(jīng)落地,。

人工智能的能耗問(wèn)題牽涉多個(gè)層面，氣候問(wèn)題更是如此,。無(wú)論行業(yè)還是個(gè)人,，我們有許多途徑可以推動(dòng)改變。