中國儲能網(wǎng)訊：AI News網(wǎng)站發(fā)表署名Ryan Daws的文章，題目是：Will the AI boom fuel a global energy crisis（人工智能的蓬勃發(fā)展會引發(fā)全球能源危機嗎？）?
人工智能對能源的需求正在膨脹成一個巨大的挑戰(zhàn)。這不僅僅是關(guān)于電費的問題。其對環(huán)境的影響是嚴(yán)重的，包括消耗寶貴的水資源、制造堆積如山的電子垃圾，以及增加我們正努力削減的溫室氣體排放。
隨著人工智能模型變得越來越復(fù)雜，并且融入我們生活的更多方面，一個巨大的問號懸在空中：我們能否在不以犧牲地球為代價的情況下為這場革命提供動力？
人工智能的能源需求正在迅速上升
最先進的智能人工智能所需的計算能力正處于一個幾乎令人難以置信的上升曲線——有人說它大約每幾個月就會翻一番。這不是一個溫和的斜坡；這是一個幾乎垂直的攀升，可能會使我們最樂觀的能源計劃也相形見絀。
感受一下規(guī)模：人工智能未來的能源需求可能很快就會消耗掉像日本或荷蘭這樣的國家，甚至像美國加利福尼亞州這樣的大州所使用的全部電力。當(dāng)你聽到這樣的統(tǒng)計數(shù)據(jù)時，你開始看到人工智能可能會對我們依賴的電網(wǎng)造成的潛在壓力。2024 年，全球電力需求激增了創(chuàng)紀(jì)錄的 4.3%，人工智能的擴張是其中的一個重要原因，與電動汽車的繁榮和工廠更加努力地工作并列。
回到 2022 年，數(shù)據(jù)中心、人工智能，甚至是加密貨幣開采已經(jīng)占到了全球所有電力使用的近 2%，大約是 460 太瓦時（TWh）。跳到 2024 年，數(shù)據(jù)中心單獨使用了大約 415 TWh，大約占全球總量的 1.5%，并且以每年 12% 的速度增長。人工智能在其中的直接份額仍然相對較小——大約是 20 TWh，占全球能源使用的 0.02%——但請注意，這個數(shù)字即將大幅上升。預(yù)測到 2025 年底，全球的人工智能數(shù)據(jù)中心可能需要額外的 10 吉瓦（GW）電力。這比猶他州的全部電力容量還要多。
到了 2026 年，全球數(shù)據(jù)中心的電力使用量可能會達到 1,000 TWh——類似于日本目前的使用量。而到了 2027 年，全球人工智能數(shù)據(jù)中心的電力需求預(yù)計將達到 68 GW，這幾乎相當(dāng)于 2022 年加利福尼亞州的全部電力容量。在本世紀(jì)末，這些數(shù)字變得更加令人瞠目結(jié)舌。預(yù)計到 2030 年，全球數(shù)據(jù)中心的電力消耗將翻倍至大約 945 TWh，接近全球所有電力使用的 3%。
石油輸出國組織（OPEC）認(rèn)為數(shù)據(jù)中心的電力使用量甚至可能在那時達到 1,500 TWh。而高盛公司則表示，與 2023 年相比，數(shù)據(jù)中心的全球電力需求可能會激增高達 165%，而那些專門用于人工智能的數(shù)據(jù)中心，其需求可能會增長超過四倍。
甚至有說法認(rèn)為，如果考慮到將人工智能服務(wù)傳遞給我們這些用戶所需的能源，到 2030 年，數(shù)據(jù)中心可能會占到全球所有能源需求的 21%。當(dāng)我們談?wù)撊斯ぶ悄艿哪茉词褂脮r，它主要分為兩個大的部分：訓(xùn)練人工智能，然后是實際使用它。
訓(xùn)練像 GPT-4 這樣的大型模型需要大量的能源。例如，僅訓(xùn)練 GPT-3 就估計使用了 1,287 兆瓦時（MWh）的電力，而 GPT-4 據(jù)估計需要比這多出驚人的 50 倍。盡管訓(xùn)練是能源密集型的，但這些訓(xùn)練有素的模型的日常運行可能會消耗超過人工智能總能源的 80%。據(jù)報道，向 ChatGPT 提出一個問題所使用的能源大約是一個谷歌搜索的十倍（大約是 2.9 瓦時對比 0.3 瓦時）。
隨著每個人都在競相采用生成式人工智能，一場建造更強大的——因此也更耗能的——數(shù)據(jù)中心的競賽正在進行。
那么，我們能否為人工智能以及我們自己提供能源？
這是價值億萬美元的問題，不是嗎？我們這個星球的能源系統(tǒng)能夠應(yīng)對這一新的需求嗎？我們已經(jīng)在處理化石燃料、核能和可再生能源的混合使用。如果我們要以可持續(xù)的方式滿足人工智能日益增長的食欲，我們需要迅速擴大和多樣化我們的能源生產(chǎn)方式。
當(dāng)然，可再生能源——太陽能、風(fēng)能、水能、地?zé)崮堋墙鉀Q這個難題的一個重要部分。例如，在美國，可再生能源預(yù)計將從 2024 年的占電力生產(chǎn)的 23% 增加到 2026 年的 27%?？萍季揞^們正在做出一些重大承諾；例如，微軟計劃在 2026 年至 2030 年間為其數(shù)據(jù)中心購買 10.5 吉瓦的可再生能源。人工智能本身實際上可以幫助我們更有效地使用可再生能源，也許通過使能源存儲更智能和更好地管理電網(wǎng)，在某些地區(qū)可以減少高達 60% 的能源使用。
但不要過于興奮。可再生能源也有自己的問題。太陽并不總是照耀，風(fēng)也不總是吹，這對需要每天 24 小時、每天不間斷供電的數(shù)據(jù)中心來說是一個真正的問題。我們目前用于平滑這些波動的電池通常價格昂貴并且占用大量空間。此外，將大型新的可再生能源項目接入我們現(xiàn)有的電網(wǎng)可能是一個緩慢且復(fù)雜的過程。
這就是為什么核能開始對一些人更具吸引力，尤其是作為一種穩(wěn)定、低碳的方式來滿足人工智能的巨大能源需求。它提供了數(shù)據(jù)中心渴望的關(guān)鍵的全天候電力。小型模塊化反應(yīng)堆（SMR）也引起了很大的關(guān)注，因為它們可能更具靈活性并且具有加強的安全特性。而且這不僅僅是空談；像微軟、亞馬遜和谷歌這樣的大公司正在認(rèn)真考慮核能選項。
AWS 的負(fù)責(zé)人馬特·加爾曼最近向英國廣播公司（BBC）坦率地表示，核能是數(shù)據(jù)中心的“絕佳解決方案”。他說，這是一種“零碳、全天候的優(yōu)秀能源來源?！彼€強調(diào)，為未來能源做計劃是 AWS 所做的一個重要部分?！拔覀兲崆岸嗄暌?guī)劃，”加爾曼提到?！拔覀兲崆巴顿Y。我認(rèn)為世界將不得不開發(fā)新技術(shù)。我相信核能是其中的重要組成部分，特別是當(dāng)我們展望未來 10 年時。”
然而，核能并非靈丹妙藥。建造新的反應(yīng)堆臭名昭著地耗時長、成本高昂，并且需要應(yīng)對復(fù)雜的繁文縟節(jié)。坦率地說，公眾對核能的看法仍然有些不穩(wěn)定，通常是因為過去的事故，盡管現(xiàn)代反應(yīng)堆要安全得多。人工智能發(fā)展的驚人速度也與新核電站投入運行所需的時間造成了一定的不匹配。這可能意味著我們在短期內(nèi)會更加依賴化石燃料，這對我們的環(huán)保目標(biāo)來說并不是好事。此外，將數(shù)據(jù)中心直接建在核電站旁邊的想法讓一些人擔(dān)心這可能會對其他人的電價和可靠性產(chǎn)生什么影響。
人工智能的環(huán)境影響
人工智能對地球的影響遠遠超出了它所使用的電力。那些數(shù)據(jù)中心會發(fā)熱，而冷卻它們需要大量的水。平均而言，數(shù)據(jù)中心每消耗一千瓦時的能源，就會消耗大約 1.7 升的水。早在 2022 年，谷歌的數(shù)據(jù)中心據(jù)報道就消耗了大約 50 億加侖的淡水——比前一年增加了 20%。一些估計表明，數(shù)據(jù)中心每使用一千瓦時的電力，可能就需要多達兩升的水來冷卻。換句話說，全球人工智能基礎(chǔ)設(shè)施很快可能會消耗的水量是整個丹麥的六倍。
然后還有不斷增長的電子垃圾，或稱 e-waste。由于人工智能技術(shù)——尤其是專用硬件如 GPU 和 TPU——發(fā)展迅速，舊設(shè)備被扔掉的頻率更高。到 2030 年，我們可能會看到數(shù)據(jù)中心因人工智能而產(chǎn)生的電子垃圾堆積如山，每年達到五百萬噸。
制造人工智能芯片和數(shù)據(jù)中心的所有其他部件也會對我們的自然資源和環(huán)境造成影響。這意味著要開采關(guān)鍵礦物，如鋰和鈷，而這些方法往往對地球并不友好。制造一個人工智能芯片可能需要超過 1,400 升的水和 3,000 千瓦時的電力。對新硬件的這種渴望也在推動更多的半導(dǎo)體工廠建設(shè)，而這些工廠通常會導(dǎo)致更多的燃氣發(fā)電廠被建造。
當(dāng)然，我們也不能忘記碳排放。當(dāng)人工智能由燃燒化石燃料產(chǎn)生的電力驅(qū)動時，它會加劇我們所有人面臨的氣候變化問題。據(jù)估計，僅訓(xùn)練一個大型人工智能模型就會產(chǎn)生相當(dāng)于數(shù)百個美國家庭一年的二氧化碳排放量。如果查看大型科技公司的環(huán)境報告，你可以看到人工智能不斷增長的碳足跡。例如，微軟的年排放量在 2020 年至 2023 年間大約增加了 40%，主要是因為他們正在建造更多的人工智能數(shù)據(jù)中心。谷歌也報告說，其總溫室氣體排放量在過去五年中幾乎增加了 50%，其人工智能數(shù)據(jù)中心的電力需求是主要罪魁禍?zhǔn)字弧?/span>
我們能否通過創(chuàng)新擺脫困境？
聽起來可能全是厄運和憂郁，但新想法可能會有所幫助。一個主要關(guān)注點是使人工智能算法本身更加節(jié)能。研究人員正在想出一些巧妙的技巧，如“模型剪枝”（去除人工智能模型中不必要的部分）、“量化”（使用不太精確的數(shù)字，從而節(jié)省能源）
