AI盡頭是電力，隨著AI技術(shù)的廣泛應(yīng)用和深入發(fā)展，其背后的算力需求激增，進而引發(fā)了全球?qū)?shù)據(jù)中心及計算設(shè)備能耗激增的廣泛關(guān)注。據(jù)權(quán)威統(tǒng)計數(shù)據(jù)顯示，AI技術(shù)的普及與應(yīng)用已顯著推動了全球數(shù)據(jù)中心能耗的攀升，成為能源特別是電力消耗的一大推手，這也是人們在追求科技進步的同時，需要亟待解決的重要議題。

全球AI耗電現(xiàn)狀

總體來看，伴隨著人工智能技術(shù)的迅猛發(fā)展，以及產(chǎn)業(yè)指數(shù)級增長，作為重要支撐的數(shù)據(jù)中心耗電總量和占比大幅上升。據(jù)測算，AI大語言模型GPT-3一次訓(xùn)練的耗電量就達1287兆瓦時，大概相當(dāng)于3000輛特斯拉電動汽車共同開跑、每輛車跑20萬英里所耗電量的總和。ChatGPT按每天響應(yīng)約2億個請求計算，這一過程消耗超過50萬度電。國際能源署2024年1月發(fā)布報告稱，2022年全球數(shù)據(jù)中心的總耗電量約460太瓦時（1太瓦時=1×10?千瓦時=10億度），約占全球用電量的2%；到2026年，這一數(shù)據(jù)將超過1000太瓦時，大約是整個日本2022年全年的用電量。與此同時，大量的碳排放和數(shù)百萬加侖淡水的消耗也不容小覷。

歐美等國家AI耗電形勢嚴峻。以跨國公司數(shù)據(jù)中心“扎堆”的愛爾蘭為例，數(shù)據(jù)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%。波士頓咨詢集團則預(yù)計，到2030年，美國數(shù)據(jù)中心的用電量將是2022年的三倍，而這一增幅主要來自人工智能。OpenAI首席執(zhí)行官薩姆·奧特曼和特斯拉首席執(zhí)行官馬斯克都曾多次表達了對電力供應(yīng)的擔(dān)憂。

從中國來看，AI耗能問題也是日益嚴重。2022年全年，我國數(shù)據(jù)中心耗電量達到2700億千瓦時，占全社會用電量約3%。預(yù)計到2025年，這一占比將提升至5%，到2030年全國數(shù)據(jù)中心耗電量將接近4000億千瓦時，數(shù)據(jù)中心的節(jié)能降耗迫在眉睫。數(shù)據(jù)中心是數(shù)字經(jīng)濟發(fā)展的基石，從全國一體化大數(shù)據(jù)中心體系構(gòu)想到部署“東數(shù)西算”，數(shù)字中國戰(zhàn)略持續(xù)深化落地，算力不斷提高，必然需要更高的能源電力，7×24小時連續(xù)運行，電力成本占運營總成本的60%—70%，規(guī)模增長迅速。伴隨著我國產(chǎn)業(yè)轉(zhuǎn)型升級和數(shù)據(jù)中心規(guī)模不斷擴大，耗電量會持續(xù)攀升。

總之，人工智能及支撐它的數(shù)據(jù)中心所帶來的耗電問題困擾著全世界，是制約人工智能技術(shù)飛速發(fā)展的主要障礙之一。

AI為何成為耗電大戶

AI成為耗電大戶的原因比較復(fù)雜，涉及數(shù)據(jù)處理、計算需求、芯片技術(shù)、算力中心等多個方面。

首先，從芯片上分析，大語言模型需要巨大的算力支撐，特別是擁有并行計算能力的GPU（圖形處理器）。在大模型訓(xùn)練過程中，需要多塊GPU接連不斷運轉(zhuǎn)，一塊GPU的能耗比CPU（中央處理器）高出10—15倍。如一塊英偉達A100GPU功耗為400瓦。GPT-3訓(xùn)練用到了1024塊A100芯片，而GPT-4更攀升至25000塊，后續(xù)將更新至H100、B200，型號的提升和數(shù)量的激增導(dǎo)致能耗顯著增加。到2027年，英偉達將推出150萬臺A100服務(wù)器，其中95%被應(yīng)用于AI行業(yè)。每一臺服務(wù)器如果內(nèi)置8塊A100芯片，以1240萬塊A100芯片的耗電量進行估算，耗電量將高達85—134太瓦時，這個已接近瑞典或荷蘭全年總用電量，相當(dāng)于當(dāng)前全球用電量的0.5%。

其次，從運行機制上分析。GPU架構(gòu)在AI計算中雖具備并行處理優(yōu)勢，非常適合AI算法，可以節(jié)省計算時間，但其當(dāng)前利用率較低（32%—36%），且故障率高，導(dǎo)致訓(xùn)練周期長，如GPT-4訓(xùn)練耗時長達90—100天，進而引發(fā)長期的能源消耗。相比之下，CPU歷經(jīng)近80年發(fā)展，技術(shù)成熟且節(jié)能高效；而GPU架構(gòu)出現(xiàn)不到30年，尚存利用率低與差錯率高的挑戰(zhàn)，這導(dǎo)致了能源消耗的增加。因此，優(yōu)化GPU架構(gòu)以提高其效率和穩(wěn)定性，對于減少能源消耗至關(guān)重要。

最后，大語言模型遵從規(guī)模效應(yīng)，隨著參數(shù)和數(shù)據(jù)規(guī)模的提高，大模型的智能表現(xiàn)將出現(xiàn)躍升。因此，各大公司都在不斷地擴大模型規(guī)模，這給電能消耗帶來了巨大的壓力。如果大模型所用到的算力集中在一個數(shù)據(jù)中心里，在有限時空范圍內(nèi)進行訓(xùn)練，會給局部電網(wǎng)帶來非常大的用電負荷，甚至導(dǎo)致整個電網(wǎng)的崩潰。

AI耗電問題的解決方案

雖然AI的耗電量在社會總用電量中的占比不大，但與家庭用電量相比，已經(jīng)非?？捎^了，而且增速太快，如果不加以控制，將導(dǎo)致巨大能源壓力。因此如何應(yīng)對人工智能帶來的巨大能耗，是業(yè)界一直高度重視的問題。

首先，在技術(shù)層面，通過各種方法降低對芯片的功耗需求是業(yè)界努力的方向。英偉達、谷歌公司等做了很多的嘗試與努力，通過優(yōu)化算法模型，如犧牲一點性能以大大減少計算資源和時間，進而帶來能耗效率的大幅提升；用光纖連接芯片，減少原有芯片外部的電力驅(qū)動和電光/光電轉(zhuǎn)換環(huán)節(jié)，從而減少能耗；研發(fā)高效的芯片級散熱技術(shù)將散熱效率提升百倍；積極研發(fā)新型計算和傳輸架構(gòu)以提升計算機處理速度并降低能耗；等等。

其次，數(shù)據(jù)中心的能耗可以通過精心布局加以優(yōu)化。如針對能耗中的散熱問題，從最初的風(fēng)冷，到現(xiàn)在的液冷，各家企業(yè)都在嘗試各種方法為數(shù)據(jù)中心散熱：微軟曾嘗試部署海下數(shù)據(jù)中心，F(xiàn)acebook數(shù)據(jù)中心選址在北極圈附近，阿里云千島湖數(shù)據(jù)中心使用深層湖水制冷等，我國很多企業(yè)則把數(shù)據(jù)中心布局在水電資源豐富的西南地區(qū)。“東數(shù)西算”的原則也是對數(shù)據(jù)與算力進行合理匹配，將大量的算力資源部署到西部地區(qū)，以降低能耗。

再次，在新能源層面，建立多樣化的能源利用體系。集中力量開發(fā)太陽能、風(fēng)能等可再生能源，擴大應(yīng)用并加強儲能技術(shù)研發(fā)，確保穩(wěn)定供電。鼓勵企業(yè)探索建設(shè)分布式光伏發(fā)電、燃氣分布式供能等配套系統(tǒng)，引導(dǎo)新型數(shù)據(jù)中心向新能源發(fā)電側(cè)建設(shè)，就地消納新能源，推動新型數(shù)據(jù)中心高效利用清潔能源和可再生能源、優(yōu)化用能結(jié)構(gòu)，助力信息通信行業(yè)實現(xiàn)碳達峰碳中和目標。同時，探索核聚變等前沿技術(shù)作為長遠清潔能源。

最后，在政策層面，制定嚴格的節(jié)能政策與標準，對AI系統(tǒng)的能效實施有效監(jiān)管，以激勵企業(yè)采用高效低能耗的計算技術(shù)與硬件設(shè)備；積極推廣綠色數(shù)據(jù)中心建設(shè)，倡導(dǎo)采用高效冷卻、能源回收技術(shù)，并鼓勵數(shù)據(jù)中心采用可再生能源供電；建立健全電力消耗監(jiān)管機制，實時監(jiān)控并數(shù)據(jù)分析AI系統(tǒng)的能耗情況，提高能源管理水平，減少不必要的浪費；加強國際合作與交流，共同應(yīng)對AI技術(shù)帶來的能源挑戰(zhàn)，分享成功經(jīng)驗、技術(shù)與資源，推動全球范圍內(nèi)節(jié)能標準的制定與實施，以實現(xiàn)能源利用的優(yōu)化與升級，減少對傳統(tǒng)電力的依賴，全面促進人工智能產(chǎn)業(yè)的綠色低碳發(fā)展。