中國儲能網訊：《自然》雜志網站發(fā)表分析文章（作者Sophia Chen），探討了人工智能（AI）對能源消耗的影響，特別是生成式AI在數據中心的能源需求方面。文章通過弗吉尼亞州庫爾佩珀縣的數據中心建設案例，揭示了AI對當地電力基礎設施的潛在影響，并分析了全球范圍內AI能源消耗的現(xiàn)狀和未來趨勢。文章強調，盡管AI的能源消耗在全球范圍內占比相對較小，但其對局部地區(qū)的影響可能相當顯著，尤其是在數據中心密集的地區(qū)。同時，由于缺乏透明度，準確評估AI的能源需求仍面臨挑戰(zhàn)。
弗吉尼亞州庫爾佩珀縣彌漫著干草和糞肥的氣味，這里每三個人就有一頭牛?！拔覀冇泻芏啻笮娃r場，大多數仍然是家族所有，還有很多森林，”庫爾佩珀縣居民之一的薩拉·帕梅勒說?！斑@是一個非常迷人的小鎮(zhèn)美國。” 但現(xiàn)在，這個田園詩般的地方正在經歷一場二十一世紀的轉變。在過去的幾年里，該縣批準了七個大型數據中心項目的建設，這些項目將支持科技公司在生成式人工智能（AI）方面的雄心勃勃計劃。在這些巨大的建筑內部，一排排的計算機服務器將幫助訓練像ChatGPT這樣的聊天機器人的AI模型，并為可能來自世界各地的數十億日常查詢提供答案。
在弗吉尼亞州，這種建設將產生深遠的影響。每個設施可能會消耗相當于數萬戶住宅家庭的電力，導致居民成本上升，并使該地區(qū)的電力基礎設施超出其容量。帕梅勒和其他社區(qū)成員對數據中心對電力的渴望感到警惕——尤其是因為弗吉尼亞州已經被稱為世界數據中心之都。2024年12月發(fā)布的一項審查指出，盡管數據中心帶來了經濟利益，但其增長可能會在十年內使弗吉尼亞州的電力需求翻倍。“電力將從哪里來？”帕梅勒問道，她在弗吉尼亞州繪制數據中心的建設地圖，并在總部位于弗吉尼亞州沃倫頓的非營利組織皮埃蒙特環(huán)境委員會工作?！八麄兌荚谡f，‘我們將從其他地區(qū)購買電力?！?但那個地區(qū)也計劃從你這里購買電力。”
在全球范圍內，類似的關于AI和能源的沖突正在許多數據中心以創(chuàng)紀錄的速度涌現(xiàn)的地方醞釀。大型科技公司正在大力押注生成式AI，與從數據中提取模式但不生成新文本和圖像的舊AI模型相比，它需要更多的能源來運行。這促使公司花費數千億美元在新的數據中心和服務器上，以擴大其容量。從全球角度來看，AI對未來電力需求的影響實際上預計相對較小。但數據中心集中在密集的集群中，在那里它們可以產生深遠的本地影響。與其他能源密集型設施（如鋼鐵廠和煤礦）相比，它們在空間上更加集中。公司傾向于將數據中心建筑建在一起，以便它們可以共享電網和冷卻系統(tǒng)，并在彼此之間以及與用戶之間高效地傳輸信息。特別是弗吉尼亞州，通過提供稅收減免吸引了數據中心公司，導致了更多的聚集。
“如果你有一個數據中心，你可能會有更多，”帕梅勒說。弗吉尼亞州已經有340個這樣的設施，帕梅勒已經繪制了159個擬建的數據中心或現(xiàn)有數據中心的擴建項目。在弗吉尼亞州，它們占該州電力使用量的四分之一以上。在愛爾蘭，數據中心占全國電力消耗的20%以上——其中大多數位于都柏林附近。而且這些設施的電力消耗在至少5個美國州已經超過了10%。
進一步復雜化問題的是公司對其AI系統(tǒng)電力需求的透明度不足。“真正的問題是，我們幾乎沒有詳細的數據和知識來了解正在發(fā)生的事情，”獨立研究員喬納森·庫梅說，他研究計算的能源使用已有30多年，并在加利福尼亞州伯靈格姆經營一家分析公司?！拔艺J為每個研究這個主題的研究人員都在抓狂，因為我們沒有得到我們需要的東西，”阿姆斯特丹自由大學的研究員亞歷克斯·德·弗里斯說，他也是荷蘭公司Digiconomist的創(chuàng)始人，該公司探索數字趨勢的意外后果?！拔覀冎皇潜M力而為，嘗試各種方法來得出一些數字?！?/span>
計算AI的能源需求
由于缺乏公司的詳細數據，研究人員通過兩種方式探索了AI的能源需求。2023年，德·弗里斯采用了一種供應鏈（或基于市場）的方法。他檢查了主導生成式AI市場的NVIDIA服務器的功率消耗，并將其外推到一年所需的能源。然后，他將該數字乘以可能用于特定任務的此類服務器的總數量估計值，或者正在運輸的數量。
德·弗里斯使用這種方法來估算如果谷歌搜索使用生成式AI所需的能源。兩家能源分析公司估計，將類似ChatGPT的AI集成到每次谷歌搜索中將需要40萬到50萬臺NVIDIA A100服務器，根據這些服務器的功率需求，這將每年消耗23到29太瓦時（TWh）的能源。然后，估計谷歌每天處理多達90億次搜索（來自各種分析師的大致數字），德·弗里斯計算出通過AI服務器的每次請求需要7到9瓦時（Wh）的能源。根據谷歌在2009年博客文章中報告的數字（見go.nature.com/3d8sd4t），這比正常搜索的能源消耗高出23到30倍。當被要求對德·弗里斯的估計發(fā)表評論時，谷歌沒有回應。
德·弗里斯表示，這種能源計算感覺像是“抓救命稻草”，因為他不得不依賴他無法復制的第三方估計。而且他的數字很快過時了?，F(xiàn)在用于AI集成谷歌搜索所需的服務器數量可能更低，因為今天的AI模型可以在計算成本的一小部分的情況下匹配2023年模型的準確性，美國能源分析公司SemiAnalysis（德·弗里斯曾依賴其估計）在給《自然》雜志的電子郵件中寫道。
即便如此，該公司表示，評估生成式AI的能源足跡的最好方法仍然是監(jiān)控服務器運輸及其功率需求，這正是許多分析師廣泛使用的方法。然而，分析師很難單獨隔離僅由生成式AI使用的能源，因為數據中心通常還執(zhí)行非AI任務。
自下而上的估計
另一種檢查AI能源需求的方法是“自下而上”的：研究人員測量特定數據中心中一個與AI相關的請求的能源需求。然而，獨立研究人員只能使用開源AI模型進行測量，這些模型預計與專有模型相似。這些測試背后的概念是，用戶提交一個提示——例如請求生成圖像或基于文本的聊天——然后一個名為CodeCarbon的Python軟件包允許用戶的計算機訪問執(zhí)行數據中心中模型的芯片的技術規(guī)格?！霸谶\行結束時，它將給出你所使用的硬件消耗了多少能源的估計值，”幫助開發(fā)CodeCarbon的AI研究員薩沙·盧奇奧尼說，她在紐約市的Hugging Face公司工作，該公司托管一個開源AI模型和數據集平臺。
盧奇奧尼和其他人發(fā)現(xiàn)，不同的任務需要不同數量的能源。根據他們的最新結果，平均而言，從文本提示生成圖像消耗約0.5瓦時的能源，而生成文本使用的略少。相比之下，現(xiàn)代智能手機可能需要22瓦時才能充滿電。但存在很大差異：更大的模型需要更多能源。德·弗里斯表示，這些數字低于他論文中的數字，但這可能是因為盧奇奧尼和其他人使用的模型至少比ChatGPT背后的模型小一個數量級——而且AI正在變得更加高效。
這些數字是下限，根據卡內基梅隆大學匹茲堡分校的計算機科學家、盧奇奧尼的合作者艾瑪·斯特魯貝爾的說法。否則，“公司會出來糾正我們”，她說?！八麄儧]有這樣做?！备匾氖?，公司通常會扣留軟件需要估算數據中心冷卻所用能源的信息。CodeCarbon也無法訪問某些類型芯片的能源消耗。這包括谷歌的專有TPU芯片，法國數據科學家、CodeCarbon維護者貝諾伊特·庫爾蒂說。
盧奇奧尼還研究了訓練生成式AI模型需要多少能源——當模型從大量數據中提取統(tǒng)計模式時。但如果模型每天收到數十億次查詢，正如德·弗里斯對他的谷歌估計所做的假設，那么回答這些查詢所使用的能源——總計太瓦時的電力——將主導AI的年度能源需求。訓練像GPT-3這樣大小的模型，即ChatGPT第一個版本背后的模型，需要消耗吉瓦時的能源。
上個月，盧奇奧尼和其他研究人員啟動了AI能源評分項目，這是一個公共倡議，用于比較不同任務中AI模型的能源效率，并為每個模型給出星級評分。專有、封閉模型的開發(fā)者也能夠上傳測試結果，盡管到目前為止，只有美國軟件公司Salesforce參與了。斯特魯貝爾表示，隨著競爭加劇，公司越來越對最新行業(yè)模型的能源需求保持沉默。“信息共享在公司外部已經減少了，”她說。但像谷歌和微軟這樣的公司已經報告說他們的碳排放量正在增加，他們將其歸因于支持AI的數據中心建設。當被《自然》雜志問及對缺乏透明度的批評時，包括谷歌、微軟和亞馬遜在內的公司沒有回應；相反，他們強調他們正在與地方當局合作，以確保新的數據中心不會影響當地的公用事業(yè)供應。
一些政府現(xiàn)在要求公司提供更多的透明度。2023年，歐盟通過了一項能源效率指令，要求額定功率至少為500千瓦的數據中心運營商每年報告其能源消耗。
全球預測
根據供應鏈估算方法，數據中心目前僅使用世界電力需求的一小部分。國際能源署（IEA）估計，2022年此類設施使用的電力為240到340太瓦時，占世界需求的1%到1.3%（如果包括加密貨幣開采和數據傳輸基礎設施，這一比例將提高到2%）。AI熱潮將增加這一比例，但隨著世界電力消費預計到2050年將增長超過80%，原因是許多行業(yè)的電氣化、電動汽車的興起和對空調的需求增加，數據中心“僅占整體電力需求增長的一小部分”。
即使有了對AI當前能源需求的近似值，預測未來趨勢也很困難，庫梅警告說?！皼]有人知道數據中心，無論是AI還是傳統(tǒng)數據中心，幾年后會使用多少能源，”他說。主要問題是關于需要多少服務器和數據中心存在分歧，這是一個領域，公用事業(yè)公司和科技公司有財務動機夸大數字。許多預測都是基于“簡單化的假設，將最近的趨勢外推到10年或15年以后。”
