人工智能的蓬勃发展会引发全球能源危机吗？

AI News网站发表署名Ryan Daws的文章，题目是：Will the AI boom fuel a global energy crisis（人工智能的蓬勃发展会引发全球能源危机吗？）?

（来源：国际能源小数据 作者：E Small Data）

人工智能对能源的需求正在膨胀成一个巨大的挑战。这不仅仅是关于电费的问题。其对环境的影响是严重的，包括消耗宝贵的水资源、制造堆积如山的电子垃圾，以及增加我们正努力削减的温室气体排放。

随着人工智能模型变得越来越复杂，并且融入我们生活的更多方面，一个巨大的问号悬在空中：我们能否在不以牺牲地球为代价的情况下为这场革命提供动力？

人工智能的能源需求正在迅速上升

最先进的智能人工智能所需的计算能力正处于一个几乎令人难以置信的上升曲线——有人说它大约每几个月就会翻一番。这不是一个温和的斜坡；这是一个几乎垂直的攀升，可能会使我们最乐观的能源计划也相形见绌。

感受一下规模：人工智能未来的能源需求可能很快就会消耗掉像日本或荷兰这样的国家，甚至像美国加利福尼亚州这样的大州所使用的全部电力。当你听到这样的统计数据时，你开始看到人工智能可能会对我们依赖的电网造成的潜在压力。2024 年，全球电力需求激增了创纪录的 4.3%，人工智能的扩张是其中的一个重要原因，与电动汽车的繁荣和工厂更加努力地工作并列。

回到 2022 年，数据中心、人工智能，甚至是加密货币开采已经占到了全球所有电力使用的近 2%，大约是 460 太瓦时（TWh）。跳到 2024 年，数据中心单独使用了大约 415 TWh，大约占全球总量的 1.5%，并且以每年 12% 的速度增长。人工智能在其中的直接份额仍然相对较小——大约是 20 TWh，占全球能源使用的 0.02%——但请注意，这个数字即将大幅上升。预测到 2025 年底，全球的人工智能数据中心可能需要额外的 10 吉瓦（GW）电力。这比犹他州的全部电力容量还要多。

到了 2026 年，全球数据中心的电力使用量可能会达到 1,000 TWh——类似于日本目前的使用量。而到了 2027 年，全球人工智能数据中心的电力需求预计将达到 68 GW，这几乎相当于 2022 年加利福尼亚州的全部电力容量。在本世纪末，这些数字变得更加令人瞠目结舌。预计到 2030 年，全球数据中心的电力消耗将翻倍至大约 945 TWh，接近全球所有电力使用的 3%。

石油输出国组织（OPEC）认为数据中心的电力使用量甚至可能在那时达到 1,500 TWh。而高盛公司则表示，与 2023 年相比，数据中心的全球电力需求可能会激增高达 165%，而那些专门用于人工智能的数据中心，其需求可能会增长超过四倍。

甚至有说法认为，如果考虑到将人工智能服务传递给我们这些用户所需的能源，到 2030 年，数据中心可能会占到全球所有能源需求的 21%。当我们谈论人工智能的能源使用时，它主要分为两个大的部分：训练人工智能，然后是实际使用它。

训练像 GPT-4 这样的大型模型需要大量的能源。例如，仅训练 GPT-3 就估计使用了 1,287 兆瓦时（MWh）的电力，而 GPT-4 据估计需要比这多出惊人的 50 倍。尽管训练是能源密集型的，但这些训练有素的模型的日常运行可能会消耗超过人工智能总能源的 80%。据报道，向 ChatGPT 提出一个问题所使用的能源大约是一个谷歌搜索的十倍（大约是 2.9 瓦时对比 0.3 瓦时）。

随着每个人都在竞相采用生成式人工智能，一场建造更强大的——因此也更耗能的——数据中心的竞赛正在进行。

那么，我们能否为人工智能以及我们自己提供能源？

这是价值亿万美元的问题，不是吗？我们这个星球的能源系统能够应对这一新的需求吗？我们已经在处理化石燃料、核能和可再生能源的混合使用。如果我们要以可持续的方式满足人工智能日益增长的食欲，我们需要迅速扩大和多样化我们的能源生产方式。

当然，可再生能源——太阳能、风能、水能、地热能——是解决这个难题的一个重要部分。例如，在美国，可再生能源预计将从 2024 年的占电力生产的 23% 增加到 2026 年的 27%。科技巨头们正在做出一些重大承诺；例如，微软计划在 2026 年至 2030 年间为其数据中心购买 10.5 吉瓦的可再生能源。人工智能本身实际上可以帮助我们更有效地使用可再生能源，也许通过使能源存储更智能和更好地管理电网，在某些地区可以减少高达 60% 的能源使用。

但不要过于兴奋。可再生能源也有自己的问题。太阳并不总是照耀，风也不总是吹，这对需要每天 24 小时、每天不间断供电的数据中心来说是一个真正的问题。我们目前用于平滑这些波动的电池通常价格昂贵并且占用大量空间。此外，将大型新的可再生能源项目接入我们现有的电网可能是一个缓慢且复杂的过程。

这就是为什么核能开始对一些人更具吸引力，尤其是作为一种稳定、低碳的方式来满足人工智能的巨大能源需求。它提供了数据中心渴望的关键的全天候电力。小型模块化反应堆（SMR）也引起了很大的关注，因为它们可能更具灵活性并且具有加强的安全特性。而且这不仅仅是空谈；像微软、亚马逊和谷歌这样的大公司正在认真考虑核能选项。

AWS 的负责人马特·加尔曼最近向英国广播公司（BBC）坦率地表示，核能是数据中心的“绝佳解决方案”。他说，这是一种“零碳、全天候的优秀能源来源。”他还强调，为未来能源做计划是 AWS 所做的一个重要部分。“我们提前多年规划，”加尔曼提到。“我们提前投资。我认为世界将不得不开发新技术。我相信核能是其中的重要组成部分，特别是当我们展望未来 10 年时。”

然而，核能并非灵丹妙药。建造新的反应堆臭名昭著地耗时长、成本高昂，并且需要应对复杂的繁文缛节。坦率地说，公众对核能的看法仍然有些不稳定，通常是因为过去的事故，尽管现代反应堆要安全得多。人工智能发展的惊人速度也与新核电站投入运行所需的时间造成了一定的不匹配。这可能意味着我们在短期内会更加依赖化石燃料，这对我们的环保目标来说并不是好事。此外，将数据中心直接建在核电站旁边的想法让一些人担心这可能会对其他人的电价和可靠性产生什么影响。

人工智能的环境影响

人工智能对地球的影响远远超出了它所使用的电力。那些数据中心会发热，而冷却它们需要大量的水。平均而言，数据中心每消耗一千瓦时的能源，就会消耗大约 1.7 升的水。早在 2022 年，谷歌的数据中心据报道就消耗了大约 50 亿加仑的淡水——比前一年增加了 20%。一些估计表明，数据中心每使用一千瓦时的电力，可能就需要多达两升的水来冷却。换句话说，全球人工智能基础设施很快可能会消耗的水量是整个丹麦的六倍。

然后还有不断增长的电子垃圾，或称 e-waste。由于人工智能技术——尤其是专用硬件如 GPU 和 TPU——发展迅速，旧设备被扔掉的频率更高。到 2030 年，我们可能会看到数据中心因人工智能而产生的电子垃圾堆积如山，每年达到五百万吨。

制造人工智能芯片和数据中心的所有其他部件也会对我们的自然资源和环境造成影响。这意味着要开采关键矿物，如锂和钴，而这些方法往往对地球并不友好。制造一个人工智能芯片可能需要超过 1,400 升的水和 3,000 千瓦时的电力。对新硬件的这种渴望也在推动更多的半导体工厂建设，而这些工厂通常会导致更多的燃气发电厂被建造。

当然，我们也不能忘记碳排放。当人工智能由燃烧化石燃料产生的电力驱动时，它会加剧我们所有人面临的气候变化问题。据估计，仅训练一个大型人工智能模型就会产生相当于数百个美国家庭一年的二氧化碳排放量。如果查看大型科技公司的环境报告，你可以看到人工智能不断增长的碳足迹。例如，微软的年排放量在 2020 年至 2023 年间大约增加了 40%，主要是因为他们正在建造更多的人工智能数据中心。谷歌也报告说，其总温室气体排放量在过去五年中几乎增加了 50%，其人工智能数据中心的电力需求是主要罪魁祸首之一。

我们能否通过创新摆脱困境？

听起来可能全是厄运和忧郁，但新想法可能会有所帮助。一个主要关注点是使人工智能算法本身更加节能。研究人员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”（使用不太精确的数字，从而节省能源）