AI能源危机：人工智能发展与环境可持续性的矛盾与解决之道
AI对能源的渴求正在演变成一个巨大的挑战。这不仅仅关乎电费支出，其环境影响也十分严重，包括消耗宝贵的水资源、产生大量电子垃圾，以及增加温室气体排放。
随着AI模型变得越来越复杂并融入我们生活的更多领域，一个巨大的问题悬而未决：我们能否在不损害地球环境的前提下推动这场革命？
AI能源需求呈爆炸式增长
最先进AI所需的计算能力正以令人难以置信的速度增长——有人说大约每隔几个月就会翻倍。这不是一个缓慢的上升曲线，而是一个可能使我们最乐观的能源规划都黯然失色的垂直攀升。
从规模上看，AI未来的能源需求可能很快就会消耗与日本、荷兰等整个国家或美国加利福尼亚州等大型州相当的电力。这样的数据让人开始意识到AI可能给我们所依赖的电网带来的潜在压力。
2024年全球电力需求创纪录地增长了4.3%，除了电动汽车的普及和工厂活动增加外，AI的扩张是其中的一个重要原因。
回溯到2022年，数据中心、AI和加密货币挖矿已经占全球电力使用量的近2%，约460太瓦时(TWh)。
到2024年，仅数据中心就消耗约415 TWh电力，占全球总量的1.5%左右，并以每年12%的速度增长。AI在其中的直接份额仍相对较小——约20 TWh或全球能源使用量的0.02%——但这一数字将呈火箭式上升。
预测显示，到2025年底，全球AI数据中心可能需要额外10千兆瓦(GW)的电力，超过犹他州的全部发电能力。
到2026年，全球数据中心电力使用量可能达到1,000 TWh，与日本目前的使用量相当。而到2027年，全球AI数据中心的电力需求预计将达到68 GW，几乎相当于加利福尼亚州2022年的总发电能力。
到本十年末，数据更加惊人。全球数据中心电力消耗预计到2030年将翻倍，达到约945 TWh，接近全球电力使用量的3%。
石油输出国组织(OPEC)估计，到那时数据中心电力使用量甚至可能增至1,500 TWh。而高盛则表示，与2023年相比，数据中心的全球电力需求可能增长多达165%，专为AI配置的数据中心需求可能增长四倍以上。
甚至有预测认为，如果计入将AI服务传递给我们用户所需的能源，到2030年，数据中心可能占全球能源需求的21%。
谈到AI的能源使用，它主要分为两大块：训练AI模型和实际使用模型。
训练如GPT-4等大型模型需要巨量能源。例如，仅训练GPT-3据估计就消耗了1,287兆瓦时(MWh)的电力，而GPT-4的训练能耗据信是前者的50倍。
虽然训练非常耗电，但这些经过训练的模型的日常运行可能消耗AI总能源的80%以上。有报道称，向ChatGPT提出一个问题使用的能源是谷歌搜索的约10倍(大约2.9瓦时对0.3瓦时)。
随着各界纷纷投身生成式AI领域，构建更强大——因此更耗能——的数据中心的竞赛已经展开。对于希望深入体验和比较不同AI模型性能的读者，ChatShare平台提供了包括ChatGPT-4o、Claude 3.5 Sonnet等多种顶尖AI模型的便捷访问。通过该平台，用户可以直接比较不同模型在能效与性能方面的表现，无需复杂的网络设置。
我们能否同时满足AI和自身的能源需求？
这是一个关键问题：我们星球的能源系统能否应对这一新需求？我们已经在平衡使用化石燃料、核能和可再生能源。如果要可持续地满足AI日益增长的能源需求，我们需要快速扩大和多样化能源生产方式。
当然，可再生能源——太阳能、风能、水力和地热能——是解决方案的重要组成部分。例如，在美国，可再生能源在发电中的比例预计将从2024年的23%增加到2026年的27%。
科技巨头们也做出了一些重大承诺；例如，微软计划在2026年至2030年间为其数据中心购买10.5 GW的可再生能源。AI本身实际上可以帮助我们更有效地使用可再生能源，通过优化能源存储和电网管理，在某些领域可能减少高达60%的能耗。
但我们不要过于乐观。可再生能源有其自身问题。太阳不总是照耀，风不总是吹拂，这对需要全天候、每天不间断供电的数据中心来说是个实际问题。我们现有的电池技术往往昂贵且占用大量空间。此外，将大型新建可再生能源项目接入现有电网可能是一个缓慢而复杂的过程。
这就是为什么核能开始对一些人变得更有吸引力，特别是作为一种稳定、低碳的方式来满足AI巨大的能源需求。它提供关键的24/7电力，正是数据中心所渴望的。小型模块化反应堆(SMR)也备受关注，因为它们可能更灵活，并具有增强的安全特性。不仅仅是讨论；微软、亚马逊和谷歌等大公司正在认真考虑核能选项。
AWS负责人Matt Garman最近向BBC直言不讳地表示，称核能是数据中心的”极佳解决方案”。他说它是”零碳、全天候电力的优秀来源。”他还强调，为未来能源规划是AWS工作的重要部分。
“这是我们提前数年规划的事情，”Garman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部分，特别是当我们展望未来10年时。”
尽管如此，核能并非万能之策。建设新反应堆需要出名的长时间，成本高昂，并涉及复杂的审批程序。坦率地说，公众对核能的看法仍然有些摇摆，往往因为过去的事故，尽管现代反应堆安全性更高。
AI发展的惊人速度也与建设新核电站所需的时间不匹配。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不利。此外，将数据中心直接建在核电站旁的想法也让一些人担忧这可能对其他人的电价和供电可靠性产生什么影响。
不止于千瓦：AI更广泛的环境影响
AI对地球的影响远不止于其使用的电力。数据中心会产生大量热量，而冷却它们需要大量的水。普通数据中心每消耗一千瓦时能源就需要约1.7升水。
2022年，谷歌的数据中心据报道消耗了约50亿加仑的淡水——比前一年增加20%。一些估计表明，数据中心每使用1千瓦时电力，可能需要2升水仅用于冷却。换句话说，全球AI基础设施很快可能消耗的水量是丹麦全国的6倍。
还有不断增长的电子垃圾山。由于AI技术——特别是专用硬件如GPU和TPU——发展迅速，旧设备淘汰更加频繁。到2030年，AI可能导致数据中心每年产生500万吨电子垃圾。
甚至制造AI芯片和数据中心的其他组件也会对自然资源和环境造成影响。这意味着开采锂和钴等关键矿物，这些方法对地球并不友好。
仅制造一枚AI芯片就可能需要超过1,400升水和3,000千瓦时电力。对新硬件的渴求也推动了更多半导体工厂的建设，这往往导致更多燃气发电厂的建设。
当然，我们不能忘记碳排放。当AI使用燃烧化石燃料产生的电力时，它会加剧我们所面临的气候变化问题。据估计，训练一个大型AI模型排放的二氧化碳可能相当于数百个美国家庭一年的排放量。
从科技巨头的环境报告中，我们可以看到AI不断增长的碳足迹。例如，微软的年度排放量在2020年至2023年间增加了约40%，主要是因为他们为AI建设了更多数据中心。谷歌也报告说，在过去五年中，其温室气体总排放量增加了近50%，其AI数据中心的能源需求是主要原因。
我们能否通过创新解决这些问题？
虽然听起来前景黯淡，但结合新理念可能会有所帮助。
一个主要焦点是提高AI算法本身的能效。研究人员正在提出一些巧妙的技术，如”模型剪枝”(去除AI模型中不必要的部分)、”量化”(使用精度较低的数字，节省能源)和”知识蒸馏”(较小、更节能的AI模型向大型复杂模型学习)。设计更小、更专业的AI模型，以更少的能源完成特定任务也是一个优先事项。
在数据中心内部，”功率上限”(限制硬件可以消耗的功率)和”动态资源分配”(基于实时需求和可再生能源充足情况调整计算能力)等技术可以产生实质性差异。”AI感知”软件甚至可以将不那么紧急的AI任务转移到能源更清洁或电网需求较低的时间。AI还可以用于提高数据中心冷却系统的效率。
设备端AI也可以帮助减少能源消耗。不是将数据发送到耗能巨大的云数据中心，而是直接在你的手机或设备上进行AI处理。这可能大大减少能源使用，因为为此设计的芯片优先考虑效率而非原始功率。
我们也不能忘记规则和法规。政府开始意识到需要让AI对其能源使用和更广泛的环境影响负责。
制定清晰、标准的方法来衡量和报告AI的环境足迹是关键的第一步。我们还需要鼓励公司制造寿命更长、更易于回收的硬件的政策，以帮助解决电子垃圾问题。能源信用交易系统甚至可以给公司提供选择更环保AI技术的经济动机。
值得注意的是，阿拉伯联合酋长国和美国本周达成协议，在海湾地区建设美国以外最大的AI园区。尽管这表明AI在全球范围内变得越来越重要，但它也凸显了为什么所有这些能源和环境问题需要成为如此庞大项目的核心考量。
为AI寻找可持续的未来
AI有能力做一些令人惊叹的事情，但其对能源的惊人胃口是一个严峻的挑战。其未来能源需求的预测确实令人震惊，可能与整个国家的用量相当。
如果我们要满足这一需求，我们需要智能地混合使用各种能源。可再生能源对长期来说非常出色，但在稳定供应和快速扩大规模方面存在波动。核能——包括那些更新的小型模块化反应堆——提供了一个可靠、低碳的选择，肯定吸引了科技巨头的关注。但我们仍需要解决安全、成本以及建设时间等问题。
请记住，这不仅仅关乎电力。AI更广泛的环境影响——从冷却数据中心所用的水，到硬件产生的越来越多的电子垃圾，以及制造过程中消耗的资源——是巨大的。如果我们认真对待减轻AI的生态足迹，就需要看到全局。
好消息是，有许多有前途的想法和创新正在涌现。
节能AI算法、数据中心的智能电源管理、可以智能管理工作负载的AI感知软件，以及向设备端AI的转变，都提供了减少能源使用的方法。此外，我们更多地讨论AI的环境影响，意味着围绕推动可持续性的政策和规则的讨论终于开始了。
应对AI的能源和环境挑战需要研究人员、科技行业和政策制定者共同努力，而且要迅速行动。
如果我们将能源效率作为AI发展的首要任务，适当投资可持续能源，负责任地管理硬件的全生命周期，并制定支持性政策，我们可以期待一个AI巨大潜力得以释放的未来，而不会破坏我们的地球。
AI领先的竞赛也必须是可持续AI的竞赛。
文章来源：信息前沿