近年來，人工智能（AI）的崛起引起了廣泛的討論和擔憂，很多人擔心 AI 會造成失業(yè)率飆升，而有些樂觀的朋友則戲稱“只要電費貴過饅頭，AI 就永遠不能完全代替人”。

雖然這是句玩笑話，但背后則是實實在在的AI能耗問題，越來越多的人擔憂高能耗將成為制約 AI 發(fā)展的瓶頸。就在不久前，技術創(chuàng)業(yè)者、前谷歌工程師凱爾·科比特（Kyle Corbitt）在社交媒體 X 上表示，微軟已經遇到了這方面的難題。

AI 到底有多費電？

科比特稱，訓練 GPT-6 的微軟工程師們正忙著搭建 IB 網(wǎng)絡（InfiniBand），把分布在不同地區(qū)的 GPU 連接起來。這項工作很困難，但他們別無選擇，因為如果把超過 10 萬塊 H100 芯片部署在同一個地區(qū)，電網(wǎng)就會崩潰。

來源：X@corbtt

為什么這些芯片集中起來會導致電網(wǎng)崩潰的后果呢？讓我們來簡單算一筆賬。

圖庫版權圖片，轉載使用可能引發(fā)版權糾紛

英偉達網(wǎng)站上公布的數(shù)據(jù)顯示，每塊 H100 芯片的峰值功率為 700W，10 萬塊 H100 峰值功耗最高可達 7000 萬W。而 X 評論區(qū)有能源行業(yè)從業(yè)者指出，10 萬塊芯片的總能耗將相當于一座小型太陽能或風能發(fā)電廠的全部輸出。除此之外，還要考慮這么多芯片的配套設施的能耗，包括服務器和冷卻設備。這么多耗電設施，集中在一小片區(qū)域，給電網(wǎng)帶來的壓力可想而知。

AI 耗電，冰山一角

關于 AI 能耗問題，《紐約客》的報道一度引起廣泛關注。報道估算，ChatGPT 每日耗電量或超過 50 萬千瓦時。（參見：ChatGPT 日耗電超 50 萬度，卡死AI發(fā)展的竟然是能源？）實際上，目前AI耗電量雖然看上去是個天文數(shù)字，但仍然遠遠不及加密貨幣和傳統(tǒng)的數(shù)據(jù)中心。而微軟工程師遇到的難題也表明，制約 AI 發(fā)展的不僅是技術本身的能耗，還有配套基礎設施的能耗，以及電網(wǎng)的承載力。

國際能源署（IEA）發(fā)布的一份報告顯示，2022 年全球數(shù)據(jù)中心、人工智能和加密貨幣的耗電量達到 460 TWh，占全球能耗的近 2%。IEA 預測，在最糟糕的情況下，到 2026 年這些領域的用電量將達 1000 TWh，與整個日本的用電量相當。

但是，報告同時顯示，目前直接投入 AI 研發(fā)的能耗遠低于數(shù)據(jù)中心和加密貨幣。英偉達在 AI 服務器市場中占據(jù)約 95%的份額，2023 年供應了約 10 萬塊芯片，每年耗電量約為 7.3 TWh。但是在 2022 年，加密貨幣的能耗為 110 TWh，與整個荷蘭的用電量相當。

圖注：2022 年與 2026 年，傳統(tǒng)數(shù)據(jù)中心、加密貨幣、AI 數(shù)據(jù)中心的能耗估計值（柱狀圖從下往上依次展示）?？梢?，目前 AI 耗電量遠低于數(shù)據(jù)中心和加密貨幣。圖片來源：IEA

冷卻能耗，不容忽視

數(shù)據(jù)中心的能效通常用能效比（Power Usage Effectiveness）評估，即消耗的所有能源與 IT 負載消耗的能源的比值。能效比越接近于 1，表明數(shù)據(jù)中心浪費的能源越少。數(shù)據(jù)中心標準組織 Uptime Institute 發(fā)布的報告顯示，2020 年全球大型數(shù)據(jù)中心的平均能效比約為 1.59。也就是說，數(shù)據(jù)中心的 IT 設備每消耗 1 度電，其配套設備就消耗 0.59 度電。

數(shù)據(jù)中心的額外能耗中，絕大部分應用于冷卻系統(tǒng)。一項調查研究顯示，冷卻系統(tǒng)消耗的能量可達數(shù)據(jù)中心總能耗的 40%。近些年，隨著芯片更新?lián)Q代，單臺設備的功率增大，數(shù)據(jù)中心的功率密度（即單位面積耗電量）不斷提升，對散熱提出了更高的要求。但與此同時，通過改進數(shù)據(jù)中心設計，就能大幅減少能量的浪費。

因為冷卻系統(tǒng)、結構設計等各方面的差異，不同數(shù)據(jù)中心的能效比差異很大。Uptime Institute 報告顯示，歐洲國家已經把能效比降到了 1.46，而在亞太地區(qū)仍有超過十分之一的數(shù)據(jù)中心能效比超過 2.19。

世界各國正在采取措施，敦促數(shù)據(jù)中心實現(xiàn)節(jié)能減排的目標。其中，歐盟要求大型數(shù)據(jù)中心設立余熱回收設備；美國政府注資研發(fā)更高能效的半導體；中國政府也出臺措施，要求數(shù)據(jù)中心從 2025 年起能效比不高于 1.3，并將可再生能源使用比例逐年上調，到 2032 年達到 100%。

圖注：2020 年，全球各地大型數(shù)據(jù)中心的能效比。從左到右依次為：非洲、亞太地區(qū)、歐洲、拉丁美洲、中東、俄羅斯及獨聯(lián)體國家、美國和加拿大。圖片來源：Uptime Institute

科技公司用電，節(jié)流難開源更難

隨著加密貨幣和 AI 的發(fā)展，各大科技公司的數(shù)據(jù)中心規(guī)模不斷擴大。據(jù)國際能源署（IEA）統(tǒng)計，在 2022 年美國擁有 2700 座數(shù)據(jù)中心，消耗了全國用電量的 4%，并預測這一比例到 2026 年將達到 6%。隨著美國東西海岸用地越發(fā)緊張，數(shù)據(jù)中心逐步向愛荷華州、俄亥俄州等中部地區(qū)轉移，但這些二線地區(qū)原有的產業(yè)并不發(fā)達，電力供應可能無法滿足需求。

一些技術公司嘗試擺脫電網(wǎng)的束縛，直接從小型核電站購買電能，但這種用電方式和新建核電站都要面臨復雜的行政流程。微軟嘗試使用 AI 輔助完成申請，而谷歌使用 AI 進行運算任務調度，以提高電網(wǎng)運行效率，降低企業(yè)碳排放。至于可控核聚變何時投入應用，目前仍然是未知數(shù)。

氣候變暖，雪上加霜

AI 的研發(fā)需要穩(wěn)定而強大的電網(wǎng)支持，但隨著極端天氣頻發(fā)，許多地區(qū)的電網(wǎng)正在變得更加脆弱。氣候變暖會導致更加頻繁的極端天氣事件，不僅造成用電需求激增，加重電網(wǎng)負擔，還會直接沖擊電網(wǎng)設施。IEA 報告指出，受干旱、降雨不足和提早融雪的影響，2023 年全球水力發(fā)電占比下跌到三十年來的最低值，不足 40%。

天然氣往往被視為向可再生能源轉型過程中的一座橋梁，但它在冬季極端天氣下并不穩(wěn)定。2021 年，寒潮襲擊美國得克薩斯州，導致大面積斷電，部分居民家中斷電超過 70 小時。這次災難的一個主要原因就是天然氣管道冰凍，造成天然氣發(fā)電廠停擺。北美電力可靠性委員會（North American Electric Reliability Council，簡稱 NERC）預測，在 2024-2028 年，美國、加拿大有超過 300 萬人口面臨越來越高的斷電風險。

為保障能源安全，同時實現(xiàn)節(jié)能減排，許多國家也將核電站視為一種過渡措施。在 2023 年 12 月舉辦的聯(lián)合國應對氣候變化委員會第 28 次峰會（COP 28）上，22 個國家簽署聯(lián)合聲明，承諾到 2050 年將核能發(fā)電能力提升到 2020 年水平的 3 倍。與此同時，隨著中國、印度等國大力推進核電建設，IEA 預測到 2025 年，全球核電發(fā)電量將達到歷史新高。

“華龍一號”航拍。圖庫版權圖片，不授權轉載

IEA 報告指出：“在變化的氣候模式面前，提高能源多樣化、提升電網(wǎng)跨區(qū)域調度能力和采取更加抗沖擊的發(fā)電方式將變得越發(fā)重要?！?保障電網(wǎng)基礎設施，不僅關系到 AI 技術的發(fā)展，更是關乎國計民生。

參考文獻

[1] Kyle Corbitt. X. https://twitter.com/corbtt/status/1772392525174620355. <2024-03-26/2024-04-09>.

[2] IEA (2024), Electricity 2024, IEA, Paris https://www.iea.org/reports/electricity-2024, Licence: CC BY 4.0

[3] Andy Lawrence. Which regions have the most energy efficient data centers?. Uptime Institute.

https://www.datacenterdynamics.com/en/opinions/which-regions-have-most-energy-efficient-data-centers/. <2020-08-04/2024-04-10>

[4] Zhang, Xiaojing, Theresa Lindberg, Naixue Xiong, Valeriy Vyatkin, and Arash Mousavi. "Cooling energy consumption investigation of data center it room with vertical placed server." Energy procedia 105 (2017): 2047-2052.

[5] Evan Halper. Amid explosive demand, America is running out of power. Washington Post. https://www.washingtonpost.com/business/2024/03/07/ai-data-centers-power/. <2024-03-07/2024-04-09>.

[6] Jeremy Hsu. US grid vulnerable to power outages due to its reliance on gas. New Scientist. https://www.newscientist.com/article/2411905-us-grid-vulnerable-to-power-outages-due-to-its-reliance-on-gas/. <2024-01-11/2024-04-09>.

[7] Jeremy Hsu. Much of North America may face electricity shortages starting in 2024. New Scientist. https://www.newscientist.com/article/2409679-much-of-north-america-may-face-electricity-shortages-starting-in-2024. <2023-12-23/2024-04-09>.

策劃制作

作者丨瑪雅藍 科普創(chuàng)作者

審核丨于旸 騰訊玄武實驗室負責人

策劃丨徐來 丁崝

責編丨丁崝

審校丨徐來 林林