中国储能网讯：美国MIT Climate网站发表署名Aaron Krol的文章，题目是：Is AI's energy use a big problem for climate change（人工智能的能源使用是气候变化的一个大问题吗）？

作为世界上最大的行业之一，计算行业历来并不是一个主要的气候污染源。就在2020年，支撑互联网和高性能计算的数据中心和数据传输网络，仅产生了人类导致气候变暖的温室气体排放的0.6%。但如果以足够快的速度建造足够多的数据中心，计算产生的排放很容易就会急剧增长。而生成式人工智能正在推动这种快速的建设。在美国，人工智能发展最快的国家，它已经改变了整个电网的发展轨迹。

“数据中心的需求曾经占美国电力消耗的1%到2%左右，”麻省理工学院林肯实验室超级计算中心的高级科学家Vijay Gadepally说，“如今，大概在4%到5%左右。”这种快速增长对美国来说是一个巨大的变化。在过去20年里，美国的能源使用量基本保持平稳。这使得人们更容易逐步用更便宜、更清洁的能源来源取代旧的污染型能源，比如燃煤发电厂——使得美国的温室气体排放自2000年代中期以来缓慢下降。

现在美国的能源需求又开始增长了。美国能源部的一项研究估计，数据中心的能源使用量已经达到了历史新高，到2028年至少会翻一番，甚至可能会增加两倍多。预计中国和欧洲也会出现类似的增长。Gadepally说，用清洁能源满足这一需求将非常困难。“不能花十年时间来建造一个数据中心。因为经济因素，它必须在一年或一年半内完成。而通常能够如此快速扩展的能源来源是非可再生能源。”

对于需要“稳定”能源（即全天候运行的能源）的数据中心来说，清洁的风能和太阳能也不是一个很好的选择。如果开发者发现他们需要非常快速地增加稳定能源，他们可能会转向导致气候变暖的天然气——这已经在数据中心热点地区如德克萨斯州和弗吉尼亚州发生了。一些人工智能公司正在尝试使用新的、清洁的稳定能源来源。谷歌正在建造利用地球自然热量的地热发电厂，而微软则转向核能。但是，Gadepally说，“我不知道我们能多快地扩大像地热和核能这样的技术。”他指出，这两家公司2024年的排放量都增加了。

如果不能用清洁能源为所有数据中心供电，可以尝试让人工智能模型消耗更少的能源。经典的超级计算程序，比如气候模型，每次运行时都会处理大量的数据——因此运行得非常谨慎。人工智能则大不相同，因为用户输入的数据非常小。例如，想想你在像ChatGPT这样的语言生成器中输入的文本。

真正大的是模型对这些数据执行的函数数量。“每次你与一个生成式人工智能模型交谈时，你都在传递一些数据，这些数据会流经数百亿个数，”Gadepally说。“一般来说，人们认为模型越大——也就是说，它拥有的参数越多——它就能产生越准确或更逼真的内容。”

这意味着在向公众发布之前“训练”一个人工智能模型所需的计算能力是巨大的。开发人员会在新数据上多次执行这些数百亿个函数，慢慢地强化模型以输出更好的结果。这也意味着，一旦模型发布，它仍然会使用大量的能源。粗略地说，Gadepally说，查询一个人工智能模型数亿次相当于重新训练它。“想想每天有多少百万人在与ChatGPT或Anthropic或DeepSeek交谈。如果你有十亿次与ChatGPT的互动，那就像重新训练了那个模型很多次，这会迅速累积起来。”我们或许能够建造出计算能力需求较小的高性能人工智能模型。例如，Gadepally的实验室研究了快速剔除无用参数的方法，使训练更加高效，并缩小最终模型的规模。今年1月，中国人工智能公司DeepSeek发布了一个训练时使用的处理能力只是其竞争对手一小部分的模型。“这是一个巨大的进步，”Gadepally说。“他们能够证明，如果你聪明一点，并开始添加一些优化，我们实际上可以用更少的资源做更多的事情。”

像其他模型一样，DeepSeek包含数百亿个参数，但它只使用其中的一小部分。当它收到一个新的查询时，它首先考虑被问到的是什么类型的问题，然后只将数据通过那些最擅长处理这种任务的参数。这节省了计算能力和能源。

然而，在每次查询时使用更少的能源，和总体上使用更少的能源之间是有区别的。“你能够通过他们新颖的架构减少很多浪费的计算，”Gadepally说。“但负面的是，这也降低了成本。那么现在这是否吸引了一群原本不打算使用它的人呢？”更频繁的使用可能会削弱，甚至完全抵消更高效的人工智能模型带来的气候好处。

降低人工智能能源使用的另一个途径是数据中心本身。Gadepally的实验室通过“功率限制”，即限制每个处理器被允许消耗的电量，看到了令人印象深刻的结果。“我很高兴地说，现在几乎所有人都开始采用这种方法。我们看到工作负载的能源使用减少了15%到20%，只是使速度稍微慢一点，大约百分之几。”该行业也在从耗能的空调转向冷却其处理器。“他们现在做的是直接到芯片冷却，基本上是让冷水循环通过你的芯片，”Gadepally说。“这更有效率。”（不幸的是，它也使用了我们用于饮用和农业的相同清洁水）。未来还有更高效的“浸没式冷却”，即将处理器浸入矿物油等液体中，这种液体导热但不导电。

关注数据中心的意义在于，它们不仅仅用于人工智能。“我们使用的每个设备都在某个地方被处理，”Gadepally指出。“即使是Zoom通话也在通过某个数据中心。我的手机可能同时在与某个应用程序对话，这也在使用一些计算能力。”高效的数据中心降低了所有这些活动的能源使用量和气候影响。“我喜欢提醒大家，即使是小的改变也是可以的，”他补充说。“我们每天都在进行数十亿次这样的操作。所以即使是小的改善，当乘以我们进行操作的次数时，效果可能相当大。”