中国储能网讯：《自然》杂志网站发表分析文章（作者Sophia Chen），探讨了人工智能（AI）对能源消耗的影响，特别是生成式AI在数据中心的能源需求方面。文章通过弗吉尼亚州库尔佩珀县的数据中心建设案例，揭示了AI对当地电力基础设施的潜在影响，并分析了全球范围内AI能源消耗的现状和未来趋势。文章强调，尽管AI的能源消耗在全球范围内占比相对较小，但其对局部地区的影响可能相当显著，尤其是在数据中心密集的地区。同时，由于缺乏透明度，准确评估AI的能源需求仍面临挑战。
弗吉尼亚州库尔佩珀县弥漫着干草和粪肥的气味，这里每三个人就有一头牛。“我们有很多大型农场，大多数仍然是家族所有，还有很多森林，”库尔佩珀县居民之一的萨拉·帕梅勒说。“这是一个非常迷人的小镇美国。” 但现在，这个田园诗般的地方正在经历一场二十一世纪的转变。在过去的几年里，该县批准了七个大型数据中心项目的建设，这些项目将支持科技公司在生成式人工智能（AI）方面的雄心勃勃计划。在这些巨大的建筑内部，一排排的计算机服务器将帮助训练像ChatGPT这样的聊天机器人的AI模型，并为可能来自世界各地的数十亿日常查询提供答案。
在弗吉尼亚州，这种建设将产生深远的影响。每个设施可能会消耗相当于数万户住宅家庭的电力，导致居民成本上升，并使该地区的电力基础设施超出其容量。帕梅勒和其他社区成员对数据中心对电力的渴望感到警惕——尤其是因为弗吉尼亚州已经被称为世界数据中心之都。2024年12月发布的一项审查指出，尽管数据中心带来了经济利益，但其增长可能会在十年内使弗吉尼亚州的电力需求翻倍。“电力将从哪里来？”帕梅勒问道，她在弗吉尼亚州绘制数据中心的建设地图，并在总部位于弗吉尼亚州沃伦顿的非营利组织皮埃蒙特环境委员会工作。“他们都在说，‘我们将从其他地区购买电力。’ 但那个地区也计划从你这里购买电力。”
在全球范围内，类似的关于AI和能源的冲突正在许多数据中心以创纪录的速度涌现的地方酝酿。大型科技公司正在大力押注生成式AI，与从数据中提取模式但不生成新文本和图像的旧AI模型相比，它需要更多的能源来运行。这促使公司花费数千亿美元在新的数据中心和服务器上，以扩大其容量。从全球角度来看，AI对未来电力需求的影响实际上预计相对较小。但数据中心集中在密集的集群中，在那里它们可以产生深远的本地影响。与其他能源密集型设施（如钢铁厂和煤矿）相比，它们在空间上更加集中。公司倾向于将数据中心建筑建在一起，以便它们可以共享电网和冷却系统，并在彼此之间以及与用户之间高效地传输信息。特别是弗吉尼亚州，通过提供税收减免吸引了数据中心公司，导致了更多的聚集。
“如果你有一个数据中心，你可能会有更多，”帕梅勒说。弗吉尼亚州已经有340个这样的设施，帕梅勒已经绘制了159个拟建的数据中心或现有数据中心的扩建项目。在弗吉尼亚州，它们占该州电力使用量的四分之一以上。在爱尔兰，数据中心占全国电力消耗的20%以上——其中大多数位于都柏林附近。而且这些设施的电力消耗在至少5个美国州已经超过了10%。
进一步复杂化问题的是公司对其AI系统电力需求的透明度不足。“真正的问题是，我们几乎没有详细的数据和知识来了解正在发生的事情，”独立研究员乔纳森·库梅说，他研究计算的能源使用已有30多年，并在加利福尼亚州伯灵格姆经营一家分析公司。“我认为每个研究这个主题的研究人员都在抓狂，因为我们没有得到我们需要的东西，”阿姆斯特丹自由大学的研究员亚历克斯·德·弗里斯说，他也是荷兰公司Digiconomist的创始人，该公司探索数字趋势的意外后果。“我们只是尽力而为，尝试各种方法来得出一些数字。”
计算AI的能源需求
由于缺乏公司的详细数据，研究人员通过两种方式探索了AI的能源需求。2023年，德·弗里斯采用了一种供应链（或基于市场）的方法。他检查了主导生成式AI市场的NVIDIA服务器的功率消耗，并将其外推到一年所需的能源。然后，他将该数字乘以可能用于特定任务的此类服务器的总数量估计值，或者正在运输的数量。
德·弗里斯使用这种方法来估算如果谷歌搜索使用生成式AI所需的能源。两家能源分析公司估计，将类似ChatGPT的AI集成到每次谷歌搜索中将需要40万到50万台NVIDIA A100服务器，根据这些服务器的功率需求，这将每年消耗23到29太瓦时（TWh）的能源。然后，估计谷歌每天处理多达90亿次搜索（来自各种分析师的大致数字），德·弗里斯计算出通过AI服务器的每次请求需要7到9瓦时（Wh）的能源。根据谷歌在2009年博客文章中报告的数字（见go.nature.com/3d8sd4t），这比正常搜索的能源消耗高出23到30倍。当被要求对德·弗里斯的估计发表评论时，谷歌没有回应。
德·弗里斯表示，这种能源计算感觉像是“抓救命稻草”，因为他不得不依赖他无法复制的第三方估计。而且他的数字很快过时了。现在用于AI集成谷歌搜索所需的服务器数量可能更低，因为今天的AI模型可以在计算成本的一小部分的情况下匹配2023年模型的准确性，美国能源分析公司SemiAnalysis（德·弗里斯曾依赖其估计）在给《自然》杂志的电子邮件中写道。
即便如此，该公司表示，评估生成式AI的能源足迹的最好方法仍然是监控服务器运输及其功率需求，这正是许多分析师广泛使用的方法。然而，分析师很难单独隔离仅由生成式AI使用的能源，因为数据中心通常还执行非AI任务。
自下而上的估计
另一种检查AI能源需求的方法是“自下而上”的：研究人员测量特定数据中心中一个与AI相关的请求的能源需求。然而，独立研究人员只能使用开源AI模型进行测量，这些模型预计与专有模型相似。这些测试背后的概念是，用户提交一个提示——例如请求生成图像或基于文本的聊天——然后一个名为CodeCarbon的Python软件包允许用户的计算机访问执行数据中心中模型的芯片的技术规格。“在运行结束时，它将给出你所使用的硬件消耗了多少能源的估计值，”帮助开发CodeCarbon的AI研究员萨沙·卢奇奥尼说，她在纽约市的Hugging Face公司工作，该公司托管一个开源AI模型和数据集平台。
卢奇奥尼和其他人发现，不同的任务需要不同数量的能源。根据他们的最新结果，平均而言，从文本提示生成图像消耗约0.5瓦时的能源，而生成文本使用的略少。相比之下，现代智能手机可能需要22瓦时才能充满电。但存在很大差异：更大的模型需要更多能源。德·弗里斯表示，这些数字低于他论文中的数字，但这可能是因为卢奇奥尼和其他人使用的模型至少比ChatGPT背后的模型小一个数量级——而且AI正在变得更加高效。
这些数字是下限，根据卡内基梅隆大学匹兹堡分校的计算机科学家、卢奇奥尼的合作者艾玛·斯特鲁贝尔的说法。否则，“公司会出来纠正我们”，她说。“他们没有这样做。”更重要的是，公司通常会扣留软件需要估算数据中心冷却所用能源的信息。CodeCarbon也无法访问某些类型芯片的能源消耗。这包括谷歌的专有TPU芯片，法国数据科学家、CodeCarbon维护者贝诺伊特·库尔蒂说。
卢奇奥尼还研究了训练生成式AI模型需要多少能源——当模型从大量数据中提取统计模式时。但如果模型每天收到数十亿次查询，正如德·弗里斯对他的谷歌估计所做的假设，那么回答这些查询所使用的能源——总计太瓦时的电力——将主导AI的年度能源需求。训练像GPT-3这样大小的模型，即ChatGPT第一个版本背后的模型，需要消耗吉瓦时的能源。
上个月，卢奇奥尼和其他研究人员启动了AI能源评分项目，这是一个公共倡议，用于比较不同任务中AI模型的能源效率，并为每个模型给出星级评分。专有、封闭模型的开发者也能够上传测试结果，尽管到目前为止，只有美国软件公司Salesforce参与了。斯特鲁贝尔表示，随着竞争加剧，公司越来越对最新行业模型的能源需求保持沉默。“信息共享在公司外部已经减少了，”她说。但像谷歌和微软这样的公司已经报告说他们的碳排放量正在增加，他们将其归因于支持AI的数据中心建设。当被《自然》杂志问及对缺乏透明度的批评时，包括谷歌、微软和亚马逊在内的公司没有回应；相反，他们强调他们正在与地方当局合作，以确保新的数据中心不会影响当地的公用事业供应。
一些政府现在要求公司提供更多的透明度。2023年，欧盟通过了一项能源效率指令，要求额定功率至少为500千瓦的数据中心运营商每年报告其能源消耗。
全球预测
根据供应链估算方法，数据中心目前仅使用世界电力需求的一小部分。国际能源署（IEA）估计，2022年此类设施使用的电力为240到340太瓦时，占世界需求的1%到1.3%（如果包括加密货币开采和数据传输基础设施，这一比例将提高到2%）。AI热潮将增加这一比例，但随着世界电力消费预计到2050年将增长超过80%，原因是许多行业的电气化、电动汽车的兴起和对空调的需求增加，数据中心“仅占整体电力需求增长的一小部分”。
即使有了对AI当前能源需求的近似值，预测未来趋势也很困难，库梅警告说。“没有人知道数据中心，无论是AI还是传统数据中心，几年后会使用多少能源，”他说。主要问题是关于需要多少服务器和数据中心存在分歧，这是一个领域，公用事业公司和科技公司有财务动机夸大数字。许多预测都是基于“简单化的假设，将最近的趋势外推到10年或15年以后。”
