主要内容
人工智能对能源的需求正迅速膨胀，成为一个巨大的挑战。这不仅关乎电费，环境影响也很严重，包括消耗宝贵的水资源、产生大量电子垃圾，以及增加我们都在努力减少的温室气体排放。随着人工智能模型变得越来越复杂，并融入我们生活的更多方面，一个巨大的问号悬在空中：我们能否在不损害地球的情况下为这场革命提供动力？
数据不会说谎：人工智能的能源需求正在迅速上升。最智能的人工智能所需的计算能力几乎呈令人难以置信的上升曲线——有人说大约每几个月就会翻倍。这不是平缓的上升，而是垂直攀升，甚至可能让我们最乐观的能源计划相形见绌。
举个例子，人工智能未来的能源需求可能很快就会消耗像日本或荷兰这样的整个国家，甚至像加利福尼亚这样的美国大州那么多的电力。当你听到这样的数据时，你开始看到人工智能可能对我们依赖的电网造成的潜在压力。
2024 年，全球电力需求增长了创纪录的 4.3%，人工智能的扩张是主要原因之一，同时电动汽车的增长和工厂的更努力工作也是原因之一。
回到 2022 年，数据中心、人工智能甚至加密货币挖掘已经占全球所有电力使用量的近 2%——约 460 太瓦时（TWh）。到 2024 年，仅数据中心就使用约 415 TWh，约占全球总量的 1.5%，且每年以 12%的速度增长。人工智能在这其中的直接份额仍然相对较小——约 20 TWh，或全球能源使用量的 0.02%——但请系好安全带，因为这个数字将迅速上升。
预测结果非常惊人。到 2025 年底，全球人工智能数据中心可能需要额外 10 吉瓦（GW）的电力。这比犹他州这样的地方的总电力容量还要多。到 2026 年，全球数据中心的电力使用量可能达到 1000 TWh——与日本现在使用的量相似。到 2027 年，全球人工智能数据中心的电力需求预计将达到 68 GW，几乎与 2022 年加利福尼亚的总电力容量相同。
在本十年末，这些数字更加令人瞠目结舌。到 2030 年，全球数据中心的电力消耗预计将翻倍至约 945 TWh，约占全球总电力使用量的 3%。欧佩克认为，到那时数据中心的电力使用量甚至可能增加两倍至 1500 TWh。高盛表示，与 2023 年相比，数据中心的全球电力需求可能增长高达 165%，专门为人工智能配备的数据中心的需求将增长四倍以上。甚至有迹象表明，如果将将人工智能服务提供给我们用户所需的能源计算在内，到 2030 年，数据中心可能占全球能源需求的 21%。
当我们谈论人工智能的能源使用时，主要分为两大部分：训练人工智能和实际使用它。训练像 GPT-4 这样的大型模型需要大量能源。例如，仅训练 GPT-3 就估计使用了 1287 兆瓦时（MWh）的电力，而 GPT-4 被认为需要比这多得多的 50 倍。
虽然训练是电力消耗大户，但这些训练模型的日常运行可能会消耗人工智能总能源的 80%以上。据报道，问 ChatGPT 一个问题使用的能源大约是谷歌搜索的十倍（大约 2.9 瓦时对 0.3 瓦时）。随着每个人都加入生成式人工智能的行列，建造更强大——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？这是一个价值百万美元的问题，不是吗？我们星球的能源系统能否应对？