生成式AI背后的能耗問題如何解決？

2023年，生成式AI在全球科技圈掀起了投資風潮。然而，在AI這一場科技豪賭盛宴上，巨大的能耗問題也成為科技圈關注的焦點。

近日，荷蘭國家銀行數據專家Alex de Vries估計，OpenAI旗下聊天機器人ChatGPT每天消耗超過50萬千瓦時的電力，用于處理約2億個用戶請求，相當于美國家庭每天用電量的1.7萬多倍。

而特斯拉CEO馬斯克最近在接受媒體采訪時也預言，AI行業將在2025年迎來電力短缺，屆時將“沒有足夠的電力來運行所有的芯片”。

OpenAI創始人Sam Altman在世界經濟論壇上也表示：“我們需要的能源確實比我們之前想象的要多得多。”

Bloomberg Intelligence最新報告顯示，到2032年，生成式AI市場規模有望增長至1.3萬億美元，年復合增速達43%。這就意味著未來生成式AI帶來的能耗的問題也愈加嚴峻。

那么，一方面是巨大的市場利好趨勢，另一方面則是巨大的能耗問題，這明顯與追求可持續發展和綠色環保的目標背道而馳。未來，要解決這一矛盾關系需要業界從“開源”和“節流”兩個詞尋求突破。

AI能源消耗巨大

前幾年，加密貨幣風靡一時，其“挖礦”設備帶來的能耗問題也曾引發爭論。但長遠來看，加密貨幣的能耗問題遠不及生成式AI帶來的壓力。

當前，微軟、谷歌和ChatGPT研發企業OpenAl都要使用云計算，而云計算依賴于全球海量數據中心服務器內數以千計的芯片來訓練被稱為模型的AI算法，分析數據以幫助這些算法學習如何執行任務。

盡管生成式AI未來將徹底改變價值數萬億美元的從零售到航空航天等行業的運營模式，比如新冠病毒的分子信息建模、石油勘探中的環境模擬、航空航天導航等，但無時無刻出現的算力需求都將耗費大量的電力。這勢必將進一步導致更多大量溫室氣體的排放，加劇全球變暖的問題。3月28-29日，由Aspencore舉辦的國際集成電路展覽會暨研討會（IIC Shanghai）將在上海召開。作為IIC Shanghai的重要論壇——2024國際綠色能源生態發展峰會將邀請國內外行業企業，探討生成式AI帶來新機遇、新挑戰，同時也將分析如何利用半導體新技術解決能源消耗問題、實現行業可持續發展以及碳中和目標。歡迎參會！

2月29日，馬斯克在博世互聯世界2024大會上表示，僅僅一年多前，業界還在為芯片短缺苦惱，但明年可能面臨全球電力供應緊張局面，可能導致無法滿足所有芯片的生產需求。

馬斯克直言，盡管目前人工智能的發展速度前所未見，算力似乎每6個月就會增加10倍，“但這種速度顯然不會一直持續下去，否則宇宙都容不下它們了”。他也表示，算力增長目前已經面臨瓶頸，除了芯片短缺之外，就是能耗這一問題。

馬斯克還曾表示，美國需要將目前的發電量提高至少三倍才能維持電力供需平衡，否則不僅無法滿足人工智能等快速增長的用電需求，還將導致全國性“電荒”。

根據美國Uptime Institute的預測，到2025年，人工智能業務在全球數據中心用電量中的占比將從2%猛增到10%。

按照當前的趨勢，de Vries也預測，到2027年整個AI行業每年將消耗85-134太瓦時（1太瓦時=10億千瓦時）的電力。

來自《焦耳》雜志上的一項研究也表明，到2027年，生成式人工智能所消耗的能源能為荷蘭這樣的國家提供一年的電力，相當于約85-134太瓦時（TWh）。參數更多、功能更為強大的人工智能將給人類的能源供應產生巨大壓力。這意味著在未來幾年內，大型人工智能系統要實現向全面智能時代過渡，甚至建成元宇宙，能源消耗將不可估量。

除了能耗問題之外，生成式AI還耗費著巨量的水資源。根據企業的環境報告，谷歌和微軟研發他們的Bard和必應大語言模型時，兩家公司的用水量一年內分別增加了20%和34%。全球生成式人工智能對水資源的需求到2027年可能達到英國的一半水平。

能源賽道迎來新的發展機遇

未來，人工智能的發展將進一步與能源緊密相連。這也讓越來越多的人開始意識到，能源正成為大型人工智能服務器群不斷迭代升級的重要發展瓶頸。

英偉達創始人兼CEO黃仁勛就曾強調，不應僅僅關注算力，而是需要更全面地考慮能源消耗問題。據悉，2024年，英偉達的高端H100芯片預計將消耗相當于一個小國家全年的電力。

OpenAl的創始人山姆·奧特曼也提出了類似的看法，“未來AI的技術取決于能源，我們需要更多的光伏和儲能。我們需要的是核聚變，或者是大規模的、成本極低的太陽能加儲能系統，規模之大前所未有。”

根據市場研究機構CB Insights發布的關于生成式AI的報告《2024 generative AI predictions》，為應對不斷增長的能源需求，數據中心開始轉向可再生能源。核能，尤其是小型模塊化反應堆（SMR）和核聚變技術，被視為AI運營的可持續能源解決方案。同時，為了應對高功率AI數據中心的散熱挑戰，液冷技術正在成為行業的新寵。

2024年度耗電量比較（來源：CB Insights）

作為生成式AI研究最為積極的國家，美國在能源消耗這一問題上，可以說是機遇與挑戰同在。如今，清潔能源、AI、數據中心、電動汽車、挖礦等多種產業的增長，在刺激美國經濟增長的同時，也引發了電力需求危機。

有分析師指出，美國70%的電網接入和輸配電設施已老化，某些地區電網傳輸線路不足。因此，美國電網需要大規模升級，如果不采取行動，到2030年美國將面臨一道難以逾越的國內供應缺口。

因此，美國馬薩諸塞州參議員埃德·馬基(Ed Markey)等美國民主黨人在今年2月提出了《2024年人工智能環境影響法案》。該法案希望建立評估人工智能對環境影響的標準，并為人工智能開發者和運營商創建一個自愿報告框架。這也說明在政府層面已經開始重視生成式AI的能耗問題。

因此，隨著高耗電的數據中心數量激增，太陽能光伏、水力發電、風能等清潔、可再生能源將成為投資的熱點，包括核能在內的能源也將被重視，比如推動可控核聚變研究和開發。

優化算法和模型架構是可行路徑

當前，能源效率是現代芯片設計中必須考慮的重點之一，AI芯片也不例外。能耗的降低既有助于提高芯片的發展速度，又有利于減少資源消耗。其中，通過優化算法和模型架構以減少AI計算能耗是重要的技術路徑之一。

一方面，通過對算法進行剪枝、量化和分解等優化方法，可以減少計算量和存儲需求，從而提高芯片的計算效率；另一方面，通過建立更高效的模型，并重新考慮如何設計和使用數據中心，以及采用先進的工藝技術和電源管理策略，優化電路設計、實現更高效的數據傳輸和存儲、減少內存訪問次數等方法，都可以幫助降低芯片的能耗。

比如，法國的大科學（BigScience）項目BLOOM模型，其有可能建立一個與OpenAI的GPT-3相似大小的模型，同時碳足跡要低得多。

然而，提升AI能源效率是一個重要且復雜的工作。除了優先發展節能硬件、算法和數據中心，AI行業還應積極與政府、企業和研究機構合作，建立綠色能源網絡，將可再生能源引入電力供應系統。這樣可以降低AI行業的能源成本，同時也有利于環保和可持續發展。

此外，政府還應制定相應的政策，鼓勵和支持AI行業采用更加環保、高效的能源利用方式。比如，可以給予AI企業稅收優惠、補貼等政策支持，鼓勵企業采用綠色能源和高效設備。

不過，要規劃高效的綠色能源供給網絡，以及制定相應的AI政策與標準，需獲得關于AI環境影響的準確和完整的數據。目前，這些數據依賴于研究人員基于實驗室的研究、數目有限的企業報告以及地方政府發布的數據。而基于生成式AI的全部成本是企業機密，AI企業實際上沒有提供真實數據的動力。

因此，政府層面需通過立法來規范與引導AI行業的能源消耗，像美國《2024年人工智能環境影響法案》就是推動AI可持續發展的第一步。