AI是“吃電狂魔”？將面臨“缺電”？中國這個解法值得關注

來源：社會大爆點 釋出時間：2024-04-17 09:15

“下一個短缺的將是電力。”

不久前，圍繞人工智慧（AI）發展，特斯拉執行長馬斯克發出這樣的預警。

他表示，人工智慧計算的約束條件是可預測的，“我在一年多前就預測過晶片短缺，下一個短缺的將是電力。我認為明年將沒有足夠的電力來執行所有的晶片。”

此外，OpenAI執行長山姆·奧特曼也表示，人工智慧將消耗比人們預期更多的電力，未來的發展需要能源突破。

在人工智慧飛速發展的背後，能源消耗問題也日益凸顯，成為業內關注的焦點。甚至有人提出，“AI的盡頭是算力，而算力的盡頭是電力”。

那麼，人工智慧到底有多耗電？人工智慧發展“缺電”了嗎？面對能耗問題，我國又拿出了怎樣的應對方案？

01

AI有多耗電？

當下人工智慧大模型的競爭，頗像一場“算力軍備競賽”。在規模效應（Scaling Law）的驅動下，各公司透過不斷增加模型引數和資料量，期待實現“大力出奇跡”，相應地，算力需求也成倍增加。

所謂算力，簡單來理解，就是對資料或資訊的處理能力。

算力是抽象的，它的載體卻實在可見，就是以資料中心、智算中心為代表的算力基礎設施。算力的背後，是電力在支撐。

你可以在腦海中想象這樣一幅畫面——在資料中心或智算中心，成千上萬臺伺服器和晶片整齊列陣、日夜不停地運轉。

△資料圖

當下訓練AI大模型使用的主流算力晶片英偉達H100晶片，一張最大功耗為700瓦，這意味著執行一小時就要耗電0.7度。而此前有訊息稱，OpenAI訓練GPT-5，需要數萬張H100晶片。

透過晝夜不息的資料中心，大家會對AI耗電有一個感性認識，而資料則更加直觀。

以GPT-3的訓練為例，GPT-3有1750億個引數，據估計，訓練過程使用了大約1287兆瓦時（也就是128.7萬度）的電力。

該如何理解這個耗電量？這相當於美國約121個家庭一整年的用電量。也曾有專家打了這麼一個比方，大概相當於3000輛特斯拉電動汽車共同開跑，每輛車跑20萬英里。

GPT-3是在2020年釋出的，很多人也許會問，更新的模型能耗如何呢？因為近年來不少AI科技公司不再公佈訓練細節，比如用了什麼硬體、耗時多久，這使得能耗計算變得困難。

但GPT-3的能耗可以作為一個參考，GPT-3模型引數為1750億，而GPT-4曾被曝包含1.8萬億引數，隨著引數的翻倍，能耗也會大幅增加。

而以上的能耗還只限於訓練階段，完成訓練後，AI將迎來新的耗電階段——推理，即人們使用AI輸出結果的過程。

AI的訓練是一次性事件，而使用卻是長期過程，隨著應用的普及、使用人數的增加，耗電量將不斷疊加。

國際能源署（IEA）在今年1月的一份報告中曾表示，ChatGPT響應一個請求平均耗電2.9瓦時——相當於將一個60瓦的燈泡點亮略少於三分鐘。

另外，據美媒報道，ChatGPT每天響應約2億個需求，消耗超過50萬度電力，相當於1.7萬個美國家庭平均一天的用電量。

讓我們做一道簡單的數學題，GPT-3訓練耗電約128萬度，ChatGPT每天為響應需求耗電50萬度，GPT-3在訓練階段消耗的電量，甚至無法支撐ChatGPT執行3天。

天長日久，耗電量可謂相當可觀。

02

AI“缺電”了嗎？

各種資料似乎都在說明，AI是一隻“耗電巨獸”，那麼下一個問題就是，它的胃口還能被滿足嗎？AI發展“缺電”了嗎？

來讓資料說話。

根據公開資料，2023年，美國全口徑淨髮電量為41781.71億千瓦時（1千瓦時=1度），以ChatGPT每天耗電50萬度計算，按一年365天，耗電量約為18250萬度，這也只佔全美髮電量的約0.0044%。

△資料圖

AI當然不只ChatGPT，但它的耗能資料可以作為一個切口。可以看出，儘管隨著AI算力的迅猛增長，電力需求也持續增長，但目前其在整體電力消耗中所佔比例較小。

既然如此，科技大佬們頻頻呼籲關注AI能耗問題，是在“販賣焦慮”嗎？其實不然。

波士頓諮詢集團曾釋出報告稱，到2030年底，僅美國資料中心的用電量預計就將是2022年的三倍，而這一增幅主要來自AI模型訓練和更高頻的AI查詢。

“AI發展‘缺電’並不是現在已經出現的問題，而是未來可能面臨的問題。”

中國現代國際關係研究院國際安全所所長劉衝作出這樣的判斷。

他表示，目前AI發展的路線是不斷增加模型引數、疊加晶片，如果繼續按照這個路線發展，將來消耗的電力將更多，從這個角度來講，未來AI的能耗問題可能會越來越突出，尤其是對於電力供應本身比較緊張的國家。但就目前而言，能源還沒有成為限制AI發展的因素。

工信部資訊通訊經濟專家委員會委員劉興亮也表示，科技大佬預言AI“缺電”，可能是想讓大家重視起這個問題，這隻說明，AI確實耗電，電力成本也確實很高，但是目前能源問題還沒有到影響AI發展的程度。

劉興亮同意未來可能面臨的隱憂，如果繼續無節制地擴大引數規模，並且伴隨著使用者越來越多，而能耗技術沒有進步，耗電將很快成為一個問題。但與此同時，他也作出了比較樂觀的展望，認為可以透過技術進一步降低能耗。

可以說，AI缺電是一個未來可能面臨的問題，而在這個問題真正到來前，一系列解決思路就已經在路上。

在需求方面，AI模型的最佳化，晶片效率和演算法效率的提升，資料中心軟硬體技術的進步，都有望減少AI的能耗。

回望過去或許可以幫助我們思考未來。

一項發表於《科學》期刊的研究指出，在2010年至2018年間，全球資料中心的運算量增長了550%，儲存空間增長了2400%，但耗電量僅增長6%。

而在供應方面，電力問題涉及能源、基建、政策、技術等多個方面，難以透過簡單的“有”或“沒有”“充足”或“不充足”來一言以蔽之。更多樣化的能源組合、電力技術革新、國家調控等都將有助於應對這個問題。

比如，國際能源署（IEA）對清潔能源能起到的作用就相當樂觀，其在一份報告中指出，預計到2026年底，包括可再生能源和核能在內的低碳能源將佔全球發電量的46%，並可滿足所有額外需求增長，其中就包括用電需求將翻番的人工智慧。

總而言之，儘管短期內還不會出現AI缺電的問題，但相關的討論確實給大力發展AI的世界提了個醒——隨著AI大模型規模和數量的高速增長，未來可能面臨的能源需求激增不容忽視。

03

AI耗電的中國解法之一

目前，我國算力總規模已經位居全球第二。

據我國權威機構測算，目前，全國資料中心總耗電量佔全社會的2%，電力成本佔資料中心總運營成本的50%。

中國資訊通訊研究院資料顯示，預計到2030年，資料中心能耗總量將達3800億千瓦時左右。

AI耗電，也是我國需要應對的問題。

我國在電力方面具有優勢，已建成全球規模最大的電力供應系統和清潔發電體系，其中，水電、風電、光伏、生物質發電和在建核電規模多年位居世界第一。

值得一提的是，在提升具體的AI和電力相關技術外，我國在宏觀層面的一個“解題思路”，也值得關注。

讓我們從最近舉行的一場青海推介會說起，推介會的主題是綠色算力產業發展。

我們知道，青海有著豐富的綠色電力資源，包括光電、風電、水電等。

截至2023年底，青海省清潔能源裝機超過5100萬千瓦，佔比92.8%，發電量佔比超84.5%。

△青海省海南州千萬千瓦級生態光伏發電園區

但豐富的綠電面臨“用不完又送不出”的問題——綠電的不穩定性導致很多無法送出，只能在本地消耗，但本地又用不完。

AI算力需要消耗大量電力，青海的綠電又用不完，如果把資料中心搬到青海，將“綠電”變為“綠算”，將綠色“瓦特”變為綠色“位元”，豈不是雙向奔赴？

在中國電信（國家）數字青海綠色大資料中心，透過風光水等清潔能源的互補，已經實現了資料中心的100%清潔能源供應。

而且，資料中心建到青海，不僅能解決電力問題，還能大大降低散熱能耗。青海氣候乾燥、冷涼，資料中心可實現全年314天自然冷卻，製冷用電比全國平均水平低40%左右。

這樣得天獨厚的條件，青海當然要自信推介。

在這方面，還有一位先行者，就是同樣具有電力和氣候優勢的貴州。

作為全球超大型資料中心集聚最多的地區之一，貴州正在人工智慧的賽道上邁開步伐奔跑。