毫無疑問，人工智能（下文簡稱“AI”）的浪潮正以前所未有的速度席卷全球，成為推動生產力進步和經濟增長的新引擎。然而，在這波洶涌的技術浪潮之下，一個潛在的挑戰卻浮出水面，那就是緊張的電力供應。

據《紐約客》雜志報道，ChatGPT 每日耗電量或超過 50 萬千瓦時，相當于美國家庭平均用電量的 1.7 萬倍。無獨有偶，科技巨頭埃隆·馬斯克也曾發出預警，在未來兩年內，電能短缺很可能會成為AI發展的主要絆腳石。

 

不同 AI 模型的能耗和碳排放存在巨大差異。隨著AI的進步、模型的增大，如何解決高耗能問題？隨著AI技術的突飛猛進，“電荒”會否真的發生？

揭秘AI大模型耗電真相

為什么AI大模型如此耗能？

通常，市場會將鋼鐵、水泥等傳統制造業視為耗電大戶，而科技公司似乎關聯不大。而事實卻是，AI產業同樣屬于能源密集型產業。

訓練大型的AI模型是一項能源密集型的工作：前期需要在龐大的數據集上進行反復的迭代運算，每一次迭代都涉及到數十億、數百億乃至數千億個參數的調整。

 

這些計算過程的實質，是晶體管的不斷開關，每一次的開關都需要電力的驅動。AI模型越大，計算結果就越精確，能解決的問題也越多，但相應的，耗電量也會隨之劇增。

在前期乃至到了AI大模型上市后的使用期間，這種計算還需要不斷地重復再重復，為大模型的優化迭代提供數據基礎。這也意味著AI大模型對算力和電力的需求，似乎看不到“天花板”。

以文生圖片技術為例，每生成一幅栩栩如生的圖片，消耗的電量相當于一部智能手機充滿電的電量。像英偉達H100型GPU芯片這樣的高端芯片，是目前AI算法最常用的硬件之一，其一年的耗電量甚至超過了一個中等規模家庭的用電量。

 

當AI被大規模部署時，其能耗更為驚人。據預測，從2027年開始，僅新增的AI服務器每年所消耗的電量，就相當于荷蘭或瑞典這樣的國家一年的總耗電量。

英偉達創始人黃仁勛在近期演講中表示：“AI的終極挑戰是光伏和儲能。我們不能只追求算力，如果只依賴計算機，我們需要消耗14個地球的能源。”

 

此外，AI的大量訓練還需要強大的算力中心和散熱能力。由于許多數據中心全年無休，且發熱量巨大，大部分的電耗和水耗主要用于冷卻。

水冷數據中心的統計數據顯示，運行成本的六成是電費，而其中的四成多又用于冷卻散熱，這也導致了大量冷卻水的消耗。而對風冷數據中心而言，六成多的耗電量都用于風冷，僅有不到四成的電力用于實際計算。如今，全球數據中心市場的耗電量已是10年前的近10倍。

綠色AI的可持續發展

隨著生成式AI技術的飛速發展，其背后的電力需求逐漸浮出水面，引發了業界的廣泛關注。

 

對于耗電量是否會成為未來生成式AI發展的掣肘，西安交大數字經濟研究院數字服務中心首席科學家李家貴表示：“目前看還不是，但未來肯定是。假如按500瓦一臺AI PC計算，每天耗電12度。假如20億人同時用，就是每天240億度。”

人工智能的迅猛發展必須以不大幅增加碳排放、不危及能源安全為前提。盡管當前AI用電規模尚未對電力系統構成嚴重威脅，但面對日益增長的電力需求，我們必須重新審視電力基礎設施投資和產業布局，確?？沙掷m發展。

我國作為全球電力供應和清潔發電體系的領跑者，擁有龐大的水電、風電和光伏發電規模。西部和北部地區豐富的可再生能源和土地資源為數據中心提供了理想的發展環境。

 

與此同時，東部地區的數據中心則面臨著較高的運營成本。因此，引導數據中心向西部地區集聚，實現數據的差異化處理，不僅有助于綠電消納和西部經濟發展，還能推動數據中心低碳轉型，確保能源安全。

展望未來，人工智能將深刻影響我們的生產生活。盡管能耗問題不容忽視，但我們有理由相信，通過技術進步、市場發展和生產力布局的優化，行業將找到平衡算力和能耗需求的解決方案，實現高質量發展。