人工智能对能源的需求正在迅速膨胀，成为一个巨大的挑战。这不仅仅是电费的问题。它对环境的影响非常严重，不仅会消耗宝贵的水资源，还会制造大量的电子垃圾，当然，还会增加我们一直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，并渗透到我们生活的更多领域，一个巨大的问号悬而未决：我们能否在不损害地球资源的情况下推动这场革命？
数字不会说谎：人工智能的能源需求正在快速增长
当今最智能的人工智能所需的计算能力正呈现令人难以置信的上升曲线——有人说，它大约每隔几个月就会翻一番。这可不是一条缓坡，而是一条垂直上升的曲线，甚至有可能让我们最乐观的能源计划也黯然失色。
举个例子，人工智能未来的能源需求可能很快就会吞噬掉相当于日本或荷兰等整个国家，甚至相当于美国加利福尼亚州等大州的电力消耗。当你听到这样的数据时，你就会开始意识到人工智能可能对我们赖以生存的电网造成的巨大压力。
2024 年全球电力需求将创纪录地增长 4.3%，人工智能的扩张是其中一个重要原因，此外还有电动汽车的蓬勃发展和工厂的更加努力工作。
回顾 2022 年，数据中心、人工智能甚至加密货币挖掘已经占到全球用电量的近 2%——约为 460 太瓦时 (TWh)。
预计到2024年，数据中心自身的用电量将达到415太瓦时，约占全球总量的1.5%，并且每年以12%的速度增长。人工智能在这一领域的直接贡献仍然相对较小——约为20太瓦时，占全球能源消耗的0.02%——但请保持警惕，因为这个数字将迅速飙升。
这些预测？确实令人大开眼界。到2025年底，全球人工智能数据中心可能需要额外10千兆瓦（GW）的电力。这比犹他州等地的电力总容量还要高。
到2026年，全球数据中心的用电量可能达到1000太瓦时，与日本目前的用电量相当。到2027年，全球人工智能数据中心的用电量预计将达到68吉瓦，几乎相当于加州2022年的总发电量。
到本世纪末，这些数字将更加令人震惊。预计到2030年，全球数据中心的电力消耗将翻一番，达到约945太瓦时，略低于全球总用电量的3%。
欧佩克估计，到那时数据中心的用电量甚至可能增加两倍，达到1500太瓦时。高盛呢？他们表示，与2023年相比，全球数据中心的电力需求可能激增165%，而那些专门为人工智能配备的数据中心的需求将激增四倍以上。
甚至有迹象表明，如果算上向我们用户提供人工智能服务所需的能源，到 2030 年，数据中心可能将占全球能源需求的 21%。
当我们谈论人工智能的能源使用时，它主要分为两大部分：训练人工智能，然后实际使用它。
训练像 GPT-4 这样的大型模型需要耗费巨大的能源。例如，仅训练 GPT-3 就估计耗费了 1,287 兆瓦时 (MWh) 的电力，而 GPT-4 所需的电力则高达这个数字的 50 倍。
虽然训练耗电很大，但这些经过训练的模型的日常运行却会消耗掉人工智能 80% 以上的总电量。据报道，向 ChatGPT 询问一个问题所消耗的电量大约是谷歌搜索的十倍（大约是 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，建设更强大（因此也更耗能）的数据中心的竞赛已经拉开帷幕。
那么，我们能为人工智能以及我们自己提供能源吗？
这是一个价值百万美元的问题，不是吗？我们地球的能源系统能应对这一新需求吗？我们已经在兼顾化石燃料、核能和可再生能源。如果我们要可持续地满足人工智能日益增长的需求，就需要快速提升能源生产方式并使其多样化。
当然，可再生能源——太阳能、风能、水力发电、地热能——是其中的重要组成部分。例如，在美国，可再生能源发电占比预计将从2024年的23%上升到2026年的27%。
科技巨头们正在做出一些重大承诺；例如，微软计划在2026年至2030年期间仅为其数据中心购买10.5吉瓦的可再生能源。人工智能本身实际上可以帮助我们更有效地利用可再生能源，通过提高能源存储的智能化程度和改善电网管理，或许可以将某些地区的能源消耗减少高达60%。
但我们不要太过沉迷。可再生能源本身也有问题。阳光并非总是明媚，风也并非总是吹拂，这对于需要全天候供电的数据中心来说，是一个真正的问题。我们目前用来消除这些障碍的电池通常价格昂贵，而且占用大量空间。此外，将大量新的可再生能源项目接入现有电网可能是一项缓慢而复杂的工作。
正因如此，核电开始对一些人更具吸引力，尤其是作为一种稳定、低碳的方式，能够满足人工智能巨大的能源需求。它能够提供至关重要的全天候电力，这正是数据中心所渴望的。小型模块化反应堆 (SMR) 也备受关注，因为它们可能更加灵活，并且具有更强的安全性能。而且这并非空谈；微软、亚马逊和谷歌等巨头正在认真考虑核能方案。
AWS 负责人马特·加曼 (Matt Garman) 最近向BBC直言，核能是数据中心的“绝佳解决方案”。他表示，核能是“零碳排放、全天候供电的绝佳来源”。他还强调，未来能源规划是 AWS 业务的重要组成部分。
“这是我们多年前就规划好的，”加曼说道。“我们提前投资。我认为世界将不得不发展新技术。我相信核能是其中很重要的一部分，尤其是我们着眼于十年之后。”
然而，核能并非灵丹妙药。建造新反应堆耗时长、成本高昂，还要克服繁琐的手续。坦白说，尽管现代反应堆的安全性要高得多，但公众对核能的看法仍然有些摇摆不定，这往往是因为过去的事故。
人工智能发展的迅猛速度也与新建核电站的建设和运行时间存在一定差距。这可能意味着我们短期内会更加依赖化石燃料，这对我们的绿色目标来说并非好事。此外，将数据中心建在核电站旁边的想法也引发了一些人的担忧，他们担心这可能会对其他地区的电价和电力可靠性造成影响。
不仅仅是千瓦：人工智能更广泛的环境阴影迫在眉睫
人工智能对地球的影响远不止其消耗的电力。这些数据中心温度很高，冷却它们需要消耗大量的水。平均而言，数据中心每消耗1千瓦时的电能，就会消耗约1.7升水。
据报道，2022年，谷歌的数据中心消耗了约50亿加仑的淡水，比前一年增长了20%。一些估计表明，数据中心每消耗1千瓦时的电，仅冷却就可能需要多达两升的水。换句话说，全球人工智能基础设施的用水量可能很快就会是整个丹麦的六倍。
此外，还有日益堆积如山的电子垃圾。由于人工智能技术（尤其是 GPU 和 TPU 等专用硬件）发展速度极快，旧设备被丢弃的频率也随之上升。到 2030 年，我们可能会看到人工智能导致数据中心产生的电子垃圾每年达到 500 万吨。
即使是制造人工智能芯片以及数据中心的所有其他部件，也会对我们的自然资源和环境造成损害。这意味着开采锂和钴等关键矿物，通常采用对地球不太友好的方法。
仅仅制造一块人工智能芯片就需要消耗超过1400升水和3000千瓦时的电力。对新硬件的渴求也推动了更多半导体工厂的建设，而这又往往会导致更多以天然气为动力的能源工厂的建设。
当然，我们也不能忘记碳排放。当人工智能由燃烧化石燃料产生的电力驱动时，它会加剧我们所有人面临的气候变化问题。据估计，仅仅训练一个大型人工智能模型，其排放的二氧化碳就相当于数百个美国家庭一年的排放量。
如果你看看大型科技公司的环境报告，就会发现人工智能的碳足迹正在不断增长。例如，微软的年度排放量在2020年至2023年期间增长了约40%，主要是因为他们正在为人工智能建设更多的数据中心。谷歌也报告称，过去五年其温室气体总排放量飙升了近50%，其人工智能数据中心的电力需求是主要原因。
我们能否通过创新走出去？
这听起来可能有些悲观，但结合一些新的想法可能会有所帮助。
提高人工智能算法本身的能效是一大重点。研究人员正在想出各种巧妙的技巧，例如“模型剪枝”（去除人工智能模型中不必要的部分）、“量化”（使用精度较低的数字以节省能源）和“知识蒸馏”（让更小、更高效的人工智能模型从庞大复杂的模型中学习）。设计更小、更专业、能够以更低的功耗完成特定任务的人工智能模型也是当务之急。
在数据中心内部，“功率封顶”（限制硬件的功耗）和“动态资源分配”（根据实时需求和可再生能源充足情况调整计算能力）等措施可以带来切实的改变。具备“人工智能感知”功能的软件甚至可以将不太紧急的人工智能任务转移到能源更清洁或电网需求较低的时段。人工智能甚至可以用来提高数据中心冷却系统的效率。
设备上的人工智能 (AI) 也能帮助降低功耗。AI 处理无需将数据发送到庞大且耗电的云数据中心，而是直接在你的手机或设备上进行。这可以大幅降低能耗，因为为此设计的芯片优先考虑的是效率而非功耗。
我们也不能忘记规章制度。各国政府开始意识到，有必要让人工智能对其能源使用和更广泛的环境影响负责。
建立清晰、标准的方法来衡量和报告人工智能的碳足迹是至关重要的第一步。我们还需要制定政策，鼓励企业生产更耐用、更易于回收的硬件，以帮助解决电子垃圾堆积如山的问题。能源信用交易系统等措施甚至可以为企业提供选择更环保的人工智能技术的经济理由。
值得注意的是，阿联酋和美国本周达成协议，将在海湾地区建设美国以外最大的人工智能园区。这不仅彰显了人工智能在全球范围内的重要性，也凸显了为何所有这些能源和环境问题需要成为如此庞大项目的首要考虑因素。
寻找人工智能的可持续未来
人工智能拥有令人惊叹的能力，但其对能源的巨大需求是一个巨大的障碍。对其未来能源需求的预测确实令人震惊，其能源需求可能与整个国家的能源消耗量相当。
如果我们要满足这一需求，就需要合理的能源组合。可再生能源从长远来看前景光明，但在稳定供应和快速扩张方面存在一些问题。核能——包括那些较新的小型反应堆（SMR）——提供了一种可靠、低碳的选择，无疑吸引了大型科技公司的目光。但我们仍然需要考虑其安全性、成本以及建设周期等因素。
请记住，这不仅仅关乎电力。人工智能对环境的影响更为广泛——从它消耗的水资源到冷却数据中心，再到其硬件产生的越来越多的电子垃圾，以及它在制造过程中消耗的资源——都是巨大的。如果我们真的想减少人工智能的生态足迹，就需要放眼全局。
好消息是，许多有前景的想法和创新正在涌现。
节能的AI算法、数据中心的智能电源管理、能够智能管理工作负载的AI感知软件，以及向设备内置AI的转变，都提供了减少能耗的方法。此外，我们甚至更多地讨论AI对环境的影响，这意味着围绕推动可持续发展的政策和规则的讨论终于开始了。
应对人工智能带来的能源和环境挑战需要每个人——研究人员、科技行业和政策制定者——撸起袖子，共同努力，迅速行动。
如果我们将能源效率作为人工智能发展的首要任务，对可持续能源进行适当的投资，从摇篮到坟墓负责任地管理硬件，并制定支持性政策，我们就可以致力于在未来释放人工智能的巨大潜力，而不会破坏我们的地球。
人工智能领域的领先竞争也必须是可持续人工智能的竞争。
