AI是“吃電狂魔”？將面臨“缺電”？中國這個解法值得關注

　“下一個短缺的將是電力。”

　　不久前，圍繞人工智能(AI)發展，特斯拉首席執行官馬斯克發出這樣的預警。

　　他表示，人工智能計算的約束條件是可預測的，“我在一年多前就預測過芯片短缺，下一個短缺的將是電力。我認為明年將沒有足夠的電力來運行所有的芯片。”

　　此外，OpenAI首席執行官山姆·奧特曼也表示，人工智能將消耗比人們預期更多的電力，未來的發展需要能源突破。

　　在人工智能飛速發展的背后，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”。

　　那么，人工智能到底有多耗電？人工智能發展“缺電”了嗎？面對能耗問題，我國又拿出了怎樣的應對方案？

　　AI有多耗電？

　　當下人工智能大模型的競爭，頗像一場“算力軍備競賽”。在規模效應(Scaling Law)的驅動下，各公司通過不斷增加模型參數和數據量，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，就是對數據或信息的處理能力。

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

　　你可以在腦海中想象這樣一幅畫面——在數據中心或智算中心，成千上萬臺服務器和芯片整齊列陣、晝夜不停地運轉。

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

　　通過晝夜不息的數據中心，大家會對AI耗電有一個感性認識，而數據則更加直觀。

　　以GPT-3的訓練為例，GPT-3有1750億個參數，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？這相當于美國約121個家庭一整年的用電量。也曾有專家打了這么一個比方，大概相當于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年發布的，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科技公司不再公布訓練細節，比如用了什么硬件、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模型參數為1750億，而GPT-4曾被曝包含1.8萬億參數，隨著參數的翻倍，能耗也會大幅增加。

　　而以上的能耗還只限于訓練階段，完成訓練后，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——相當于將一個60瓦的燈泡點亮略少于三分鐘。

　　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，相當于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運行3天。

　　天長日久，耗電量可謂相當可觀。

　　AI“缺電”了嗎？

　　各種數據似乎都在說明，AI是一只“耗電巨獸”，那么下一個問題就是，它的胃口還能被滿足嗎？AI發展“缺電”了嗎？

　　來讓數據說話。

　　根據公開資料，2023年，美國全口徑凈發電量為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，這也只占全美發電量的約0.0044%。

　　AI當然不只ChatGPT，但它的耗能數據可以作為一個切口。可以看出，盡管隨著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占比例較小。

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

　　波士頓咨詢集團曾發布報告稱，到2030年底，僅美國數據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’并不是現在已經出現的問題，而是未來可能面臨的問題。”

　　中國現代國際關系研究院國際安全所所長劉沖作出這樣的判斷。

　　他表示，目前AI發展的路線是不斷增加模型參數、疊加芯片，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，尤其是對于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。

　　工信部信息通信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，這只說明，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參數規模，并且伴隨著用戶越來越多，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，認為可以通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模型的優化，芯片效率和算法效率的提升，數據中心軟硬件技術的進步，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。

　　一項發表于《科學》期刊的研究指出，在2010年至2018年間，全球數據中心的運算量增長了550%，存儲空間增長了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，難以通過簡單的“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于應對這個問題。

　　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占全球發電量的46%，并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能。

　　總而言之，盡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。

　　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，全國數據中心總耗電量占全社會的2%，電力成本占數據中心總運營成本的50%。

　　中國信息通信研究院數據顯示，預計到2030年，數據中心能耗總量將達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，占比92.8%，發電量占比超84.5%。

　　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，如果把數據中心搬到青海，將“綠電”變為“綠算”，將綠色“瓦特”變為綠色“比特”，豈不是雙向奔赴？

　　在中國電信(國家)數字青海綠色大數據中心，通過風光水等清潔能源的互補，已經實現了數據中心的100%清潔能源供應。

　　而且，數據中心建到青海，不僅能解決電力問題，還能大大降低散熱能耗。青海氣候干燥、冷涼，數據中心可實現全年314天自然冷卻，制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。

　　作為全球超大型數據中心集聚最多的地區之一，貴州正在人工智能的賽道上邁開步伐奔跑。

　　國家級人工智能訓練場落戶貴州貴陽；貴州省與深圳市簽訂算力協同發展戰略合作協議；華為云計算與貴安新區合作打造全球領先的智算中心；華為云盤古、訊飛星火兩個基礎大模型啟動在貴州產業化項目；貴州與浙江聯合打造文旅宣傳虛擬數字人“杭小憶”……

　　去年，貴州部署智算芯片達8萬張，總算力規模增長28.8倍。貴州的目標是，面向東部模型訓練，提供低成本、高品質、易使用的算力服務。

　　在貴州和青海綠色算力產業蓬勃發展的背后，是一個更為浩大的工程——“東數西算”工程。

　　“東數西算”工程的基本邏輯是——

　　受土地、水電、運維等要素影響，東部地區數據中心的運營成本較高。

　　而在廣大西部地區，可再生能源、清潔能源、土地資源相對豐富，優越的氣候條件還能降低數據中心運行能耗、減少碳排放。

　　因此，引導數據中心向西部資源豐富地區聚集，既能推動西部地區數據中心低碳、綠色、可持續發展，又能滿足東部地區的算力需求。

　　早在2021年5月，相關部門就明確提出實施“東數西算”工程。

　　2022年2月，國家發展改革委等部門聯合印發通知，同意在內蒙古、貴州、甘肅、寧夏等8地啟動建設國家算力樞紐節點，并規劃了10個國家數據中心集群。“東數西算”工程正式全面啟動。

　　2023年12月，《深入實施“東數西算”工程 加快構建全國一體化算力網的實施意見》發布，首次提出“算力電力協同”。

　　什么是“算力電力協同”？

　　一方面，數據中心的高效運轉離不開大量電力支撐；另一方面，電力系統的平穩高效運行也離不開算力支撐。統籌算力電力協同布局，有助于促進風光綠電消納和數據中心零碳發展。

　　我們當然要看到，客觀上，由于網絡時延等限制存在，并非所有算力服務場景都適用“東數西算”。比如自動駕駛、證券交易等低時延業務場景就需要就近計算。

　　然而，人工智能模型訓練推理這樣高時延業務場景，正好是“東數西算”的“舒適區”，“東數西訓”成為“東數西算”的典型應用場景。

　　近年來，人工智能帶來的能耗問題引發廣泛討論，而我國早在2021年就開始布局“東數西算”，這無疑極具前瞻性，也大大助力了我國在此輪算力競賽中占得優勢。

　　眼下，各地人工智能方面的“東數西算”項目都在提速中。

　　北京首都在線與甘肅省慶陽市簽訂人工智能產業合作框架協議；百度智能云與成都高新區簽訂戰略合作簽約儀式，打造大模型產業……

　　今年以來，還涌現出了新事物——“算力券”和“算力卡”。

　　北京、貴州、甘肅慶陽等多地紛紛面向企業、高校、科研機構等發放“算力券”，降低使用算力的成本，來支持人工智能產業發展。

　　此外，有運營商已經面向普通消費者推出了“算力卡”。相關業務負責人表示，未來，算力服務也會成為像流量、寬帶一樣的大眾化產品。

　　可以想見，未來，人工智能將深度融入我們的生活，能耗問題值得關注，但大可不必杞人憂天。相比于擔心能源問題如何限制技術發展，思考如何用技術發展應對能源問題，是更為積極的態度。