AI的盡頭是能源！面對“耗電巨獸”我們有哪些辦法？

《科創板日報》3月11日訊（編輯 宋子喬） 今日A股新能源板塊鑼鼓喧天，中證新能源指數上漲5.7%，國證新能源電池指數上漲8.4%。漲停個股中，不少屬於光伏、鋰電、電力、儲能等板塊，創業板權重股寧德時代更是大漲14%。

超跌反彈邏輯之外，不少投資人認可該板塊具備的第二重邏輯——AI的盡頭是能源。

有媒體報道稱，黃仁勳在一次公開演講中指出明確表示：“AI的盡頭是光伏和儲能！我們不能只想着算力，如果只考慮計算機，我們需要燒掉14個地球的能源。”

而據澎湃新聞最新報道澄清，“AI的盡頭是光伏和儲能”並非黃仁勳的原話。

▌真假“名言”

報道稱，黃仁勳在2024年2月12日的“世界政府峰會”上的確提到AI和算力所需能源巨大，但總體意思是由於計算機性能飛速增長，變得更加高效，所以我們不用無止境地配置計算機和數據中心，因此也不需要同比消耗那麼那麼多的能源。即自己的產品把算力提高了100萬倍，相當於更節省能源了。

其原話爲——

作爲當今科技圈的領軍人物，“黃仁勳喊口號”顯然具有極大的號召力，也更容易引導投資者的情緒。

能源之於AI，到底有多重要？

從事實來看，AI發展的確依賴於能源創新，當今科技圈的兩位大佬，OpenAI創始人阿爾特曼和馬斯克此前已給出明確觀點。

前者認爲未來AI的技術取決於能源突破，更有利於氣候變化的能源，尤其是核聚變或更便宜的太陽能以及儲能，是人工智能的發展方向。“這促使我們加大對核聚變技術的投資。”基於此，阿爾特曼一直熱衷於投資核電公司，不僅自掏腰包，還偏愛親力親爲、入駐相關公司董事會。

後者認爲，雖然AI技術有望引領未來最大的科技革命，但同時也可能因爲2025年的能源瓶頸而面臨發展挑戰。

▌一點也不環保的AI

不可否認，未來人工智能需要能源方面的突破，因爲人工智能消耗的電力將遠遠超過人們的預期。

據《紐約客》雜誌報道，據國外研究機構的報告，ChatGPT每天要響應大約2億個請求，在此過程中消耗超過50萬度電力（美國商業用電一度約爲0.147美元50萬度電相當於一天花費7.35萬美元）。而每一個美國家庭的平均用電量只有29度，也就是說，ChatGPT每天用電量相當於1.7萬個美國家庭的用電量。

這一數據是荷蘭國家銀行數據科學家亞歷克斯•德弗里斯（Alex de Vries）通過英偉達、OpenAI、谷歌等公開數據進行的估，他還預計，到2027年，整個人工智能行業每年將消耗85至134太瓦時（1太瓦時=10億千瓦時）的電力。

由於算力設備的冷卻需求，AI的耗水量也讓人瞠目結舌。美國加州大學河濱分校的研究員任少雷一直在試圖計算ChatGPT等生成式人工智能產品對環境的影響。任少雷的團隊估計，每次你問ChatGPT 5到50個提示或問題時，它就會消耗500毫升的水。而這款聊天機器人有超過1億的活躍用戶，且當下大型科技公司均在爭前恐後加快研發同類產品。

不止如此，算力的大規模部署和應用不僅消耗大量資源，同時也帶來碳排放問題。以數據中心碳排放爲例，數據中心碳排放主要來源於IT設備、空調系統、電源系統、照明系統等電力消費產生的間接排放，根據生態環境部環境規劃院發佈的《中國區域電網二氧化碳排放因子研究（2023）》，目前我國各省平均電網排放因子約0.61千克/千瓦時，若2025年、2030年各省平均電網排放因子保持目前的水平不變，則2025年、2030年我國數據中心間接碳排放量將分別達到2.1億噸、3.5億噸。

▌如何解決？

隨着AI的進步、模型的增大，如何解決伴生而來的高耗能問題？

當下的重點在於開源，風能、光伏等可再生新能源被視作數據中心重要的能量池，核能尤其被寄予厚望。由於幾乎無限的燃料供應、環境友好、能量密度高、安全性高，核聚變被視爲解決能源危機和氣候變化問題的關鍵技術。得益於多個國家和私營企業的積極參與以及技術突破，全球核聚變商業化的進展正在加速。如果成功實現商業化，它將爲人類提供幾乎無限的清潔能源。

節流方面，由於模型本身的算法和架構，以及硬件優化均會讓AI功耗在一定程度上降低，已經有一些解決大模型高能耗問題的思路，主要包括：

1. 算法和模型優化

通過算法優化，如權重剪枝、量化等技術，以及模型壓縮技術，減少模型的複雜度，同時保持或接近原有的性能。近年來提出的一些輕量級模型（如MobileNet）就是爲了低功耗場景而設計的。

2. 硬件優化

開發和使用更高效的AI專用硬件，如英偉達開發的GPU T4和A100，谷歌開發的TPU（Tensor Processing Unit），這些硬件專爲AI任務設計，能夠在更低的能耗下提供更高的計算效率。

3. 訓練、計算技巧

訓練技巧是一種通過調整神經網絡的訓練過程來優化計算資源的方法。例如，分佈式訓練技術可以利用多臺計算機分擔大規模計算的負荷。另外，將AI計算任務從雲端轉移到邊緣設備，這樣可以減少數據傳輸所需的能量，並利用邊緣設備的低功耗特性。

4. 提高數據中心的能效

通過優化數據中心的設計和管理，提高電源使用效率。例如，使用更高效的冷卻系統，或者通過AI技術動態調整數據中心的運行狀態以降低能耗。

其中，對於第四點，國內大廠紛紛給出解決方案。比如騰訊能源業務已獨立成爲一級部門，其數據中心部門還組建了專門綠色能源團隊，應用自然冷卻、液冷、三聯供、餘熱回收等新興節能技術，提高製冷效率以降低數據中心能耗。華爲、京東、亞馬遜等也紛紛入局智慧能源領域。