- O crescimento exponencial da IA, ilustrado pelo ChatGPT, deve levar a um aumento significativo na demanda de energia, podendo consumir até 25% da eletricidade dos EUA até 2030, gerando preocupações sobre uma crise energética iminente e desencadeando uma 'guerra energética' global.
- Para lidar com o crescente consumo de energia da IA, estratégias como a otimização de grandes modelos e hardware de IA para reduzir o consumo de energia, bem como o investimento em novas fontes de energia como a fusão nuclear, estão sendo buscadas por especialistas do setor e grandes players de tecnologia como Amazon, Google e Altman.
- Apesar dos desafios impostos pelo consumo de energia da IA, o otimismo permanece quanto à capacidade de atender à demanda, graças aos avanços contínuos em energias renováveis, atualizações de infraestrutura e colaboração internacional para garantir um futuro energético sustentável no centro da revolução da IA.
Enquanto oChatGPTdesencadeia uma nova onda de febre pela inteligência artificial (IA), a questão subjacente do consumo de energia continua a atrair atenção.
Em 10 de abril deste ano,Rene Haas, CEO da gigante de chips Arm, declarou publicamente que grandes modelos de IA como o ChatGPT exigem poder computacional significativo. Estima-se que até 2030, os data centers de IA consumirão de 20% a 25% da demanda de eletricidade dos EUA, um aumento significativo em relação aos 4% atuais.
Dados públicos mostram que o ChatGPT atualmente processa mais de 200 milhões de consultas por dia, consumindo até 500.000 quilowatts-hora de eletricidade diariamente. Isso se traduz em uma conta anual de eletricidade de 200 milhões de yuans apenas para o ChatGPT.
Isso significa que o consumo diário de eletricidade do ChatGPT é mais de 17.000 vezes o de uma residência média. (A eletricidade comercial nos EUA é atualmente de cerca de US$ 0,147 por quilowatt-hora, ou 1,06 yuan, ou 530.000 yuans por dia)
De acordo com Alex de Vries, diretor de uma consultoria holandesa, a indústria de IA deverá consumir entre 850 e 1.340 bilhões de quilowatts-hora de eletricidade por ano até 2027, o equivalente ao consumo anual total de eletricidade de um país europeu como Suécia ou Países Baixos.
Musk prevê que a escassez de eletricidade pode ocorrer já em 2025, afirmando: 'No ano que vem, vocês verão, não teremos eletricidade suficiente para rodar todos os chips.'
O CEO da OpenAI,Sam Altman, também antecipa uma crise energética na indústria de IA, sugerindo que o futuro desenvolvimento tecnológico da IA dependerá fortemente de energia, e que as pessoas precisarão de mais produtos fotovoltaicos e armazenamento de energia.
Tudo isso indica que a IA está prestes a desencadear uma nova 'guerra energética' global.
Leia também:5 mulheres que estão mudando a indústria de IA
Leia também:Qual gerador de voz de IA todo mundo está usando?
A IA enfrenta um gargalo energético
Nos últimos 500 dias, o ChatGPT desencadeou um aumento global na demanda por grandes modelos de IA e poder computacional.
Os grandes gigantes globais de tecnologia como Microsoft, Google, Meta e OpenAI correram para adquirir chips de IA, chegando até mesmo a se aventurar na fabricação de chips, com uma escala total ultrapassando vários trilhões de dólares.
Em essência, a IA depende fortemente de tecnologia computacional e processamento de informações, o que por sua vez exige um número significativo de chips GPU, bem como recursos subjacentes como eletricidade, energia hidrelétrica, energia eólica e financiamento.
Já em 1961, o físico Rolf Landauer, trabalhando na IBM, publicou um artigo propondo o que mais tarde se tornou o 'princípio de Landauer'.
Essa teoria sugere que quando as informações armazenadas em um computador sofrem mudanças irreversíveis, elas emitem uma pequena quantidade de calor para o ambiente, sendo que a quantidade de calor emitida depende da temperatura do computador naquele momento – quanto maior a temperatura, maior o calor emitido.
Oprincípio de Landauerconecta informação e energia, mais precisamente à segunda lei da termodinâmica. Porque operações de processamento de informação logicamente irreversíveis levam à aniquilação da informação, o que leva a um aumento de entropia no mundo físico, consumindo assim energia.
Desde sua proposição, esse princípio encontrou ceticismo considerável. No entanto, na última década aproximadamente, o 'princípio de Landauer' foi verificado experimentalmente.
Em 2012, um estudo publicado na Nature mediu pela primeira vez a minúscula quantidade de calor liberada quando um 'bit' de dados é apagado. Experimentos independentes posteriores também confirmaram o 'princípio de Landauer'.
Na última década, os computadores eletrônicos modernos consumiram energia em computação bilhões de vezes maior que o valor teórico do princípio de Landauer. Cientistas têm se esforçado para encontrar métodos de computação mais eficientes para reduzir os custos.
Hoje, com a explosão dos grandes modelos de IA, há efetivamente uma grande necessidade de computação. Consequentemente, a IA é limitada não apenas pela escassez de chips, mas também pela escassez de energia.
Recentemente, na conferência 'Bosch Connected World 2024', Musk também declarou que há pouco mais de um ano, a escassez era de chips, mas no próximo ano, vocês verão uma escassez de eletricidade, incapaz de atender à demanda de todos os chips.
Li Xiuquan, vice-diretor do Centro de Inteligência Artificial do Instituto Chinês de Informação Científica e Tecnológica, também declarou: 'nos últimos anos, a escala e quantidade de grandes modelos de IA aumentaram rapidamente, levando a um rápido aumento na demanda de energia. Embora problemas como 'escassez de eletricidade' provavelmente não ocorram rapidamente no curto prazo, o aumento exponencial na demanda de energia com o advento da era da inteligência em larga escala não pode ser ignorado.'
A chave para a qualidade dos grandes modelos de IA reside nos dados, poder computacional e nos melhores talentos, apoiados pela operação contínua de dezenas de milhares de chips dia e noite.
Mais especificamente, o processo de trabalho do poder computacional dos modelos de IA pode ser grosseiramente dividido em duas etapas: treinamento e inferência, e o consumo de energia também está envolvido.
Uma grande quantidade de dados textuais precisa ser coletada e pré-processada durante o treinamento
Nos últimos anos, a escala e quantidade de grandes modelos de IA aumentaram rapidamente, levando a um rápido aumento na demanda de energia. Embora problemas como 'escassez de eletricidade' provavelmente não ocorram rapidamente no curto prazo, o aumento exponencial na demanda de energia com o advento da era da inteligência em larga escala não pode ser ignorado.
Li Xiuquan, vice-diretor do Centro de Inteligência Artificial do Instituto Chinês de Informação Científica e Tecnológica
Durante a fase de treinamento, uma grande quantidade de dados textuais precisa ser coletada e pré-processada como dados de entrada. Em seguida, os parâmetros do modelo são inicializados em uma arquitetura de modelo apropriada, os dados de entrada são processados e são feitas tentativas para gerar uma saída. Finalmente, os parâmetros são ajustados repetidamente com base na diferença entre a saída e a saída esperada até que o desempenho do modelo não melhore mais significativamente.
Do treinamento do GPT-2 com 1,5 bilhão de parâmetros ao GPT-3 com 175 bilhões de parâmetros, o consumo de energia de treinamento por trás dos modelos da OpenAI é impressionante. Informações públicas indicam que a OpenAI consome 128,7 kWh por treinamento, o que equivale a 32 km percorridos por 3.000 Teslas simultaneamente.
De acordo com a empresa de pesquisa New Street Research, só o Google precisa de cerca de 400.000 servidores para IA, consumindo 62,4 GWh por dia e 22,8 TWh por ano.
Durante a fase de inferência, a IA primeiro carrega os parâmetros do modelo treinado, pré-processa os dados textuais a serem inferidos e então permite que o modelo gere uma saída com base nos padrões de linguagem aprendidos. O Google afirma que entre 2019 e 2021, 60% do consumo de energia relacionado à IA veio da inferência.
De acordo com a estimativa de Alex de Vries, o ChatGPT consome mais de 500.000 kWh por dia para responder a cerca de 200 milhões de consultas, o que se traduz em uma conta anual de eletricidade de 200 milhões de yuans, ou 1,7 vezes o consumo médio diário de eletricidade de cada residência americana.
Um relatório da SemiAnalysis indica que o consumo de energia para pesquisa de problemas usando grandes modelos é dez vezes maior do que as pesquisas por palavras-chave clássicas. Tomando oGooglecomo exemplo, as pesquisas padrão do Google usam 0,3 Wh de eletricidade, enquanto cada interação com grandes modelos consome 3 Wh. Se os usuários usassem ferramentas de IA para cada pesquisa no Google, isso exigiria cerca de 29,2 TWh de eletricidade por ano, ou cerca de 79 milhões de kWh por dia. Isso equivale a fornecer energia continuamente ao maior arranha-céu do mundo, o Burj Khalifa em Dubai, por mais de 300 anos.
Além disso, de acordo com o Relatório do Índice de Inteligência Artificial de Stanford 2023, cada pesquisa de IA consome cerca de 8,9 Wh de eletricidade. Em comparação com as pesquisas comuns do Google, o consumo de energia por pesquisa de IA é quase 30 vezes maior. Para um modelo que pode chegar a 176 bilhões de parâmetros, apenas a fase de treinamento consome 433.000 kWh, o equivalente ao consumo anual de eletricidade de 117 residências americanas.
Vale notar que, no âmbito da lei de escala (Scaling Law), à medida que a escala dos parâmetros continua aumentando, o desempenho dos grandes modelos também melhora, acompanhado por um maior consumo de energia.
Portanto, a questão energética tornou-se um 'entrave' crítico para o desenvolvimento contínuo da tecnologia de IA.
Quiz rápido
Quantos servidores o Google precisa para IA?
A. 400.000
B. 300.000
C. 200.000
D. 100.000
A resposta correta está no final do artigo.
Ainda está longe de ser catastrófico
Jensen Huang, apesar de suas preocupações com o fornecimento de energia, oferece uma visão mais otimista: na última década, a computação de IA aumentou um milhão de vezes, mas seus custos, espaço ou consumo de energia não aumentaram na mesma proporção.
De acordo com as perspectivas anuais de longo prazo da Administração de Informação de Energia dos EUA (EIA), a taxa de crescimento anual da demanda de eletricidade nos EUA está atualmente abaixo de 1%. No entanto, John Ketchum, CEO da NextEra Energy, estima que sob a influência da tecnologia de IA, essa taxa de crescimento anual da demanda de eletricidade acelerará para cerca de 1,8%.
Um relatório do Boston Consulting Group mostra que em 2022, o consumo de eletricidade dos data centers representava 2,5% do consumo total de eletricidade nos EUA (cerca de 130 terawatts-hora), e deve dobrar até 2030 para 7,5% (cerca de 390 terawatts-hora). Isso equivale ao consumo de eletricidade de cerca de 40 milhões de residências americanas, ou um terço de todas as residências dos EUA. O grupo também prevê que a IA generativa representará pelo menos 1% da nova demanda de eletricidade nos EUA.
Isso significa que, embora o consumo de eletricidade dos data centers e da IA seja significativo, está longe de ser catastrófico.
Em termos de custo, um relatório da Agência Internacional de Energias Renováveis destacou que na última década, o custo médio da eletricidade de projetos eólicos e solares globais caiu cumulativamente mais de 60% e 80%, respectivamente. Insiders do setor também mencionaram: 'O custo geral da energia fotovoltaica é semelhante ao da energia térmica, enquanto a energia eólica custa metade em algumas regiões em comparação com a energia térmica.'
Como vamos lidar com o próximo aumento na demanda de energia?
De acordo com resumos de especialistas do setor pelo Titanium Media App, existem duas soluções principais para abordar o consumo de energia da IA: uma é reduzir o consumo de energia por meio da otimização de grandes modelos ou hardware de IA, e a outra é encontrar novas fontes de energia, como fusão nuclear, recursos de fissão, etc., para atender às necessidades energéticas da IA.
Em termos de otimização de hardware, para modelos de IA de grande escala com consumo de energia elevado, o consumo de energia pode ser reduzido comprimindo o tamanho e a complexidade dos tokens do modelo por meio da otimização de algoritmos e modelos. Ao mesmo tempo, as empresas podem continuar a desenvolver e atualizar hardware de IA de baixo consumo, como o mais recente NVIDIA B200, PCs de IA ou terminais telefônicos de IA. Além disso, otimizando a eficiência energética dos data centers e melhorando a eficiência do uso de energia, o consumo de energia pode ser reduzido.
Em resposta a isso, Bai Wenxi, vice-presidente da China Enterprise Capital Alliance, declarou: 'no futuro, é necessário realizar inovações tecnológicas e atualizações de equipamentos para melhorar ainda mais a eficiência da geração de eletricidade, aumentar a capacidade e estabilidade de transmissão da rede, otimizar a alocação de recursos energéticos, fortalecer a flexibilidade do fornecimento de eletricidade, promover sistemas de energia distribuída e reduzir perdas de transmissão de energia para enfrentar os desafios da demanda de energia decorrentes do desenvolvimento do poder computacional.'
Qu Haifeng, vice-diretor do comitê de especialistas do grupo de trabalho sobre data centers na China (CDCC), acredita que as indústrias relevantes devem se concentrar em melhorar a eficiência energética dos data centers, em vez de suprimir sua escala. Os data centers não precisam reduzir seu consumo de energia, mas sim melhorar a qualidade de seu consumo de energia.
Quanto ao desenvolvimento da energia de fusão nuclear, devido aos seus abundantes recursos de matéria-prima, grande liberação de energia, segurança, limpeza e benefícios ambientais, a fusão nuclear controlada pode basicamente atender às diversas exigências de uma fonte de energia final ideal para o futuro.
Atualmente, existem três principais fontes de energia de fusão: energia cósmica, como luz e calor solares; explosão de bombas de hidrogênio (fusão nuclear descontrolada); sol artificial (dispositivo de fusão nuclear controlada).
De acordo com estatísticas, atualmente mais de 50 países no mundo realizam pesquisas e construção de mais de 140 dispositivos de fusão, e uma série de avanços tecnológicos foram alcançados. A AIEA prevê que a primeira usina de energia de fusão do mundo será construída e entrará em operação até 2050.
Essa produção de energia de fusão aliviará significativamente a escassez global de energia causada pela demanda de grandes modelos de IA.
Em abril de 2023, Altman tomou medidas preventivas investindo pessoalmente US$ 375 milhões na startup de fusãoHelion Energye se tornando presidente da empresa. Além disso, Altman fundiu a AltC, sua empresa de investimento, com a startup de fusãoOkloem julho passado, obtendo um IPO avaliado em cerca de US$ 850 milhões, com a capitalização de mercado mais recente da AltC ultrapassando US$ 40 bilhões.
Além do investimento maciço de Altman em empresas de fusão, gigantes de tecnologia como Amazon e Google estão comprando energia limpa diretamente.
De acordo com dados da Bloomberg, só em 2023, a Amazon comprou 8,8 gigawatts (GW) de energia limpa, marcando o quarto ano consecutivo em que se tornou a maior compradora de energia limpa do mundo. Meta (3 GW) e Google (1 GW) vêm em seguida.
A Amazon afirma que mais de 90% da eletricidade de seus data centers vem de geração de energia limpa e planeja atingir 100% de uso de energia verde até 2025.
A competição entre China e Estados Unidos
Na verdade, tomando os EUA como exemplo, o crescimento de múltiplas indústrias como energia limpa, IA, data centers, veículos elétricos e mineração reavivou a demanda estagnada de eletricidade nos EUA. No entanto, mesmo elogiada como a 'maior máquina' do mundo, a rede elétrica dos EUA parece incapaz de lidar com essa mudança repentina.
Analistas destacam que 70% das instalações de acesso e transmissão da rede dos EUA estão envelhecendo, e algumas áreas têm linhas de transmissão de rede insuficientes. Consequentemente, a rede elétrica dos EUA precisa de atualizações massivas, e se nenhuma medida for tomada, os EUA enfrentarão um déficit insuperável de fornecimento interno até 2030.
Em comparação com os EUA, a China é mais otimista quanto à sua demanda de energia. Atualmente, os produtos eólicos e fotovoltaicos da China foram exportados para mais de 200 países e regiões, com exportações acumuladas ultrapassando US$ 33,4 bilhões e US$ 245,3 bilhões, respectivamente.
À medida que a IA experimenta um crescimento explosivo, a competição entre China e EUA na indústria de IA passou de uma competição sobre tecnologia de grandes modelos para uma batalha multidimensional envolvendo poder computacional, energia, mão de obra, etc.
Com o potencial deploy da energia de fusão nuclear até 2050, a humanidade espera acabar com o difícil problema do consumo de energia da IA e entrar em uma era de geração ilimitada de energia.
A resposta correta é A.