Why does AI consume so much electricity?

• 以ChatGPT为例的AI指数级增长预计将导致能源需求大幅激增，到2030年可能消耗美国20%至25%的电力，引发对迫在眉睫的能源危机的担忧，并触发全球“能源战争”。
• 为应对AI不断增长的能源消耗，业界专家以及亚马逊、谷歌和奥特曼等主要科技巨头正在寻求包括优化大型模型和AI硬件以减少能耗，以及投资核聚变等新能源在内的策略。
• 尽管AI能耗带来挑战，但在可再生能源不断进步、基础设施升级和国际合作的推动下，人们对于能够满足需求仍持乐观态度，旨在确保AI革命期间的可持续能源未来。

随着ChatGPT引发新一轮人工智能（AI）热潮，背后的能源消耗问题持续受到关注。

今年4月10日，芯片巨头Arm首席执行官Rene Haas公开表示，像ChatGPT这样的大型AI模型需要巨大的计算能力。据估计，到2030年，AI数据中心的电力消耗将占到美国电力需求的20%至25%，较目前的4%大幅上升。

公开数据显示，ChatGPT目前每天处理超过2亿次请求，每天消耗高达50万千瓦时的电力。仅ChatGPT一年的电费就高达2亿元人民币。 另见: Ziggo集团任命领导人，备战2027年阿姆斯特丹上市.

这意味着ChatGPT的日耗电量是普通家庭的1.7万多倍。（美国商业用电目前约为每千瓦时0.147美元，折合人民币1.06元，即每天53万元） 另见: Alejandro Estua.

据荷兰一家咨询公司负责人Alex de Vries称，预计到2027年，AI行业每年将消耗8500亿至13400亿千瓦时的电力，相当于瑞典或荷兰等欧洲国家的年度总用电量。 另见: 亚历杭德罗·曼佐.

马斯克预测，电力短缺最早可能在2025年出现，他表示：“明年你就会看到，我们将没有足够的电力来运行所有芯片。” 另见: 亚历杭德罗·埃尔南德斯.

OpenAI首席执行官山姆·奥特曼也预计AI行业将面临能源危机，暗示未来AI技术的发展将严重依赖能源，人们将需要更多的光伏和储能产品。

所有这些都表明，AI即将引发一场新的全球“能源战争”。 另见: 亚历杭德罗·加尔萨.

另请阅读：改变AI行业的5位女性

另请阅读：大家都在用的AI语音生成器是什么？

AI撞上能源瓶颈

在过去500天里，ChatGPT引发了全球对大型AI模型和计算能力需求的激增。 另见: Alejandro Guerrero.

微软、Google、Meta、OpenAI等全球科技巨头纷纷争抢AI芯片，甚至亲自涉足芯片制造，总规模超过数十万亿美元。 另见: Alec Gramont.

从本质上讲，AI严重依赖计算机技术和信息处理，这反过来又需要大量的GPU芯片，以及电力、水力、风能和资金等底层资源。 另见: AI芯片通胀：设备制造商受挤压，影响超越数据中心.

早在1961年，在IBM工作的物理学家罗尔夫·兰道尔发表了一篇论文，提出了后来被称为“兰道尔原理”的理论。

该理论认为，当存储在计算机中的信息发生不可逆转的变化时，它会向周围环境释放少量热量，释放的热量取决于当时计算机的温度——温度越高，释放的热量越多。

兰道尔原理将信息与能量，特别是热力学第二定律联系在一起。由于逻辑上不可逆的信息处理操作会导致信息的湮灭，这会导致物理世界中的熵增加，从而消耗能量。

自提出以来，这一原理一直面临相当大的质疑。然而，在过去十多年里，“兰道尔原理”已得到实验验证。

2012年，《自然》杂志上发表的一项研究首次测量了删除一个“比特”数据时释放的微小热量。随后的独立实验也证实了“兰道尔原理”。

在过去的十年里，现代电子计算机在计算中消耗的能量是兰道尔原理理论值的数十亿倍。科学家们一直在努力寻找更高效的计算方法来降低成本。

如今，随着大型AI模型的爆发，对计算的需求确实非常大。因此，AI不仅受到芯片短缺的制约，还受到能源短缺的制约。

最近，在‘Bosch Connected World 2024’大会上，马斯克也表示，一年多前，短缺的是芯片，但明年你将看到电力短缺，无法满足所有芯片的需求。

中国科学技术信息研究所人工智能中心副主任李修全也表示：“近年来，大型AI模型的规模和数量快速增长，导致能源需求迅速增加。尽管‘电力短缺’等问题在短期内不太可能迅速出现，但大规模智能时代到来带来的能源需求指数级增长不容忽视。”

AI大模型质量的关键在于数据、计算能力和顶尖人才，并由数万块芯片昼夜不停地持续运行所支撑。

具体而言，AI模型计算能力的工作过程大致可分为两个阶段：训练和推理，同时也涉及能源消耗。

训练期间需要收集和预处理大量文本数据

近年来，大型AI模型的规模和数量快速增长，导致能源需求迅速增加。尽管‘电力短缺’等问题在短期内不太可能迅速出现，但大规模智能时代到来带来的能源需求指数级增长不容忽视。

中国科学技术信息研究所人工智能中心副主任 李修全

在训练阶段，需要收集和预处理大量文本数据作为输入数据。接下来，在适当的模型架构中初始化模型参数，处理输入数据，并尝试生成输出。最后，根据输出与期望输出之间的差异反复调整参数，直到模型的性能不再显著提高。

从训练具有15亿参数的GPT-2到训练具有1750亿参数的GPT-3，OpenAI模型背后的训练能耗令人震惊。公开信息显示，OpenAI每次训练消耗128.7千瓦时，相当于3000辆特斯拉同时行驶32公里。

根据研究公司New Street Research的数据，仅谷歌一家就需要约40万台服务器用于AI，每天消耗62.4吉瓦时，每年消耗22.8太瓦时。

在推理阶段，AI首先加载训练好的模型参数，预处理需要推理的文本数据，然后让模型根据学习到的语言模式生成输出。谷歌声称，从2019年到2021年，60%的AI相关能源消耗来自推理。

根据Alex de Vries的估算，ChatGPT每天响应约2亿次请求消耗超过50万千瓦时电力，导致每年电费高达2亿元人民币，是每个美国家庭日均用电量的1.7倍。

SemiAnalysis的一份报告指出，使用大型模型进行问题搜索的能耗是传统关键词搜索的十倍。以谷歌为例，标准谷歌搜索每次用电0.3瓦时，而与大型模型交互每次消耗3瓦时。如果用户每次谷歌搜索都使用AI工具，每年大约需要29.2太瓦时的电力，即每天约7900万千瓦时。这相当于为世界最高摩天大楼迪拜哈利法塔持续供电超过300年。

此外，根据《斯坦福人工智能指数报告2023》，每次AI搜索大约消耗8.9瓦时电力。与普通谷歌搜索相比，AI搜索的能耗高出近30倍。对于一个拥有高达1760亿参数的模型，仅训练阶段就消耗43.3万千瓦时，相当于117个美国家庭的年用电量。

值得注意的是，在缩放定律范围内，随着参数规模的不断增加，大型模型的性能也会提高，同时伴随更高的能耗。

因此，能源问题已成为AI技术持续发展的关键“枷锁”。

小测验

谷歌需要多少台服务器用于AI？

A. 40万

B. 30万

C. 20万

D. 10万

正确答案在文章底部。

仍远未达到灾难性程度

黄仁勋虽然对能源供应表示担忧，但提供了更乐观的看法：在过去十年中，AI计算量增长了百万倍，但其成本、空间或能耗并未以同样的量级增长。

根据美国能源信息署（EIA）的长期年度展望，美国电力需求的年增长率目前低于1%。然而，NextEra Energy首席执行官John Ketchum估计，在AI技术的影响下，电力需求的年增长率将加速至1.8%左右。

波士顿咨询集团的一份报告显示，2022年，数据中心电力消耗占美国总电力消耗的2.5%（约130太瓦时），预计到2030年将翻倍，达到7.5%（约390太瓦时）。这相当于约4000万美国家庭的用电量，即全美家庭的三分之一。该集团还预测，生成式AI将至少占美国新增电力需求的1%。

这意味着，尽管数据中心和AI的电力消耗巨大，但远未达到灾难性程度。

在成本方面，国际可再生能源署的一份报告指出，过去十年中，全球风能和太阳能项目的平均电力成本分别累计下降了60%和80%以上。业内人士还提到，“光伏的综合成本与火电相当，而在一些地区，风电成本仅为火电的一半。”

我们如何应对即将到来的能源需求激增？

根据钛媒体App总结的行业专家意见，解决AI能耗主要有两种方案：一是通过优化大型模型或AI硬件来降低能耗，二是寻找新能源，如核聚变、裂变资源等，以满足AI的能源需求。

在硬件优化方面，对于能耗高的万亿级AI大模型，可以通过算法和模型优化压缩模型令牌大小和复杂性来降低能耗。同时，企业可以继续开发和更新能耗更低的AI硬件，例如最新的NVIDIA B200、AI PC或AI手机终端。此外，通过优化数据中心的能源效率和提高电力使用效率，也可以降低能耗。

对此，中国企业资本联盟副理事长柏文喜表示，“未来需要通过技术创新和设备升级，进一步提高发电效率，增加电网传输容量和稳定性，优化电力资源配置，增强电力供应的灵活性，推广分布式能源系统，减少能源输送损失，以应对算力发展带来的能源需求挑战。”

中国数据中心工作组（CDCC）专家委员会副主任委员曲海峰认为，相关行业应着重提高数据中心的能源效率，而不是抑制其规模。数据中心不需要减少能源消耗，而是需要提高能源消耗的质量。

至于核聚变能源的发展，由于其原材料资源丰富、能量释放大、安全清洁和环境优势，受控核聚变基本可以满足未来理想终极能源的各种要求。

目前聚变能源主要有三个来源：宇宙能量，如太阳光和热；氢弹爆炸（不可控核聚变）；人造太阳（受控核聚变能源装置）。

据统计，目前全球有50多个国家正在研究和建设140多个聚变装置，并取得了一系列技术突破。国际原子能机构（IAEA）预计，世界上第一座聚变发电厂将于2050年建成并投入运营。

这种聚变发电将大大缓解由AI大模型需求引起的全球能源短缺。

2023年4月，奥特曼采取先发制人的行动，个人向聚变初创公司Helion Energy投资3.75亿美元，并担任公司董事长。此外，奥特曼去年7月将其投资公司AltC与聚变初创公司Oklo合并，确保了一次估值约8.5亿美元的IPO，AltC的最新市值超过400亿美元。

除了奥特曼对聚变公司的大手笔投资外，亚马逊和谷歌等科技巨头也在直接购买清洁能源。

据彭博社数据，仅在2023年，亚马逊就购买了8.8吉瓦的清洁能源，连续第四年成为全球最大的清洁能源企业买家。紧随其后的是Meta（3吉瓦）和谷歌（1吉瓦）。

亚马逊表示，其数据中心90%以上的电力来自清洁能源发电，预计到2025年将实现100%的绿色能源使用。

中美之间的竞争

事实上，以美国为例，清洁能源、AI、数据中心、电动汽车和采矿等多个行业的增长，使停滞不前的美国电力需求重新复苏。然而，即使被誉为世界上“最大的机器”，美国电网似乎也无法应对这种突变。

分析人士指出，美国70%的电网接入和输电设施已经老化，一些地区的电网输电线路不足。因此，美国电网需要大规模升级，如果不采取行动，到2030年美国将面临无法逾越的国内供应缺口。

与美国相比，中国对自身的能源需求更为乐观。目前，中国的风电和光伏产品已出口到200多个国家和地区，累计出口额分别超过334亿美元和2453亿美元。

随着AI的爆发式增长，中美两国在AI产业的竞争已从大模型技术的竞争演变为涉及计算能力、能源、人力等多方面的较量。

随着2050年核聚变能源的可能部署，人类希望结束AI能耗的挑战性问题，进入无限发电的时代。

正确答案是A。