人工智能（AI）的崛起，正在加速推动数据中心的不断扩展和升级，耗电量也相应暴增，且巨大电力的需求将会越来越大。

训练AI耗电

AI大模型是“大数据+大算力+强算法”结合的产物，训练一个AI大模型需要消耗多少电力？

以Open AI开发的大型语言模型GPT-3为例，该模型具有1,750亿个参数。为用于训练，研究人员连续运行1,024个GPU（图形处理单元）约一个月的时间。

美国密西根大学电机工程和电脑科学副教授乔杜里（Mosharaf Chowdhury）估计，训练GPT-3一次消耗的电量为1,287兆瓦时（1兆瓦时等于1,000度电）。这个数字相当于一个美国普通家庭120年的电力消耗。

GPT-3是四年前推出的，如今大型语言模型的参数规模正在以指数级增长。据报导，2023年推出的GPT-4，总共有1.76万亿个参数，相当于GPT-3的10倍。预计明年推出的GPT-5，具有更快的速度和更强的语言处理能力，其训练耗能估计会更加可观。

推理和应用耗电

起始阶段的训练AI只是短期事件，而使用才是长期过程。随着应用的普及、使用人数的增加，耗电量将不断叠加。

总部位于法国巴黎的政府间国际组织——国际能源总署（IEA）今年1月发布的一份报告中表示，ChatGPT响应一个请求平均耗电2.9瓦时——相当于点亮一个60瓦的灯泡约三分钟。这几乎是Google平均搜寻耗能的10倍。

据悉，ChatGPT每天响应约2亿个需求，为此它每天消耗超过50万千瓦时的电力，相当于1.7万个美国家庭平均一天的用电量。按照一年365天计算，ChatGPT每年消耗18,250万度电。

Google每天进行约90亿次搜索，如果Google在搜索中大规模整合生成式人工智能，国际能源总署估计每年将需要额外10太瓦时的电力（1太瓦时等于10亿度电）。

数据中心耗电

数据中心是AI的基础设施，它为AI提供了必要的计算资源、存储能力和网络宽频，使得AI应用能够高效运行和发展。

同时数据中心还必须提供强大的冷却系统来维持适宜的温度，因为成千上万台服务器和芯片整齐列阵，昼夜不停地运转，产生大量的热量。因此，数据中心本身的耗电非常可观。

据国际能源总署报告，2022年全球数据中心的用电量估计为460太瓦时，几乎占全球电力总需求的2%。不过该耗电不完全是因为AI，加密货币挖矿也消耗了近四分之一，2022年达到110太瓦时。

该报告表示，数据中心的电力消耗主要来自两个过程，计算占40%，冷却需求同样占40%，剩余的20%来自其它相关IT设备。

国际能源总署估计，到2026年，数据中心的总用电量可能翻一倍，达到1,000太瓦时，大致相当于日本全国的年度用电量。2026年与2022年相比，增加的用电量，少则相当于一个瑞典，多则相当于一个德国。

AI推动数据中心发展

全球范围内的数据中心，2015年只有约3,600个，2021年已接近8,000个。而根据资讯科技网站Brightlio的统计，截至2023年底已达到10,978个。据信其数量还在不断增加。

美国目前拥有5,388个数据中心，是全球数据中心最多的国家。根据全球最大的风能和太阳能开发商新纪元能源公司（NextEra Energy Inc.）行政总裁凯彻姆（John Ketchum）的说法，未来二十年，美国的电力需求预计将增长40%，而过去二十年的增长仅为9%。

凯彻姆表示，数据中心是需求激增的最大原因。当被问及为何数据中心突然消耗如此多的电力时，他的回答直截了当：“是AI。”

如今各国正掀起“主权AI”浪潮。由于各国的语言文字不同，在经济发展、国家安全的需求，以及美中竞争的大环境下，亚洲、中东、欧洲和美洲国家都在投入建设新的本国的AI运算设施。英伟达创始人兼行政总裁黄仁勋2月在杜拜举行的世界政府峰会上对与会者表示，每个国家都需要拥有自己的智能产品。

全球AI霸权的争夺可能取决于哪些国家拥有足够的数据中心和电力来支持AI技术。这就意味着，人工智能、数据中心对能源的需求将会越来越大，以至无限。

如何应对

最大的云端服务提供商亚马逊、微软和Google，曾宣布其数据中心完全使用绿色能源的目标。三家公司都表示，正在研究使用更少电力或更有效地平衡电网需求的技术方法，包括提高芯片和服务器的效率，同时设法减少冷却需求。

也有一些科技领袖认为，适应新局面的关键是能源突破。Open AI行政总裁奥特曼（Sam Altman）年初在达沃斯世界经济论坛年会上表示，未来AI技术的迭代需要能源突破，人工智能技术消耗的能源将远远超过人们的预期。“如果不取得突破，就不可能实现这一目标。”他说，“它激励我们加大对核融合的投资。”

上个月，微软联合创始人比尔‧盖茨创立的能源公司泰拉能源（TerraPower）在美国怀俄明州开始建造下一代核电站，其反应堆使用钠而不是水进行冷却。他相信这将“彻底改变”发电方式。

人工智能是否可以持续发展，正在受到关注，其中能源是一个关键要素。

(大纪元:https://www.epochtimes.com/gb/24/7/4/n14283519.htm )