導讀：人工智能的快速發展，給人類社會帶來巨大變革。但在近期，數位科技大佬同時疾呼“新的能源危機正在到來”，人工智能的能源消耗究竟多大？能源危機究竟來源哪里？社會各界又將如何去應對即將面臨的能源危機？

一、人工智能正在面臨能源危機：預警

隨著ChatGPT、Sora相繼的驚艷亮相，谷歌、Meta等科技巨頭們紛紛加大了在生成式人工智能研發和應用領域的投入。這給人工智能領域帶來了諸多新的發展機遇，但發展背后大量的能源消耗，也引發了全球研究人員、監管機構和行業巨頭們對未來能源供應的擔憂。無論是OpenAI首席執行官薩姆·奧特曼、特斯拉首席執行官埃隆·馬斯克，還是英偉達 （NVIDIA）創始人黃仁勛，在近期都頻頻預警人工智能行業所面臨的能源危機。

在2024達沃斯世界經濟論壇年會上，薩姆·奧特曼表示：人工智能行業正在走向能源危機，下一波生成式人工智能系統將消耗比預期更多的能源，而能源系統將難以應對。在博世互聯世界2024大會上，埃隆·馬斯克表示：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。這不是埃隆·馬斯克第一次試圖引起各界對于缺電危機的關注。去年，在xAI團隊的發布會和PG&E主辦的創新峰會上，馬斯克都表達了他對電力供應的擔憂，表示這可能阻礙AI的發展。據北極星儲能網報道，英偉達CEO黃仁勛在一次公開演講中指出，AI未來發展與光伏和儲能緊密相連。

二、人工智能的能源消耗究竟有多大：猛獸

據國際能源署（IEA）統計，2022年全球數據中心消耗了大約460太瓦時(TWh)的電力，占全球總需求的2%。到2026年，預計這一數據將達到至620- 1050太瓦時之間（圖1）。在數據中心領域，傳統數據中心的耗能依舊是最大的，但隨著生成式人工智能引爆全球，大模型數量激增加上ChatGPT使用率飆升，AI電力消耗大幅增加，推動了數據中心耗電量快速抬升。據《紐約客》雜志披露，OpenAI旗下聊天機器人ChatGPT日耗電量高達50萬千瓦時，以應對每日約2億用戶請求。

同時，谷歌等科技巨頭正在將生成式AI融入其核心服務，這將進一步推高電力需求。據科研機構 Digiconomist 創始人Alex de Vries發表在《Joule》的論文估計，一個標準的谷歌搜索消耗0.3 Wh的電力，而人工智能驅動的谷歌搜索消耗2.9 Wh的電力，擁有十倍的差距。到2025年，據《紐約時報》援引全球數據中心標準組織之一“國際正常運行時間協會”的預測，AI業務在全球數據中心用電量中的占比，將從2%猛增到10%，這與IEA的預測結果十分相近（圖2）。

圖1（來源：IEA）

圖2（來源：IEA）

通過對比不同的參照物，能更好的理解AI行業的電力能耗。與美國家庭相比，《紐約客》雜志報道稱，據國外研究機構的報告，每一個美國家庭的平均用電量為29度，而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，這意味著，ChatGPT每天用電量相當于1.7萬個美國家庭的用電量。與汽車能耗相比，根據斯坦福人工智能研究所發布的《2023年人工智能指數報告》，GPT-3單次訓練耗電量高達1287兆瓦時，這相當于3000輛特斯拉同時跑30多公里。更甚者，與國家能耗相比，2023年10月，Alex de Vries發表在《Joule》雜志上的論文表明，到2027年，AI服務器所消耗的用電量約為85-134太瓦時，將等同于荷蘭全國的能源需求量。參數更多、功能更為強大的人工智能給人類的能源供應帶來更大的壓力。這意味著在幾年內，隨著人工智能系統的發展，要實現向全面智能時代過渡，甚至建成元宇宙，需要消耗的能源數量難以估計。

三、人工智能的能源消耗在了哪里？

在深度學習領域，設計一個模型，需要對模型進行參數量以及計算量的評估。為了獲得更優的智能表現，AI模型逐漸朝著大型化方向發展，學習數據呈指數級增長，參數也越來越多：GPT-3.5 訓練參數為1750億，GPT-4為1.8 萬億，亞馬遜發布的全新大模型Olympus參數高達2萬億。大多數數據中心使用圖形處理單元（GPU）來訓練AI模型，這些組件是芯片行業制造的最耗電組件之一。隨著模型大型化的趨勢，參數量和計量的增長，訓練和調試的能源消耗不斷攀升。

在訓練之后，將模型部署到生產環境中，并開始推理階段。Alex De Vries在《The growing energy footprint of artificial intelligence》中引用 SemiAnalysis 及谷歌的報告指出，相較于訓練一個AI模型，推理環節是更耗電的階段。研究公司SemiAnalysis表示，OpenAI公司需要3617臺英偉達的HGX A100服務器，總共28936個圖形處理單元（GPU）來支持ChatGPT，這意味著每天的能源需求就要達到564兆瓦時，這要比訓練階段的能源需求高得多。

此外，該論文還指出全球人工智能用電量的消耗與服務器相關。現階段，英偉達在全球人工智能芯片市場的份額預計最高已經達到了90%，并且大模型對芯片的需求還在增加。例如，OpenAI使用了約1萬顆英偉達GPU來訓練GPT-3.5模型。為此，英偉達的供應商、芯片制造商臺積電（TSMC）正投資興建的新工廠擴充CoWoS先進封裝產能，這對于交付英偉達所需的芯片至關重要。論文指出到2023年，英偉達的 Al 服務器出貨量可能達到 150 萬臺，而這些機器的總電力需求可能達到9.75-15.3 GW。

四、人工智能能源危機的根本

（一）電力供應

全球不穩定的能源供應結構是，企業家們產業危機感的首要原因。IEA在《2023年電力市場報告》中指出，2022年至2025年期間，全球煤炭和天然氣發電量預計將大致持平。化石燃料發電量的趨勢仍然受到全球經濟發展、天氣事件、燃料價格和政府政策的影響。2022年俄烏沖突后天然氣價格飆升，相對較高的天然氣和液化天然氣價格上漲促使全球掀起了一股轉用煤炭作為發電燃料的浪潮。這加劇了化石燃料的供應形勢，同時與全球低碳發展的愿景背道而馳。

核電是一種重要的低排放電力來源，約占全球發電量的10%。可以幫助能源部門更快、更安全地擺脫無節制的化石燃料。但出于對安全和廢料的擔憂，某些國家仍在限制核電。2011 年日本福島第一核電站大地震后發生的事故以及2023年日本核污水的排放破壞了公眾和某些政治體對核電的信任，核電投資受到嚴重影響，同時發達經濟體在成本、性能、安全和廢物管理方面還面臨諸多困難。法國大量核電廠停產檢修，德國和比利時的機組退役，以及烏克蘭產量減少。

可再生能源占全球發電量的近 30%。由于極端天氣事件，許多地區出現了熱浪和干旱，導致水力發電量大幅下降。這凸顯了氣候模式變化對電力系統的潛在影響，因為水力發電量低會對剩余的可調度常規機組造成額外壓力，并增加電力供應成本。風能和太陽能光伏是最主要的可再生能源形式，隨著可變可再生能源在發電總量中所占比例的增加，將其成功納入電力系統將變得越來越具有挑戰性。為了平衡可變發電，除了擴大儲能容量和提高需求方靈活性外，擁有足夠的可調度容量也至關重要。

圖3（來源：IEA）

（二）電網安全

集聚性發展AI產業和脆弱的電網系統，是企業家們產生危機感的第二層原因。一是密集的數據中心的區域分布特點，與分散部署的可再生能源電網系統不匹配。IEA數據顯示，全球8000個數據中心中有33%位于美國，16%在歐洲，近10%在中國。隨著太陽能光伏和風能等可變可再生能源比例的增加，需要各國加速對配電網進行現代化改造，并建立新的輸電走廊，以連接遠離城市和工業區等需求中心的可再生資源，如沙漠中的太陽能光伏發電項目和海上風力渦輪機。同時，電力系統需要變得更加靈活，以適應輸出的變化。

圖4（來源：IEA）

二是AI產業涌入大量的投資與幾乎沒有變化的電網投資不匹配。盡管電力需求增長強勁，能源獲取需求旺盛，發達經濟體的電網投資穩步增長，但需要加快步伐，并且除中國以外的新興經濟體和發展中經濟體近年來的電網投資在下降。電網投資不足的一個突出問題就是電網的老化。由于審批程序復雜，缺乏投資吸引力等原因，美國輸變電主網一度處于停滯狀態。美國能源部數據顯示，美國電網投資在1975-1999年逐年下降，平均每年下降8600萬美元，直到2005年才恢復到1975年的投資水平。這導致了美國老化嚴重的電網，使許多地區面臨電力短缺的風險。美國能源部在2015年的電網基礎設施審查中發現，美國70%的輸電線路已經使用了25年以上，而線路的使用壽命通常為50年。該部門2014年的報告表示，美國變壓器的平均使用年限達到38年，其中70%的變壓器使用年限超過25年。

五、人工智能能源危機的破局

（一）能源突破：核能才是未來？

無論是可再生能源還是化石能源，在穩定度和能量密度方面均不如核能，這種差距在人工智能高速發展、能耗巨大的未來會更加明顯。因此，與其他巨頭青睞可再生能源不同，OpenAI 和微軟押注的便是核聚變。2021年，奧特曼向美國私有核聚變公司Helion Energy投資了3.75億美元。微軟也表示已與核聚變初創公司Helion Energy簽訂電力采購協議，將在2028年采購由該公司生產的電力，未來幾年將用核聚變為微軟提供能源。這筆交易是微軟對迄今尚未商業化的核聚變投下了一張“信任票”。實際上，微軟持續在推動將核能為其數據中心提供能源，該公司在第28屆聯合國氣候變化大會上發布了關于先進核能和核聚變能源的政策簡報，表示先進核能和核聚變技術潛力巨大，它們可以提供安全、可靠、可擴展的無碳電力，并與可再生能源互相補充，滿足世界各地不同的能源需求。

（二）技術創新：技術路線如何選取？

實際上全球科技巨頭很早就意識到，再先進的算力，再快速的發展，在能源危機面前都難以為繼，想要能源突破必須尋求技術創新。在達沃斯世界經濟論壇年會，奧特曼表示：“公平地來說，AI的發展將需要大量能源，但我堅信這會迫使我們更多地投資于能夠提供這種能源的技術。”奧特曼也指出這種技術是核聚變技術。技術路線上，微軟更青睞小型模塊化反應堆（SMR），因其占地面積較小，安裝靈活，無需頻繁地更換燃料，比大型動力反應堆更便宜；SMR不僅適用于傳統的發電廠，還特別適合部署于能源需求日益增長的數據中心。2023年12月，微軟聘任了兩位核能相關經理，負責領導SMR和微反應器集成的技術評估，旨在利用核能為微軟云和人工智能所在的數據中心提供動力。除了科技企業，SMR完美符合高能量密度、靈活安裝、便宜等能源需求，中、英、美均在緊密布局。

（三）電網部署：系統性規劃提上日程？

電網安全不僅涉及電網企業，還與政府主管部門、發電企業、設備廠商、應急供電服務商和用戶等主體密切相關。政府需要進一步將輸配電網的規劃契合并融入政府的長期宏觀規劃進程，同時要加強電力系統和經濟不同部分的規劃協調以及區域協調。在電網無法保障供應安全的情況，市場正出現轉向離網供應的趨勢。《華盛頓郵報》表示，隨著越來越多的公司對美國電網的堵塞感到沮喪，他們已更多地轉向離網的分布式能源。微軟和谷歌等公司希望，能源密集型工業運營最終可以由現場的小型核電站提供動力。建設連接可再生能源的電網需要與改善現有基礎設施都需要新技術的支持以及大量資金的投入。此外，電力系統將需要更大的靈活性以確保可變可再生能源能夠可靠、有效地集成到電力系統中，儲能被視為推動可再生能源有效整合的解決方案之一。騰訊表示，為持續提升可再生能源利用比例，將部署數據中心屋頂光伏，探索新能源微網技術，建設儲能電站，搭載智慧能源管理系統。

（四）戰略合作：如何形成國際共識？

能源供應危機除了受到全球經濟發展、天氣事件、成本價格等影響以外，更重要是地緣政治戰略和國家政府政策的影響。以上文提及的SMR為例，與傳統反應堆相比，SMR需要更多的高濃縮鈾燃料“HALEU”，而俄羅斯是HALEU的全球主要供應國。美國的科技巨頭企業需要思考的是未來如何在國家戰略安全和人工智能發展之間尋求一種平衡。出于對安全和廢料處理的考量，許多國家淘汰了核電政策，在 2017 年初開始建設的 31 座反應堆中，除 4 座外，其余均為俄羅斯或中國設計。但現在許多國家已經預見到核電的必要性，希望核電發揮作用，開始宣布了投資核電的計劃。英國、法國、中國、波蘭和印度最近都宣布了能源戰略，其中包括大力發展核電。

（五）環境監管：重新審視環境影響？

2月1日，馬薩諸塞州參議員愛德華·馬基領導的美國民主黨人提交了《2024年人工智能環境影響法案》。該法案要求美國國家標準與技術研究所與學術界、行業和公民社會合作制定評估人工智能環境影響的標準，預示著對AI行業的環境監管已經箭在弦上。之前，各界重點關注的是人工智能產業巨大的碳排放量對于環境的污染，如何實現減排、綠色、抵消成為解決人工智能環境問題的關鍵。如今，人工智能的能耗危機正在到來。人工智能發展過程中，不僅耗電，數據中心服務器運行的過程中會產生大量熱量，水冷是服務器最普遍的方法，這就導致了巨大的水資源消耗。為此，我們急需重新審視AI的能耗和未來幾年的發展，并對政策制定者提出建議，在保證能源供應人工智能發展的同時，降低企業和公眾對AI能耗的擔憂。

聲明：本文轉自數字經濟智庫評論，作者趙晨野。本文版權歸原作者所有，不代表本網站觀點，僅供學習交流之用，不做商業用途。如文中的內容、圖片、音頻、視頻等存在第三方的在先知識產權，請及時聯系我們刪除。