随着人工智能及其应用在全球各国的不断推开，能源消耗问题也日益凸显。面对可能激增的能耗需求，大型科技公司纷纷寻求解决之策。国际能源署认为，强化法规和技术改进，包括效率方面的提升，对于减缓数据中心能源消耗的激增至关重要。
行业跃进带来能耗翻番
富国银行最近发布的分析报告显示，在经历10年的电力增长平台期后，预计到2030年美国的电力需求将增长20%。仅人工智能数据中心就有望在美国增加约323太瓦时（1太瓦时=10亿千瓦时）的电力需求。而纽约市目前每年的用电量为48太瓦时。
波士顿咨询集团预计，到2030年底，美国数据中心的用电量将是2022年的三倍，而这一增幅主要来自AI模型训练和更高频的AI查询。
科技媒体Digital Information World的报告显示，数据中心为训练AI模型产生的能耗是常规云工作的三倍，预计到2030年，美国数据中心的电力需求将以每年约10%的速度增长。
国际能源署称，到2022年，美国2700个数据中心消耗的电力占该国总电力的4%以上，到2026年，这一比例会达到6%。高盛预计，到2030年，数据中心耗电将占美国总用电量的8%。
《日本经济新闻》近日报道称，随着数据中心的快速增长，其对电力的需求不断增加。不仅日本，韩国和东南亚的数据中心市场也在不断增长。
咨询机构IDC日本预测，今年日本数据中心运营商的总投资额可能超过5000亿日元，比去年增加50%，且如此大规模的投资水平有望一直保持到2027年。日本电力中央研究所的预测指出，日本数据中心的用电量到2040年将提升至105太瓦时，相当于2021年的5倍，这一数字到2050年还将进一步上升至211太瓦时。
斯坦福人工智能研究在《2023年AI指数报告》中测算，AI大语言模型GPT-3一次训练的耗电量就有1287兆瓦时，大概相当于3000辆特斯拉电动汽车共同开跑、每辆车跑20万英里所耗电量的总和。报告同时提出，AI大语言模型GPT-3一次训练，相当于排放了552吨二氧化碳。
美国《纽约时报》的报道显示，ChatGPT每天要响应大约2亿个请求，这一过程消耗超过50万度电。
国际能源署（IEA）在1月发布的报告中估计，2026年全球数据中心、人工智能和加密货币行业的电力消耗可能会翻倍，大大高于未来三年全球电力需求年均增长3.4%的增速。数据中心是许多地区电力需求增长的重要驱动力，2026年，数据中心的总用电量可能超过1000太瓦时。
科技企业面临挑战
发展人工智能带来的电力需求及碳排放激增，无疑给大型科技公司带来了挑战。
以谷歌为例，其用于人工智能训练的能量消耗占总用电量的10%至15%。投资研究机构新街研究估计，仅在AI方面，谷歌就需要大约40万台服务器，每天消耗62.4吉瓦时（1吉瓦时=1000千瓦时）、每年消耗22.8太瓦时的能源，相当于美国一个州首府所有家庭一年的用电量。
随着人工智能的持续发展，应用越来越普及，使用人数也不断增加，能源消耗将呈现爆炸式增长。
特斯拉CEO马斯克今年再次表达了他对电力供应的担忧。他预计，电力短缺可能会造成严重后果，阻碍AI的发展，就像缺芯阻碍科技和汽车行业一样。
有同样担忧的还有OpenAI首席执行官山姆·奥特曼。他表示，人工智能将消耗比人们预期更多的电力，未来的发展需要能源突破。
除了电力，人工智能的发展对其他资源的消耗也十分巨大。弗吉尼亚理工大学研究指出，Meta公司在2022年使用了超过260万立方米的水，主要是为数据中心提供冷却。
据美国《华尔街日报》报道，微软计划利用下一代核反应堆，即所谓的小型模块化反应堆（SMR），来支持其数据中心和AI项目。数年前，微软曾尝试部署海底数据中心，脸书数据中心则选址在寒冷的北极圈附近。
探索更多应对之策
为了减少碳排放，包括亚马逊、谷歌、微软和Meta在内的公司已经承诺用可再生能源为它们的数据中心供电。
美国能源巨头雪佛龙公司董事长兼CEO迈克尔·沃思5月6日预计，随着人工智能和数据中心用电量的激增，天然气的需求可能会超出预期。沃思称，美国汽车、供暖和制造业的电气化举措，叠加数据中心需求的增加，美国将需要可靠且负担得起的备用发电。
高盛今年4月发布的报告显示，为满足人工智能和数据中心带来的电力需求增长，天然气预计将占到增量的60%，剩余的40%由可再生能源加以满足。
咨询公司Rystad Energy4月的一份报告也看好天然气的使用。报告认为，仅靠太阳能和风能这种依赖于天气的能源，可能不足以满足科技公司发展人工智能的电力负荷。激增的电力负荷将需要一种能源来填补缺口，并在可再生能源发电不足的情况下满足激增的需求。行业认为天然气将成为首选。
电力公司一直在为数据中心的电力需求激增做准备。大型科技公司也在探索人工智能如何帮助电网更高效地运行。全球最大的数据中心公司之一Equinix的官员表示，他们一直在尝试使用燃料电池作为备用电源。
世界经济论坛官网刊文分析称，AI运行一般分两个主要阶段：训练阶段和推理阶段。在训练阶段，模型通过消化大量数据来学习和开发；经过训练后，它们进入推理阶段，用于解决使用者提出的问题。在这两个阶段限制能耗，可将AI运行总能耗降低12%到15%。
一些参与人工智能的公司乐观地表示，人工智能技术本身可以帮助解决高电耗问题。微软公司发言人就表示，人工智能“将成为推进可持续发展解决方案的有力工具”。