人工智能会导致电力短缺吗？

2024-05-23 17:30:50 来源：新华网

观看：89

“人工智能耗电远大于数据中心”“人工智能发展将让现有电网崩溃”“科技公司要建核电站”……近段时间举行的多个国际会议上，一些科技巨头纷纷表达了对人工智能高能耗问题的担忧。面对人工智能发展对电力系统的潜在影响，国家能源局公开回应，将密切跟踪人工智能等高新技术发展趋势，分析研判电力需求增长态势，系统谋划保供举措，确保能源稳定供应与需求增长相适应。

人工智能真的会导致电力短缺吗？当下各行各业都尝试搭上人工智能“顺风车”。然而，开发和运行人工智能都离不开能源保障。以网上流行的人工智能生成图片功能为例，每生成一幅图片，消耗的电量相当于一部智能手机充满电的电量。英伟达H100型GPU芯片是目前人工智能算法最常用的芯片之一，一块这样的芯片一年消耗的电量比一个中等规模的家庭都要多。大规模部署人工智能的能耗更令人吃惊，据估计，从2027年起，仅人工智能新增的服务器，一年消耗的电量就相当于荷兰或瑞典这样国家的总耗电量。

最新预警来自埃隆·马斯克，他公开指出，人工智能消耗的算力似乎每6个月就会增加10倍，一年多以前短缺的是芯片，接下来短缺的将是电力，“很快人们将会看到没有足够的电力来运行所有的人工智能芯片”。除了科技大佬，人工智能崛起也引起了更多人的讨论和担忧，大家担心人工智能会造成失业率飙升，对此有网友戏称“只要电费贵过馒头，人工智能就永远不能完全代替人”。

为何人工智能如此耗电？在人们印象中，钢铁、水泥等传统产业才是耗电大户，很难将科技公司与高耗能挂起钩来。实际上，人工智能产业也是能源密集型产业。今天的电子计算机产业建立在集成电路基础上，人们通常称为芯片。每个芯片中都有许多晶体管，用来承担“开关”功能，计算机通过快速改变电压，来拨动这些开关从而实现二进制逻辑运算。随着技术进步，单位芯片上的晶体管数量越来越多，每平方毫米面积上甚至能集成上亿个晶体管。再小的功耗碰上这个规模，耗电量也非常可观。

训练大模型需要在大规模数据集上反复迭代，每一次迭代都需要计算和调整其中数十亿个、数百亿个乃至数千亿个参数值，这些计算最终会表现为晶体管的开开关关，每次工作都需要电力来驱动。对于神经网络而言，规模越大，计算结果就越好，可以解决的问题就越多，但耗电量也越大。更重要的是，这种计算并非一劳永逸，需要不断重新训练、重新优化模型，这也意味着人工智能迭代对于算力和电力的需求，似乎看不到“天花板”。

人工智能发展的前提是，不能大幅新增碳排放量和危及能源安全。虽然目前人工智能整体用电规模占比较低，还不足以威胁电力系统，但应对快速增长的用电需求，必须重新考虑电力基础设施投资和产业布局，以实现可持续发展。

在电源侧，要统筹算力电力协同布局。我国已建成全球规模最大的电力供应系统和清洁发电体系，水电、风电、光伏发电规模多年居世界第一位。在广大西部、北部地区，可再生能源、土地资源丰富，且随着新能源装机不断提升，未来电量消纳存在挑战；东部地区受土地、水电、运维等要素影响，数据中心运营成本较高。因此，可引导对延时要求不高的数据中心向西部地区聚集，实现数据的差异化处理，既有助于绿电消纳、西部地区经济发展，又能促进数据中心低碳转型、保障能源安全，将我国绿电优势真正转化为算力优势。

在用电侧，要加快低碳节能技术发展。当前人工智能的运行方式非常耗能，应积极寻求更节能高效的算法和电子元器件，提升数据中心上架率。同时，通过改进数据中心设计，优化冷却系统，设立余热回收设备，切实提高数据中心能效水平，降低能源浪费。

未来，人工智能将深度融入我们的生产生活，能耗问题虽值得重视，但大可不必因噎废食。相信随着技术进步、市场发展和生产力布局优化，行业将会找到合适的解决方案来平衡算力和能耗需求，实现高质量发展。