報道稱,，黃仁勛在2024年2月12日的“世界政府峰會”上的確提到AI和算力所需能源巨大,，但總體意思是由于計算機(jī)性能飛速增長,，變得更加高效,，所以我們不用無止境地配置計算機(jī)和數(shù)據(jù)中心,，因此也不需要同比消耗那么那么多的能源,。即自己的產(chǎn)品把算力提高了100萬倍，相當(dāng)于更節(jié)省能源了,。

其原話為——

“當(dāng)我們替換通用計算的基礎(chǔ)設(shè)施時,，請記住架構(gòu)的性能將不斷提高。你不能只想著要購買更多的計算機(jī),，你還必須假設(shè),，計算機(jī)的速度會越來越快。因此,，你所需要的總量就不會這么多了。否則，如果你只是假設(shè)計算機(jī)的速度永遠(yuǎn)不會變快，你可能會得出一個結(jié)論——我們需要14個不同的行星、3個不同星系,、4個太陽為這一切提供燃料,?！?/p>

“但是很明顯的是計算機(jī)架構(gòu)不斷進(jìn)步。在過去的十年里，我們做出的最偉大貢獻(xiàn)之一就是將計算和人工智能提高了一百萬倍,。因此,，無論你認(rèn)為推動世界的需求是什么,，你都必須考慮到,，它還將以100萬倍的速度增長，變得更快和更高效,?！?/p>

“當(dāng)某些東西提高了一百萬倍,，而它所消耗的成本、空間或能源并沒有增長一百萬倍。事實(shí)上,，你已經(jīng)使這項(xiàng)技術(shù)大眾化了,。”

作為當(dāng)今科技圈的領(lǐng)軍人物,，“黃仁勛喊口號”顯然具有極大的號召力,，也更容易引導(dǎo)投資者的情緒。

能源之于AI,，到底有多重要,？

從事實(shí)來看，AI發(fā)展的確依賴于能源創(chuàng)新,，當(dāng)今科技圈的兩位大佬,，OpenAI創(chuàng)始人阿爾特曼和馬斯克此前已給出明確觀點(diǎn)。

前者認(rèn)為未來AI的技術(shù)取決于能源突破,，更有利于氣候變化的能源,，尤其是核聚變或更便宜的太陽能以及儲能，是人工智能的發(fā)展方向,?！斑@促使我們加大對核聚變技術(shù)的投資?！被诖?，阿爾特曼一直熱衷于投資核電公司，不僅自掏腰包,，還偏愛親力親為,、入駐相關(guān)公司董事會。

后者認(rèn)為,，雖然AI技術(shù)有望引領(lǐng)未來最大的科技革命,，但同時也可能因?yàn)?025年的能源瓶頸而面臨發(fā)展挑戰(zhàn),。

▌一點(diǎn)也不環(huán)保的AI

不可否認(rèn)，未來人工智能需要能源方面的突破,，因?yàn)槿斯ぶ悄芟牡碾娏⑦h(yuǎn)遠(yuǎn)超過人們的預(yù)期,。

據(jù)《紐約客》雜志報道，據(jù)國外研究機(jī)構(gòu)的報告,，ChatGPT每天要響應(yīng)大約2億個請求,，在此過程中消耗超過50萬度電力（美國商業(yè)用電一度約為0.147美元50萬度電相當(dāng)于一天花費(fèi)7.35萬美元）。而每一個美國家庭的平均用電量只有29度,，也就是說,，ChatGPT每天用電量相當(dāng)于1.7萬個美國家庭的用電量。

這一數(shù)據(jù)是荷蘭國家銀行數(shù)據(jù)科學(xué)家亞歷克斯?德弗里斯（Alex de Vries）通過英偉達(dá),、OpenAI,、谷歌等公開數(shù)據(jù)進(jìn)行的估，他還預(yù)計,，到2027年,，整個人工智能行業(yè)每年將消耗85至134太瓦時（1太瓦時=10億千瓦時）的電力。

由于算力設(shè)備的冷卻需求,，AI的耗水量也讓人瞠目結(jié)舌,。美國加州大學(xué)河濱分校的研究員任少雷一直在試圖計算ChatGPT等生成式人工智能產(chǎn)品對環(huán)境的影響。任少雷的團(tuán)隊(duì)估計,，每次你問ChatGPT 5到50個提示或問題時,，它就會消耗500毫升的水。而這款聊天機(jī)器人有超過1億的活躍用戶,，且當(dāng)下大型科技公司均在爭前恐后加快研發(fā)同類產(chǎn)品,。

不止如此，算力的大規(guī)模部署和應(yīng)用不僅消耗大量資源,，同時也帶來碳排放問題,。以數(shù)據(jù)中心碳排放為例，數(shù)據(jù)中心碳排放主要來源于IT設(shè)備,、空調(diào)系統(tǒng),、電源系統(tǒng)、照明系統(tǒng)等電力消費(fèi)產(chǎn)生的間接排放,，根據(jù)生態(tài)環(huán)境部環(huán)境規(guī)劃院發(fā)布的《中國區(qū)域電網(wǎng)二氧化碳排放因子研究（2023）》,，目前我國各省平均電網(wǎng)排放因子約0.61千克/千瓦時，若2025年,、2030年各省平均電網(wǎng)排放因子保持目前的水平不變,，則2025年、2030年我國數(shù)據(jù)中心間接碳排放量將分別達(dá)到2.1億噸,、3.5億噸,。

▌如何解決,？

隨著AI的進(jìn)步、模型的增大,，如何解決伴生而來的高耗能問題,？

當(dāng)下的重點(diǎn)在于開源，風(fēng)能,、光伏等可再生新能源被視作數(shù)據(jù)中心重要的能量池,，核能尤其被寄予厚望。由于幾乎無限的燃料供應(yīng),、環(huán)境友好,、能量密度高、安全性高,，核聚變被視為解決能源危機(jī)和氣候變化問題的關(guān)鍵技術(shù),。得益于多個國家和私營企業(yè)的積極參與以及技術(shù)突破，全球核聚變商業(yè)化的進(jìn)展正在加速,。如果成功實(shí)現(xiàn)商業(yè)化,，它將為人類提供幾乎無限的清潔能源。

節(jié)流方面,，由于模型本身的算法和架構(gòu),，以及硬件優(yōu)化均會讓AI功耗在一定程度上降低，已經(jīng)有一些解決大模型高能耗問題的思路,，主要包括：

1. 算法和模型優(yōu)化

通過算法優(yōu)化,，如權(quán)重剪枝、量化等技術(shù),，以及模型壓縮技術(shù),，減少模型的復(fù)雜度，同時保持或接近原有的性能,。近年來提出的一些輕量級模型（如MobileNet）就是為了低功耗場景而設(shè)計的,。

2. 硬件優(yōu)化

開發(fā)和使用更高效的AI專用硬件，如英偉達(dá)開發(fā)的GPU T4和A100,，谷歌開發(fā)的TPU（Tensor Processing Unit）,，這些硬件專為AI任務(wù)設(shè)計，能夠在更低的能耗下提供更高的計算效率,。

3. 訓(xùn)練、計算技巧

訓(xùn)練技巧是一種通過調(diào)整神經(jīng)網(wǎng)絡(luò)的訓(xùn)練過程來優(yōu)化計算資源的方法,。例如,，分布式訓(xùn)練技術(shù)可以利用多臺計算機(jī)分擔(dān)大規(guī)模計算的負(fù)荷。另外,，將AI計算任務(wù)從云端轉(zhuǎn)移到邊緣設(shè)備,，這樣可以減少數(shù)據(jù)傳輸所需的能量,，并利用邊緣設(shè)備的低功耗特性。

4. 提高數(shù)據(jù)中心的能效

通過優(yōu)化數(shù)據(jù)中心的設(shè)計和管理,，提高電源使用效率,。例如，使用更高效的冷卻系統(tǒng),，或者通過AI技術(shù)動態(tài)調(diào)整數(shù)據(jù)中心的運(yùn)行狀態(tài)以降低能耗,。

其中，對于第四點(diǎn),，國內(nèi)大廠紛紛給出解決方案,。比如騰訊能源業(yè)務(wù)已獨(dú)立成為一級部門，其數(shù)據(jù)中心部門還組建了專門綠色能源團(tuán)隊(duì),，應(yīng)用自然冷卻,、液冷、三聯(lián)供,、余熱回收等新興節(jié)能技術(shù),，提高制冷效率以降低數(shù)據(jù)中心能耗。華為,、京東,、亞馬遜等也紛紛入局智慧能源領(lǐng)域。