1.05萬億千瓦時（kW·h）！這是國際能源署（International Energy Agency,，以下簡稱“IEA”）日前發(fā)布的《電力2024》報告中,，對2026年全球數(shù)據(jù)中心的最高總用電量作出的預測。1千瓦時就是1度電,，“超過1萬億度電”，根據(jù)報告的估算,，這些電量大約是整個日本全年的用電量,。數(shù)據(jù)中心、智算中心等算力基礎設施是人工智能（AI）的數(shù)據(jù)中樞和算力載體,。隨著AI尤其是生成式人工智能（AIGC）和大模型技術的快速發(fā)展,，算力需求激增,，AI的能耗問題也越來越受到關注。在近段時間舉行的多場國際會議上,，一些科技巨頭紛紛表達了對AI發(fā)展帶來的能耗問題的擔憂,。如何在提升智效的同時解決能耗難題,，對AI行業(yè)來說，是一場“大考”,。AI在推理階段的耗能不容忽視討論AI耗能的問題,，不可避免地要談到AI大語言模型（以下簡稱“大模型”）?！吧墒饺斯ぶ悄苁钱斍癆I技術發(fā)展的重點,。”騰訊研究院資深專家王鵬在接受中青報·中青網(wǎng)記者采訪時說,。他表示,，當前，生成式人工智能技術的基礎就是以數(shù)據(jù)和算力堆疊為標志的大模型,，其訓練和應用需要大量的算力支持,，“算力背后則是算力基礎設施耗電所帶來的巨大電能需求”。全國政協(xié)委員,、中國科學院計算技術研究所研究員張云泉指出,，大模型的參數(shù)和數(shù)據(jù)規(guī)模越大，其智能效果就越好,。在大模型中,，“Scaling Laws”（規(guī)模效應）意味著當參數(shù)和數(shù)據(jù)規(guī)模大到一定程度時，大模型的智能表現(xiàn)將出現(xiàn)躍升,，也就是“智能涌現(xiàn)”?！澳壳拔覀冞€沒看到‘智能涌現(xiàn)’的上限在哪,。”“一般來說,，參數(shù)量越大,，大模型的算力消耗就越大，其消耗的電能就越多,?！蓖貔i表示，因為還沒達到上限,，以OpenAI為代表的人工智能公司在“Scaling Laws”的驅(qū)使下,，還在持續(xù)增加大模型的參數(shù)和數(shù)據(jù)規(guī)模，以求實現(xiàn)通用人工智能（AGI）的目標,，造成短期內(nèi)算力需求和電能需求的巨大提升,。“因為GPT-3有1750億個參數(shù),，訓練用到了1024張英偉達A100芯片,，所以業(yè)內(nèi)將其稱為‘千卡千參’,。”商湯科技智能產(chǎn)業(yè)研究院院長田豐說,，目前GPT-4,、GPT-5等大模型都達到了“萬卡萬參”的規(guī)模，且訓練模型所用芯片也從英偉達A100更新到英偉達H100,、B200,，“參數(shù)量的激增將導致能耗顯著增加”。除了模型訓練以外,，AI在推理階段的耗能也不容忽視,。“推理即大模型響應用戶需求的過程”,，張云泉介紹,，大模型單次響應用戶需求的耗電量并不大，“但隨著用戶規(guī)模的增加,，耗電量也將不斷累積并增大,。”近日,，源自美國的一則“如果將10萬塊英偉達H00芯片部署在同一地區(qū)進行模型訓練,，會導致電網(wǎng)崩潰”的新聞引起社會關注。多位專家在接受記者采訪時表示,，AI導致電網(wǎng)崩潰的原因在于,，大模型的訓練是階段性的工作，所用到的算力要集中在一個數(shù)據(jù)中心里,，在有限時空范圍內(nèi)進行大模型訓練,，會給局部電網(wǎng)帶來非常大的用電負荷?！胺€(wěn)定的電網(wǎng)系統(tǒng)中突然出現(xiàn)巨大負荷擾動,，會對電網(wǎng)的穩(wěn)定和安全產(chǎn)生影響?！睆堅迫赋?，隨著大模型參數(shù)和數(shù)據(jù)規(guī)模的進一步增加，AI的能耗問題將越來越突出,，尤其是對于電力供應緊張的國家和地區(qū),。“長遠來看,，AI推理過程的耗能將越來越大,；短期內(nèi)，大模型訓練的能耗則是最大的AI能耗增量,?！痹谕貔i看來,，與家庭用電量相比，AI的耗電量顯得很大,，但其在社會總用電量中的占比依然很小,，“還遠沒有達到制造業(yè)用電的數(shù)量級”。解決方案：技術創(chuàng)新與新能源根據(jù)美國機構Uptime Institute的預測,，到2025年,，AI相關業(yè)務在全球數(shù)據(jù)中心用電量中的占比將從2%增加到10%；到2030年,，智能計算的年耗電量將占全球發(fā)電總量的5%,。“解決能耗問題,，是AI技術發(fā)展的重要前提,。”田豐對記者說,，雖然目前AI的能源消耗還不至于引起大范圍“電荒”,，但隨著AI的大規(guī)模應用，未來可能發(fā)生AI“缺電”的情況,，需要尋找合適的解法,，讓有限的電力能源可以容納更大的算力規(guī)模。通過研究和實踐,，人們對AI的了解逐漸增強,，一系列解法隨之而來。從需求角度看,，優(yōu)化大模型架構,、提升芯片效率和算力效率等，被認為是降低AI能耗的有效途徑,。張云泉表示，首先,，可以設計AI模型訓練的專用芯片,，其效率相較GPU（圖形處理器，現(xiàn)常用于AI計算）提升了10倍以上,；其次,，可以優(yōu)化AI模型的參數(shù)，很多小模型僅有幾十億的參數(shù)量,，但已經(jīng)實現(xiàn)了和大模型一樣的效果,；此外，還可以通過對推理過程進行優(yōu)化壓縮,，設計專用推理芯片,，進一步降低AI推理階段的能耗,。“大模型變小模型,，目前降低能耗效果最好,。”張云泉以微軟4月底發(fā)布的自研小尺寸AI模型Phi-3為例介紹,。據(jù)了解,，Phi-3模型目前有3個版本，其中Phi-3 mini是一個擁有38億參數(shù)的語言模型,，可部署在手機上,，根據(jù)實驗和測試結(jié)果，其性能已經(jīng)可以與GPT-3.5等大模型相媲美,。在能源供應方面,，訴諸多樣化的新能源供給、依靠國家進行宏觀調(diào)控與規(guī)劃等舉措,，將有助于解決AI能耗問題,。天使投資人、資深人工智能專家郭濤對記者表示,，當前,，新能源，包括太陽能,、風能,、水能等可再生能源，正逐漸成為數(shù)據(jù)中心的最佳能源選擇,?！叭绻麤]有足夠的可再生能源來滿足AI能耗的增長，可能會導致對化石燃料的依賴加劇,，從而對環(huán)境造成負面影響,。此外，數(shù)據(jù)中心還可以通過智能算法來優(yōu)化能源使用效率,，實現(xiàn)AI與電網(wǎng)的協(xié)同發(fā)展,。”不少人工智能公司已經(jīng)開始關注新能源,。2021年,，OpenAI首席執(zhí)行官山姆·奧爾特曼向核聚變初創(chuàng)公司Helion Energy投入3.75億美元；2024年3月,，亞馬遜云服務公司（AWS）收購美國賓夕法尼亞州一座數(shù)據(jù)中心園區(qū),，據(jù)了解，該園區(qū)就是從鄰近的核電站獲取電力?！敖鉀QAI耗能問題涉及到算力,、電力等多個系統(tǒng)的協(xié)調(diào)與配合?！蓖貔i指出,，一方面，要從AI本身去降低能耗,，包括優(yōu)化算法,、降低模型參數(shù)、提高計算性能等,；另一方面,，整個能源系統(tǒng)也要積極響應AI的能耗需求?！霸淳W(wǎng)荷儲”一體化考慮新能源或?qū)⒊蔀榻鉀QAI耗能問題的一把“鑰匙”,，這正好與我國此前提出的“東數(shù)西算”工程相契合。國家能源局的數(shù)據(jù)顯示,，2023年,，我國可再生能源新增裝機3.05億千瓦，占全國新增發(fā)電裝機的82.7%,，占全球新增裝機的一半,；全國可再生能源發(fā)電量近3萬億千瓦時，接近全社會用電量的1/3,。目前,，我國已建成全球規(guī)模最大的電力供應系統(tǒng)和清潔發(fā)電體系，其中青海,、內(nèi)蒙古,、寧夏等西北部地區(qū)則是清潔能源的“富礦”。2021年,，我國提出實施“東數(shù)西算”工程,，引導數(shù)據(jù)中心向西部資源豐富地區(qū)聚集，推動當?shù)財?shù)據(jù)中心走向低碳,、綠色,、可持續(xù)，同時滿足東部地區(qū)的算力需求,。2022年2月，內(nèi)蒙古,、貴州,、甘肅等8地啟動建設國家算力樞紐節(jié)點，10個國家數(shù)據(jù)中心集群被寫入工程總體“規(guī)劃”，“‘東數(shù)西算’工程全面啟動”,?！按竽Ｐ蜁r代，‘東數(shù)西算’工程將對全國的電力需求和算力需求起到重要的宏觀調(diào)控作用,?！睆堅迫A計，未來將會有越來越多的大型算力中心或智算中心選址我國西部地區(qū),，“東數(shù)西訓”（即東部地區(qū)的AI大模型,，在西部地區(qū)進行訓練——記者注）將成為AI與新能源協(xié)調(diào)發(fā)展的典型場景。但他強調(diào),，推動新能源更好地賦能AI發(fā)展,，儲能是一個需要解決的問題?！按笠?guī)模儲能的建設決定了新能源是否能更好地滿足算力需求,。”田豐也同意張云泉的觀點,。田豐指出,，包括光電、風電等在內(nèi)的新能源,，具有間歇性發(fā)電的特點,，需要依靠儲能系統(tǒng)將多發(fā)的電及時存儲起來，削峰調(diào)谷,，以保證電網(wǎng)的供需平衡,。國家能源局的最新數(shù)據(jù)顯示，截至2024年一季度末,，我國已建成投運的新型儲能項目累計裝機規(guī)模達到3530萬千瓦,，同比增長超過210%，其中10萬千瓦以上的儲能電站超5成,，呈現(xiàn)集中式,、大型化的發(fā)展趨勢。在儲能的建設上,，王鵬著重強調(diào)了新能源汽車的分布式儲能能力,。“隨著電池充放電次數(shù)和壽命不斷提高,，數(shù)億輛電車利用峰谷電價差來儲能并反向回供電網(wǎng),，基本可以實現(xiàn)零成本用車甚至盈利，同時也能解決電網(wǎng)的調(diào)峰問題,?！贝送?，王鵬還認為要重新思考“數(shù)據(jù)網(wǎng)”和“電力網(wǎng)”的分布式聯(lián)動與微觀布局協(xié)同。他指出,，為滿足短期內(nèi)快速增長的人工智能推理算力需求,，除了在西部可再生能源豐富的地區(qū)布局大型算力中心，實現(xiàn)“東數(shù)西算”,；也需要考慮在東部需求側(cè)的數(shù)據(jù)中心和算力中心附近,，積極布局分布式可再生能源，如與城鄉(xiāng)建筑,、農(nóng)業(yè)設施等結(jié)合的分布式BIPV（光伏建筑一體化）,、光儲直柔一體化等?！岸疫€要‘源網(wǎng)荷儲’一體化考慮,，盡可能通過微電網(wǎng)實現(xiàn)就地峰谷平衡，減少棄風棄光,?！薄斑@需要電價政策、基礎設施建設,、政策支持和用戶行為等多方面的配合,。”在王鵬看來,，整個算力網(wǎng)絡,、輸電網(wǎng)絡、分布式能源網(wǎng)絡,，與車輛（充電）網(wǎng)絡的高度耦合,，或許是解決我國未來AI能耗問題的關鍵?！霸诳紤]投入和產(chǎn)出算總賬的情況下,，AI實際上進一步提高了社會的生產(chǎn)效率，降低了能耗,?！碧镓S認為，AI作為新質(zhì)生產(chǎn)力正在賦能經(jīng)濟社會發(fā)展,，如今的AI大模型已經(jīng)成為重要的基礎科研設施,，其訓練中的投入，最終將為全社會帶來新質(zhì)生產(chǎn)力的紅利,。目前,，在AI大模型的訓練成本中，能源消耗成本的占比已經(jīng)超過一半,。田豐說,，從基礎科研的角度看,，要繼續(xù)加大對AI技術的投資，“現(xiàn)在是奮起直追的時候,，不應該自束手腳”。具體到AI耗能方面,，他建議,，可以給予大模型訓練一定的能源支持政策。中青報·中青網(wǎng)見習記者 賈驥業(yè) 記者 朱彩云 來源：中國青年報來源：中國青年報