科技日報記者 張佳欣

在美國弗吉尼亞州的卡爾佩珀縣，牛的數量幾乎是人口數量的3倍，空氣中彌漫著干草和糞肥的氣味。這里的大農場大多數仍由家庭經營，廣袤的森林與田園風光交相輝映。然而，這片寧靜的鄉村正經歷著21世紀的巨變。

過去幾年，為支持生成式人工智能（AI）的發展，該縣批準了7個大型數據中心的建設項目。這些數據中心將為AI模型訓練和全球海量查詢提供支持，但也面臨巨大的能源消耗問題。每個數據中心的用電量堪比數萬戶家庭用電量，不僅推高了居民用電成本，還對電網造成很大壓力。

生成式AI比傳統AI耗能更多，促使科技公司投入巨資擴建數據中心。但是，這些公司在AI能耗方面缺乏透明度，使得研究人員難以準確評估其影響。英國《自然》雜志報道稱，不少研究人員試圖通過各種方法來探索AI的實際能源需求。

基于市場實施估算

荷蘭阿姆斯特丹自由大學研究員、Digiconomist公司創始人亞歷克斯·德弗里斯，利用基于供應鏈或市場的估算方法研究了英偉達一款服務器的功耗，并據此推算出其一年的能耗。然后，他根據特定任務所需此類服務器總數來進行估計。

德弗里斯估算了谷歌搜索使用生成式AI所需的能源。如果將類似ChatGPT的AI整合到谷歌搜索中，將需要40萬至50萬臺英偉達A100服務器，這些服務器每年耗電量將達230億至290億千瓦時。預計谷歌每天處理多達90億次搜索，通過AI服務器進行的每次搜索請求需要7至9瓦時的能源。據谷歌2009年的一篇博客文章中的數據，這比普通搜索的能耗高出23倍至30倍。

這種估算方法雖然直觀，卻忽略了算力成本下降趨勢。過去5年AI訓練成本已下降了80%，芯片能效每年提升35%。

美國能源分析公司SemiAnalysis表示，評估生成式AI能耗的最佳方法仍然是監測服務器的發貨量及其電力需求。

自下而上進行實測

更精確的自下而上測量法正在興起。這種測試方法的理念是，用戶提交一個提示，例如生成圖像的請求或文本聊天請求，運行結束后，它會估算出用戶所使用的硬件消耗了多少能源。

研究人員發現，不同的任務需要不同的電力。平均而言，根據文本提示生成圖像消耗約0.5瓦時的電力，而生成文本則略少。相比之下，現代智能手機充滿電可能需要22瓦時。

但這種方法也存在先天局限。比如，谷歌的張量處理單元等專有芯片的能耗數據仍被鎖在“黑箱”之中。

預測存在不確定性

國際能源署估計，2022年，數據中心的用電量為240太瓦時至340太瓦時，占全球需求的1%—1.3%。但隨著生成式AI的普及，這一數字可能進一步上升。然而，相比于全球電力需求預計到2050年增長80%以上的趨勢，數據中心的能耗占比仍相對較小。

不過，《自然》雜志指出，AI對能源的影響在地方和區域層面將最為嚴重。以美國弗吉尼亞州為例，數據中心已占該州電力消耗的4.4%，預計到2028年可能翻倍甚至翻3倍，達到總用電量的7%至12%。該州的電力基礎設施正面臨巨大壓力，部分數據中心項目因供電不足而被迫延期。

那么，AI的電力需求會下降嗎？這一問題目前似乎還難以回答。

獨立研究員喬納森·庫米指出，許多預測基于簡單假設，且科技公司可能夸大需求。因此，AI能耗預測的難點在于其不確定性。

此外，AI技術進步也可能引發“杰文斯悖論”，即效率的提升并不必然導致資源消耗的減少，反而可能因為成本降低和應用范圍擴大，刺激需求增長，最終導致資源消耗總量增加。

未來的解決方案需要跨越技術、政策和倫理的多維創新。或許卡爾佩珀縣的牧民們能給出啟示：就像他們世代遵循的輪牧制度，讓土地休養生息。數字文明也需要建立“能源輪牧”機制，即在算力擴張與電網承載力之間找到動態平衡，而這也是亟待解決的全球性問題。