ChatGPT導致能源危機？

朱秋雨

“AI的盡頭是光伏和儲能！我們不能只想著算力，如果考慮計算機，我們需要燒掉14個地球的能源。”近日，網傳英偉達創始人黃仁勛在公開場合發表了此番言論。

芯片大佬“能源危機”宣言一出，多個國內清潔能源股飄紅，同時揭開了生成式AI蓬勃發展被遮蔽的一面。據荷蘭數據科學家亞歷克斯·德弗里斯估算，到2027年，全球AI領域一年將消耗85—134太瓦時電量。這與荷蘭的年能源需求大致相同。

多個研究也指向了ChatGPT等生成式AI值得擔憂的一面。

牛津大學教授沃切特發現，每訓練一次ChatGPT，相當于約126個丹麥家庭1年的用電量。這僅僅是訓練AI大模型的前期電力，未包含模型實際使用推理時所消耗的電力。

國際能源署2024年的一份報告也預測，由于人工智能和加密貨幣的發展，全球數據中心的用電量不久后將大幅增加兩倍。該機構表示，2022年，全球數據中心的用電量約為460太瓦時，到2026年可能增至620太瓦時至1050太瓦時，分別相當于瑞典、德國的年用電量。

ChatGPT等生成式AI導致能源危機的消息甚囂塵上。但幾天后，黃仁勛的“信徒”們發現，這位科技圈大鱷從未說過“AI的盡頭是光伏和儲能”或類似的話。這位當紅科技人物表達了完全相反的意思。

更完整的版本是，黃仁勛說：“如果你假設計算機的速度永遠不會變快，你可能得出結論—我們需要14個不同的行星、3個不同星系、4個太陽為它們提供燃料。”

“但很明顯，計算機的架構正不斷進步。在過去十年，人類一大貢獻是將計算和人工智能的性能提高了100萬倍，但它所消耗的能源沒有隨之提高。”

被誤解的“名言”，將一個此前并不清晰的問題擺在人們面前：究竟，生成式AI消耗了多少電力和能源？這會威脅我們的未來嗎？

用電焦慮

黃仁勛的話雖然屬于謠傳，但此番論調已經在美國硅谷科技圈流行多時。

剛讓星艦進行第三次升空試飛的埃隆·馬斯克便是其中之一。不久前，他在博世互聯世界2024大會上說：“接下來，陷入短缺的將是電力。等到明年，我們將沒有足夠的電力來運行所有的芯片了。”

1月16日，OpenAI CEO山姆·奧特曼也在訪談中說道：在人工智能時代，世界未來將有兩種重要“貨幣”—算力和能源。“AI技術的發展將取決于能源突破。”

在科技名人的帶動下，生成式AI背后的能源問題引起了國際注意。

據《紐約客》消息，國外研究機構報告顯示，ChatGPT每天要響應大約2億個請求，在此過程中消耗超過50萬度電力。而美國家庭平均用電量只有29度，也就是說，ChatGPT每天用電量相當于1.7萬個美國家庭用電。

國際能源署也在報告中提及了人們即將面臨的“能源危機”。其報告指出，如果在谷歌搜索中融入AI，其用電量可能會增加十倍。

只是，當下對于AI大模型的耗電量，絕大多數停留在估算和預測的階段。這是因為科技公司各自投入大量資金在AI后，紛紛選擇對技術和細節進行保密。不同研究估算的方式不同，對比的坐標不同，也給人不同的心理沖擊。

中國數據中心工作組（CDCC）專家技術委員會副主任委員曲海峰告訴南風窗，生成式AI帶來的變化是—這類人工智能多使用性能較高的GPU卡進行計算。

而根據美國AI咨詢公司Formula Monks的說法，更先進的圖形處理器GPU屬于“能源密集型”。“GPU每個處理周期消耗的電量是CPU（中央處理器）的10～15倍。它們非常耗能。”

但曲海峰表示：“我國目前存量不超過30萬片高性能GPU卡，這點耗電量可以忽略不計。30萬片，一年也就耗個幾億度電而已。”

“推理是分布式的，今后可能10億人同時用。每個人即便是250瓦，也需要耗2500億瓦。”

盡管，中國科技從業者對我國算力資源的表述，也存在巨大差別。清華智能產業研究院院長張亞勤在2023年4月參加清華論壇說：“如果把中國的算力加一塊，相當于50萬塊英偉達A100。”AI公司曠視科技CEO印奇接受采訪時則說：中國目前可用作大模型訓練的A100總共只有約4萬塊。

如果照曲海峰的說法，以2023年中國全社會用電量92241億千瓦時換算，當下AI的耗電量占全國用電的不及萬分之一。

西安交大數字經濟研究院數字服務中心首席科學家、微品致遠CDO李家貴也告訴南風窗，AI的耗電量目前來看還不會對當下電力系統產生影響。只是，未來隨著訓練AI的智算中心發展，能耗還將進一步增長。

相比于大模型的訓練階段，李家貴認為，大模型在推理時的耗電量更值得關注。“AI的耗電在預訓練和推理都很大，但因為預訓練是一次性的，所以單次絕對規模很大，但占的比例不夠。”

但用于回答用戶每次需求的“推理”階段，他表示：“推理是分布式的，今后可能10億人同時用。每個人即便是250瓦，也需要耗2500億瓦。”

人工智能的B面

目前對AI耗能的擔心也許過早，但十分有必要。這讓人們意識到，大舉發展人工智能的B面，是我們的環境已經被迫承載了巨大消耗。

2021年，美國馬薩諸塞大學研究員以當時幾種大型AI大模型為例，發現該訓練過程排放超過62.6萬磅二氧化碳，幾乎是普通汽車壽命周期排放量的五倍（包括汽車的制造過程）。

美國科羅拉多大學和得克薩斯大學的研究人員，在論文《讓AI不那么渴》中寫道，微軟僅在訓練GPT-3時，就消耗了70萬升多的水。這足以生產370輛寶馬汽車，或者320輛特斯拉電動汽車。

原因是，用于訓練和支撐AI運行的數據中心，實際上便是堆滿一個個服務器的機房。而因為服務器長時間運作，無法中斷，經常可能過熱，這些數據中心尤其強調涼爽的環境。為此，各數據中心需要大量的水進行降溫，而且必須用干凈的淡水資源，以避免設備腐蝕或者細菌滋生。

中國數據中心節能委員會數據顯示，在數據中心，IT設備能耗占比最大，為45%。其次是空調系統，占比40%。以大熱的ChatGPT為例，加州大學的一個研究發現，每回答用戶20個問題，ChatGPT就需要消耗500多毫升水，用于冷卻硬件。

擁有20余年數據經驗的曲海峰也曾在采訪中表示，“相比其他行業，無論單位產能用電量，還是單位建筑面積耗電量，數據中心均已位居前列。按照8—10年運行周期計算，能源成本已占到數據中心總成本的一半左右，電費甚至比機房還貴。”

“它們就像一個個不冒煙的鋼廠，創造經濟價值的同時也帶來高能耗。”曲海峰比喻。

據新華社2023年報道，我國數據中心2020年用電量超過2000億千瓦，占全社會用電量的2.7%。預計到2025年，中國數據中心用電量將突破4000億千瓦時，占全社會用電量4.1%。高能耗的數據中心，變成了十足的“吃電”大戶。

但曲海峰告訴南風窗，當下數據中心耗能高，實際的利用率卻很低。“許多地方只是建了數據中心的建筑本體和一些機電和空調的設備而已，并不是意味著里面真正運行了IT系統。”這也導致了我國數據中心“服務器裝機率和計算服務資源被使用的比率非常低，造成了大量浪費”。

上述現象也被新華社在報道中“點名”。報道指出，我國大量數據中心服務器的CPU平均利用率僅為5%至10%，絕大多數時間處于低效的“空轉”狀態。一些地方甚至還沒搞清楚數據中心的原理，就盲目扎堆上項目。

解決之道

意識到了AI帶給環境和能耗壓力后，科技大佬與從業者們都在想解決之道。

李家貴介紹，為了節約能源，AI業界正在進行架構的創新。這是因為，人們發現，訓練以ChatGPT為大模型，要消耗大量算力，并不環保。許多公司開始追求用更少的訓練步數，訓練一個更大的模型。

一個比較熱門的方向是名叫MoE（Mixed Expert Model）的大模型。研究者發現，這個基于Transformer改進過的大模型在同等算力下訓練速度更快。而且它的擴展度高，允許模型在計算成本不變的情況下增加參數，使其擴展到非常大的模型。

在“源頭”上進行節流，是當下技術加速主義者擁抱的方向。對技術保持樂觀的一派相信，隨著技術的加速發展，許多事情在迭代中自然會找到答案。

曲海峰也認為，應理智看待AI耗電一事。他告訴南風窗，我國當下許多數據中心，都是在為互聯網平臺提供的社會服務運作，也就是“消費互聯網”買單。但真正能夠深入到產業互聯網，“在AI的用電量和計算量仍是偏低的”。

在更遙遠、全世界矚目的硅谷大佬圈，許多人早已“未雨綢繆”。

曲海峰同時認為，“我國每年浪費掉的電力以及沒有產生社會價值的用電量非常多”。如果在AI的耗電量上提高，“說明這個產業技術在發展，這些用能是高質量用能”。

如此估算下來，以ChatGPT日耗電50萬度估算，電解鋁的日耗電量相當于ChatGPT運行2900天。

“所以，不要去恐懼數據中心的用電量，我們要在意提升它的能效，而不是抑制它的規模。”曲海峰總結，“這就跟碳中和的道理一樣。我們并非要減少對能源的消耗，而是控制碳的排放量，提升能源消費的質量。”

短期來看，人類社會仍需要AI的發展，來為高質量的經濟發展和能源轉型鋪路。

不過，在更遙遠、全世界矚目的的硅谷大佬圈，許多人早已“未雨綢繆”。他們有著普通企業家難以企及的資本和起點，這些底氣讓他們試圖給全社會創造未來。

這其中最顯眼的，要屬引領這一代技術革命AGI信徒，OpenAI掌權者—山姆·奧特曼。

鼓吹能源危機的他，也的確在為他想象中的危機世界做準備。奧特曼個人職業生涯最大筆的投資，不是用來去火星或者造火箭，而是投資了兩家能源公司—Helion、Oklo。它們都在做著人類過去突破了幾十年年都沒法實現的事—核聚變。

這個技術的別名，叫人造太陽。也就是在地球模擬太陽上億攝氏度的環境，實現發電。

2023年，奧特曼在接受采訪時說：核聚變的潛力“巨大得令人難以置信”。“如果我們能夠真正實現豐富、廉價、安全、清潔能源的夢想，那么所有人的生活質量將會難以置信地提高。這就是為什么我這么長時間以來都對這兩個項目充滿熱情。”

除了奧特曼外，亞馬遜的創始人杰夫·貝索斯也向加拿大的核聚變初創公司General Fusion籌集了1.3億美元。類似的入局者還有彼得·蒂爾、比爾·蓋茨等科技大腕。他們共同相信，多年未實現的可控核聚變，有望在幾年內變成現實。

但一切都離落地還有漫長的距離。以奧特曼押注的Helion為例，雖然它已經可以通過核聚變產生能量，但還沒建造出能產生電力的裝置。這仍然是像賭局一樣的高風險賽道。

對此，奧特曼回應：“幾個月前，也有很多人對人工智能表示懷疑。”

毫無疑問，現在，人工智能掀起的浪潮，已經不止停留在人工智能本身了。