随着人工智能技术快速发展，人工智能（AI）大模型的运行消耗问题受到越来越多关注。大模型为何成了耗能大户？能耗问题会不会成为人工智能发展的“绊脚石”？如何解决能耗问题？

  耗电耗水量大

【资料图】

  人工智能大模型到底有多耗能？据斯坦福人工智能研究所发布的《2023年AI指数报告》，AI大语言模型GPT-3一次训练的耗电量为1287兆瓦时，大概相当于3000辆特斯拉电动汽车共同开跑、每辆车跑20万英里所耗电量的总和。报告同时提出，AI大语言模型GPT-3一次训练，相当于排放了552吨二氧化碳。

  国外研究显示，一次标准谷歌搜索耗电0.3瓦时，AI大语言模型ChatGPT响应一次用户请求耗电约2.96瓦时，在AI大模型驱动下的一次谷歌搜索耗电8.9瓦时。

  除了耗电，另有研究显示，AI大语言模型GPT-3在训练期间耗水近700吨，每回答20个至50个问题就要消耗500毫升水。弗吉尼亚理工大学研究指出，Meta公司在2022年使用了超过260万立方米的水，主要作用是为数据中心提供冷却。

  据了解，人工智能大模型GPT-4的主要参数是GPT-3的20倍，计算量是GPT-3的10倍，能耗也随之大幅增加。

  华泰证券研报预测，到2030年，中国与美国的数据中心总用电量将分别达到0.65万亿千瓦时至0.95万亿千瓦时、1.2万亿千瓦时至1.7万亿千瓦时，是2022年的3.5倍和6倍以上。届时，AI用电量将达到2022年全社会用电量的20%和31%。

  为何如此耗能

  为什么人工智能大模型如此耗能？AI技术迅速发展，对芯片的需求急剧增加，进而带动电力需求激增。同时，对AI进行大量训练，也意味着需要更强的算力中心和与之匹配的散热能力。在AI快速迭代的道路上，电力和水资源的消耗也在快速增加。因为很多数据中心全年无休，发热量巨大，大规模电耗和水耗主要来自于冷却需求。

  相关统计显示，数据中心运行成本的六成是电费，而电费里的四成多来自冷却散热，相应也会带来巨量冷却水的消耗。风冷数据中心六成多的耗电量都会用在风冷上，只有不到四成电力用在实际计算上。如今，全球数据中心市场耗电量是10年前的近10倍。

  能耗问题会不会成为人工智能发展的“绊脚石”？英伟达首席执行官黄仁勋曾提到，AI和算力耗能巨大，但由于计算机性能飞速增长，计算会更加高效，相当于更节省能源。当前，我国实施严格的能耗双控政策，无论是AI大模型本身还是其应用行业，对单位GDP能耗来说均有明显降低作用。

  从整体能耗来看，AI大模型带来的效率提升也会抵消一部分能耗增长。随着绿电广泛应用，再加上我国逐步由能耗双控向碳排放双控政策转变，可再生能源对未来AI大模型发展的支撑能力也会越来越强。

  此外，相较于其他国家而言，中美等能源消费大国和数据大国，具备更好发展AI大模型的资源条件和基础。

  怎样应对挑战

  据预测，到2025年，AI相关业务在全球数据中心用电量中的占比将从2%增加至10%。到2030年，智能计算年耗电量将达到5000亿千瓦时，占全球发电总量的5%。因此，在大力发展AI大模型的同时，必须提前做好相关规划布局，以提供必要的电力和水资源等技术支撑。

  有专家认为，人工智能的未来发展与状态和储能紧密相连。因此，不应仅关注计算力，而是需要更全面地考虑能源消耗问题。OpenAI创始人奥尔特曼认为，未来AI技术取决于能源突破，更绿色的能源尤其是核聚变或更便宜的太阳能以及储能的可获得性，是人工智能发展快慢的重要因素。

  为降低电力和水资源消耗，很多企业在尝试采用各种方法为数据中心散热。例如，微软曾尝试部署海下数据中心，脸书（Facebook）数据中心选址北极圈附近，阿里云千岛湖数据中心使用深层湖水制冷等，我国很多企业则把数据中心布局在水电资源丰富的西南地区。

  目前，可通过算法优化、开发和使用更高效的AI专用硬件、调整神经网络训练过程以优化计算资源等技术方式来降低AI大模型的能耗，并更多采用自然冷却、液冷、三联供、余热回收等新兴节能技术，提高制冷效率以降低数据中心能耗。从技术未来发展方向上看，光电智能芯片也有助于解决AI大模型的电耗和水耗问题。

  AI大模型的发展，不能仅符合高端化、智能化的要求，更要符合绿色化的发展要求。为此，从国家和地方层面上看，为缓解AI大模型发展所带来的电力和水资源冲击，有必要将数据中心行业纳入高耗能行业管理体系，并提前做好相关规划布局。同时，加强资源整合，充分发挥人工智能大模型和数据中心的效能，通过使用效能下限设置等方式，确保其自身的电力和水资源使用效率。还应严格落实国家能耗双控及碳排放双控政策，并将其碳足迹与水足迹纳入行业考核范围，切实推动碳足迹与水足迹逐步降低，以应对日益增长的AI大模型电力和水资源需求。

关键词：