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

　　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%@*。

　　(作者系中国宏观经济研究院能源研究所研究员)

　　作者：崔成

　　来源：经济日报