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