人工智能发展与全球能源危机：电荒来临了么？

导读：人工智能的快速发展，给人类社会带来巨大变革。但在近期，数位科技大佬同时疾呼“新的能源危机正在到来”，人工智能的能源消耗究竟多大？能源危机究竟来源哪里？社会各界又将如何去应对即将面临的能源危机？

一、人工智能正在面临能源危机：预警

随着ChatGPT、Sora相继的惊艳亮相，谷歌、Meta等科技巨头们纷纷加大了在生成式人工智能研发和应用领域的投入。这给人工智能领域带来了诸多新的发展机遇，但发展背后大量的能源消耗，也引发了全球研究人员、监管机构和行业巨头们对未来能源供应的担忧。无论是OpenAI首席执行官萨姆·奥特曼、特斯拉首席执行官埃隆·马斯克，还是英伟达 （NVIDIA）创始人黄仁勋，在近期都频频预警人工智能行业所面临的能源危机。

在2024达沃斯世界经济论坛年会上，萨姆·奥特曼表示：人工智能行业正在走向能源危机，下一波生成式人工智能系统将消耗比预期更多的能源，而能源系统将难以应对。在博世互联世界2024大会上，埃隆·马斯克表示：我在一年多前就预测过芯片短缺，下一个短缺的将是电力。我认为明年将没有足够的电力来运行所有的芯片。这不是埃隆·马斯克第一次试图引起各界对于缺电危机的关注。去年，在xAI团队的发布会和PG&E主办的创新峰会上，马斯克都表达了他对电力供应的担忧，表示这可能阻碍AI的发展。据北极星储能网报道，英伟达CEO黄仁勋在一次公开演讲中指出，AI未来发展与光伏和储能紧密相连。

二、人工智能的能源消耗究竟有多大：猛兽

据国际能源署（IEA）统计，2022年全球数据中心消耗了大约460太瓦时(TWh)的电力，占全球总需求的2%。到2026年，预计这一数据将达到至620- 1050太瓦时之间（图1）。在数据中心领域，传统数据中心的耗能依旧是最大的，但随着生成式人工智能引爆全球，大模型数量激增加上ChatGPT使用率飙升，AI电力消耗大幅增加，推动了数据中心耗电量快速抬升。据《纽约客》杂志披露，OpenAI旗下聊天机器人ChatGPT日耗电量高达50万千瓦时，以应对每日约2亿用户请求。

同时，谷歌等科技巨头正在将生成式AI融入其核心服务，这将进一步推高电力需求。据科研机构 Digiconomist 创始人Alex de Vries发表在《Joule》的论文估计，一个标准的谷歌搜索消耗0.3 Wh的电力，而人工智能驱动的谷歌搜索消耗2.9 Wh的电力，拥有十倍的差距。到2025年，据《纽约时报》援引全球数据中心标准组织之一“国际正常运行时间协会”的预测，AI业务在全球数据中心用电量中的占比，将从2%猛增到10%，这与IEA的预测结果十分相近（图2）。

图1（来源：IEA）

图2（来源：IEA）

通过对比不同的参照物，能更好的理解AI行业的电力能耗。与美国家庭相比，《纽约客》杂志报道称，据国外研究机构的报告，每一个美国家庭的平均用电量为29度，而ChatGPT每天要响应大约2亿个请求，在此过程中消耗超过50万度电力，这意味着，ChatGPT每天用电量相当于1.7万个美国家庭的用电量。与汽车能耗相比，根据斯坦福人工智能研究所发布的《2023年人工智能指数报告》，GPT-3单次训练耗电量高达1287兆瓦时，这相当于3000辆特斯拉同时跑30多公里。更甚者，与国家能耗相比，2023年10月，Alex de Vries发表在《Joule》杂志上的论文表明，到2027年，AI服务器所消耗的用电量约为85-134太瓦时，将等同于荷兰全国的能源需求量。参数更多、功能更为强大的人工智能给人类的能源供应带来更大的压力。这意味着在几年内，随着人工智能系统的发展，要实现向全面智能时代过渡，甚至建成元宇宙，需要消耗的能源数量难以估计。

三、人工智能的能源消耗在了哪里？

在深度学习领域，设计一个模型，需要对模型进行参数量以及计算量的评估。为了获得更优的智能表现，AI模型逐渐朝着大型化方向发展，学习数据呈指数级增长，参数也越来越多：GPT-3.5 训练参数为1750亿，GPT-4为1.8 万亿，亚马逊发布的全新大模型Olympus参数高达2万亿。大多数数据中心使用图形处理单元（GPU）来训练AI模型，这些组件是芯片行业制造的最耗电组件之一。随着模型大型化的趋势，参数量和计量的增长，训练和调试的能源消耗不断攀升。

在训练之后，将模型部署到生产环境中，并开始推理阶段。Alex De Vries在《The growing energy footprint of artificial intelligence》中引用 SemiAnalysis 及谷歌的报告指出，相较于训练一个AI模型，推理环节是更耗电的阶段。研究公司SemiAnalysis表示，OpenAI公司需要3617台英伟达的HGX A100服务器，总共28936个图形处理单元（GPU）来支持ChatGPT，这意味着每天的能源需求就要达到564兆瓦时，这要比训练阶段的能源需求高得多。

此外，该论文还指出全球人工智能用电量的消耗与服务器相关。现阶段，英伟达在全球人工智能芯片市场的份额预计最高已经达到了90%，并且大模型对芯片的需求还在增加。例如，OpenAI使用了约1万颗英伟达GPU来训练GPT-3.5模型。为此，英伟达的供应商、芯片制造商台积电（TSMC）正投资兴建的新工厂扩充CoWoS先进封装产能，这对于交付英伟达所需的芯片至关重要。论文指出到2023年，英伟达的 Al 服务器出货量可能达到 150 万台，而这些机器的总电力需求可能达到9.75-15.3 GW。

四、人工智能能源危机的根本

（一）电力供应

全球不稳定的能源供应结构是，企业家们产业危机感的首要原因。IEA在《2023年电力市场报告》中指出，2022年至2025年期间，全球煤炭和天然气发电量预计将大致持平。化石燃料发电量的趋势仍然受到全球经济发展、天气事件、燃料价格和政府政策的影响。2022年俄乌冲突后天然气价格飙升，相对较高的天然气和液化天然气价格上涨促使全球掀起了一股转用煤炭作为发电燃料的浪潮。这加剧了化石燃料的供应形势，同时与全球低碳发展的愿景背道而驰。

核电是一种重要的低排放电力来源，约占全球发电量的10%。可以帮助能源部门更快、更安全地摆脱无节制的化石燃料。但出于对安全和废料的担忧，某些国家仍在限制核电。2011 年日本福岛第一核电站大地震后发生的事故以及2023年日本核污水的排放破坏了公众和某些政治体对核电的信任，核电投资受到严重影响，同时发达经济体在成本、性能、安全和废物管理方面还面临诸多困难。法国大量核电厂停产检修，德国和比利时的机组退役，以及乌克兰产量减少。

可再生能源占全球发电量的近 30%。由于极端天气事件，许多地区出现了热浪和干旱，导致水力发电量大幅下降。这凸显了气候模式变化对电力系统的潜在影响，因为水力发电量低会对剩余的可调度常规机组造成额外压力，并增加电力供应成本。风能和太阳能光伏是最主要的可再生能源形式，随着可变可再生能源在发电总量中所占比例的增加，将其成功纳入电力系统将变得越来越具有挑战性。为了平衡可变发电，除了扩大储能容量和提高需求方灵活性外，拥有足够的可调度容量也至关重要。

图3（来源：IEA）

（二）电网安全

集聚性发展AI产业和脆弱的电网系统，是企业家们产生危机感的第二层原因。一是密集的数据中心的区域分布特点，与分散部署的可再生能源电网系统不匹配。IEA数据显示，全球8000个数据中心中有33%位于美国，16%在欧洲，近10%在中国。随着太阳能光伏和风能等可变可再生能源比例的增加，需要各国加速对配电网进行现代化改造，并建立新的输电走廊，以连接远离城市和工业区等需求中心的可再生资源，如沙漠中的太阳能光伏发电项目和海上风力涡轮机。同时，电力系统需要变得更加灵活，以适应输出的变化。

图4（来源：IEA）

二是AI产业涌入大量的投资与几乎没有变化的电网投资不匹配。尽管电力需求增长强劲，能源获取需求旺盛，发达经济体的电网投资稳步增长，但需要加快步伐，并且除中国以外的新兴经济体和发展中经济体近年来的电网投资在下降。电网投资不足的一个突出问题就是电网的老化。由于审批程序复杂，缺乏投资吸引力等原因，美国输变电主网一度处于停滞状态。美国能源部数据显示，美国电网投资在1975-1999年逐年下降，平均每年下降8600万美元，直到2005年才恢复到1975年的投资水平。这导致了美国老化严重的电网，使许多地区面临电力短缺的风险。美国能源部在2015年的电网基础设施审查中发现，美国70%的输电线路已经使用了25年以上，而线路的使用寿命通常为50年。该部门2014年的报告表示，美国变压器的平均使用年限达到38年，其中70%的变压器使用年限超过25年。

五、人工智能能源危机的破局

（一）能源突破：核能才是未来？

无论是可再生能源还是化石能源，在稳定度和能量密度方面均不如核能，这种差距在人工智能高速发展、能耗巨大的未来会更加明显。因此，与其他巨头青睐可再生能源不同，OpenAI 和微软押注的便是核聚变。2021年，奥特曼向美国私有核聚变公司Helion Energy投资了3.75亿美元。微软也表示已与核聚变初创公司Helion Energy签订电力采购协议，将在2028年采购由该公司生产的电力，未来几年将用核聚变为微软提供能源。这笔交易是微软对迄今尚未商业化的核聚变投下了一张“信任票”。实际上，微软持续在推动将核能为其数据中心提供能源，该公司在第28届联合国气候变化大会上发布了关于先进核能和核聚变能源的政策简报，表示先进核能和核聚变技术潜力巨大，它们可以提供安全、可靠、可扩展的无碳电力，并与可再生能源互相补充，满足世界各地不同的能源需求。

（二）技术创新：技术路线如何选取？

实际上全球科技巨头很早就意识到，再先进的算力，再快速的发展，在能源危机面前都难以为继，想要能源突破必须寻求技术创新。在达沃斯世界经济论坛年会，奥特曼表示：“公平地来说，AI的发展将需要大量能源，但我坚信这会迫使我们更多地投资于能够提供这种能源的技术。”奥特曼也指出这种技术是核聚变技术。技术路线上，微软更青睐小型模块化反应堆（SMR），因其占地面积较小，安装灵活，无需频繁地更换燃料，比大型动力反应堆更便宜；SMR不仅适用于传统的发电厂，还特别适合部署于能源需求日益增长的数据中心。2023年12月，微软聘任了两位核能相关经理，负责领导SMR和微反应器集成的技术评估，旨在利用核能为微软云和人工智能所在的数据中心提供动力。除了科技企业，SMR完美符合高能量密度、灵活安装、便宜等能源需求，中、英、美均在紧密布局。

（三）电网部署：系统性规划提上日程？

电网安全不仅涉及电网企业，还与政府主管部门、发电企业、设备厂商、应急供电服务商和用户等主体密切相关。政府需要进一步将输配电网的规划契合并融入政府的长期宏观规划进程，同时要加强电力系统和经济不同部分的规划协调以及区域协调。在电网无法保障供应安全的情况，市场正出现转向离网供应的趋势。《华盛顿邮报》表示，随着越来越多的公司对美国电网的堵塞感到沮丧，他们已更多地转向离网的分布式能源。微软和谷歌等公司希望，能源密集型工业运营最终可以由现场的小型核电站提供动力。建设连接可再生能源的电网需要与改善现有基础设施都需要新技术的支持以及大量资金的投入。此外，电力系统将需要更大的灵活性以确保可变可再生能源能够可靠、有效地集成到电力系统中，储能被视为推动可再生能源有效整合的解决方案之一。腾讯表示，为持续提升可再生能源利用比例，将部署数据中心屋顶光伏，探索新能源微网技术，建设储能电站，搭载智慧能源管理系统。

（四）战略合作：如何形成国际共识？

能源供应危机除了受到全球经济发展、天气事件、成本价格等影响以外，更重要是地缘政治战略和国家政府政策的影响。以上文提及的SMR为例，与传统反应堆相比，SMR需要更多的高浓缩铀燃料“HALEU”，而俄罗斯是HALEU的全球主要供应国。美国的科技巨头企业需要思考的是未来如何在国家战略安全和人工智能发展之间寻求一种平衡。出于对安全和废料处理的考量，许多国家淘汰了核电政策，在 2017 年初开始建设的 31 座反应堆中，除 4 座外，其余均为俄罗斯或中国设计。但现在许多国家已经预见到核电的必要性，希望核电发挥作用，开始宣布了投资核电的计划。英国、法国、中国、波兰和印度最近都宣布了能源战略，其中包括大力发展核电。

（五）环境监管：重新审视环境影响？

2月1日，马萨诸塞州参议员爱德华·马基领导的美国民主党人提交了《2024年人工智能环境影响法案》。该法案要求美国国家标准与技术研究所与学术界、行业和公民社会合作制定评估人工智能环境影响的标准，预示着对AI行业的环境监管已经箭在弦上。之前，各界重点关注的是人工智能产业巨大的碳排放量对于环境的污染，如何实现减排、绿色、抵消成为解决人工智能环境问题的关键。如今，人工智能的能耗危机正在到来。人工智能发展过程中，不仅耗电，数据中心服务器运行的过程中会产生大量热量，水冷是服务器最普遍的方法，这就导致了巨大的水资源消耗。为此，我们急需重新审视AI的能耗和未来几年的发展，并对政策制定者提出建议，在保证能源供应人工智能发展的同时，降低企业和公众对AI能耗的担忧。

声明：本文转自数字经济智库评论，作者赵晨野。本文版权归原作者所有，不代表本网站观点，仅供学习交流之用，不做商业用途。如文中的内容、图片、音频、视频等存在第三方的在先知识产权，请及时联系我们删除。