张佳欣

在弗吉尼亚州卡尔佩珀县，牛的数量几乎是当地人口数量的三倍，空气中弥漫着干草和粪肥的味道。这里的农场大多由家庭经营，绿树成荫、农田交错，呈现出一派田园风光。但这一古老宁静之地却正在经历21世纪的变化。

过去几年，为了扶持生成式人工智能（AI）的发展，该县批准了七个大型数据中心的建设。这些数据中心将支持AI模型训练，并为全球海量查询提供服务，但同样面临巨大的能源消耗问题。每个数据中心的能耗相当于数万户家庭用电量，不仅增加了居民的电费开支，还对电网构成巨大负担。

与传统AI相比，生成式AI的能耗更高，促使科技公司大规模扩建数据中心来应对日益增长的需求。然而，在这方面，企业并未提供透明的信息，导致研究者难以准确评估这一过程对环境的影响。据英国《自然》杂志报道，不少研究人员正在探索AI实际能源需求的具体细节，希望通过各种方法提升能效。

按市场进行估算

荷兰阿姆斯特丹自由大学研究员以及 Digiconomist 公司创始人亚历克斯·德弗里斯利用基于供应链或市场的估算方法研究了英伟达一款服务器的功耗，并据此推算出该款服务器一年的能耗。接着，他根据特定任务所需此类服务器的数量来进行估计

德弗里斯计算了将生成式人工智能整合到谷歌搜索引擎中所需的能源消耗。如果把类似ChatGPT的人工智能整合进谷歌引擎的话，他估计需要4万台英伟达A100服务器以及大量的电力消耗来运行这些服务器每年大约会耗费230亿至290亿千瓦时的电量。私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596他还计算了在每次使用谷歌搜索引擎进行查询的情况下，通过AI服务器执行请求所需的平均能量耗用来衡量这种能源消耗的程度。如果把人工智能整合到Google搜索中，那么每天处理高达90亿次查询的请求，根据他在论文中的统计数据，这比通常情况下运行普通搜索引擎会耗费的能量高出23倍到30倍。

采用这种方法进行估计虽然直觉上较为合理，但却忽视了计算能力成本下降的趋势。过去的五年中，AI的训练费用已经降低了80%，而芯片的能耗在过去一年里就已经提升了35%。

美国能源研究公司SemioAnalysis 表示，最佳评估生成型AI能耗的方法依然是跟踪服务器的发货量以及它的用电需求。

从下往上进行测试

更准确的自下而上的测验方法正变得越来越流行。这一测试理念在于，用户提出一个命令，比如请求创建图形文件或者进行文字聊天等任务，然后系统会在完成任务后估计用户用于该任务所需的电力消耗量。

研究人员发现不同的任务所需的电力不同。平均计算下来，文本提示生成一幅图象大约要消耗0.5千瓦时的电力，相比起来，智能手机充满电需要大约22千瓦小时。

然而这种方法也有一些固有的限制性。比如，谷歌的定制处理器，如张量处理单元，其能源消耗数据仍然是隐藏在“黑箱”中的。

预测充满不确定性

国际能源署预计2022年数据中心用电量为240太瓦时至340太瓦时，占全球需求的1%-1.3%。但随着生成式AI的普及，这一数据将可能继续上升。然私家侦探，侦探公司，调查公司，查人找物，商务调查，出轨外遇调查，婚外情调查，私人调查，19209219596而，在电力需求预计到2050年增长80%以上的大背景下，数据中心的能耗占比仍然较小。

不过，《自然》杂志指出，人工智能对能源的影响在地方和区域层面将最为严重。以美国弗吉尼亚州为例，数据中心已占该州总用电量的4.4%，预计到2028年可能翻倍甚至翻3倍，达到总用电量的7%至12%。该州电力基础设施正面临巨大压力，部分数据中心项目因供电不足而被迫延期

那么，AI的需求量可能会下降吗？这个议题似乎仍然很难给出一个明确的答案。

独立研究者乔纳森·库米表示，在许多情况下，AI能耗预测是建立在简单假设之上的，而且由于科技公司的自我宣传和夸大了对能源的需求，这一问题尤为明显。所以，人工智能耗能预测的最大难题是它的不稳定性。

此外，AI的进步可能会带来所谓的“杰文斯悖论”。这意味着，虽然生产率的提高可以节约更多资源，但这种进步可能导致对自然资源的需求量也相应增加。

未来的解决方案需要跨领域、跨越时空和政策的创新，或许卡尔佩珀县牧民的做法能够提供启示：就像他们世代遵循的轮牧制度一样，土地休养生息。数字文明同样也需要建立一种“能源轮牧”机制，即在算力扩张与电网承载力之间找到动态平衡，这也是解决全球性问题亟待解决的问题。