AI 日益增长的能源消耗引发担忧

近年来，人工智能 (AI) 取得了重大进展，彻底改变了人机交互并实现了复杂任务。然而，随着 AI 能力的扩展，其能源消耗也在增加，引发了对其环境影响和经济影响的担忧。

AI 技术的快速扩张

在 AI 领域，简单的任务（如打开电灯开关）已经演变为具有巨大资源影响的复杂交互。Kate Crawford 和 Vladan Joler 在 2018 年的分析中强调，即使是平凡的 AI 交互也涉及错综复杂的资源提取、人力劳动和算法处理网络。多年来，AI 交互所需的能源和计算资源激增，超过了摩尔定律预测的增长速度。

2021 年的一项研究揭示，在短短六年内，用于训练自然语言处理和其他应用的大型深度学习模型的计算能力增加了 30 万倍，超过了摩尔定律的速度。与 AI 相关的能源消耗，特别是在数据中心，已成为一个重大担忧。

AI 飙升的能源消耗

准确估算 AI 的电力消耗具有挑战性，使得难以衡量问题的全部程度。然而，最近的报告揭示了能源消耗的规模。例如，Google 报告称，AI 占其 2021 年总电力消耗的 10% 到 15%，相当于每年约 2.3 太瓦时，与亚特兰大这样规模的城市相当。

此外，如果像 ChatGPT 这样的 AI 系统用于每一次 Google 搜索，电力使用量可能会飙升至每年惊人的 29.2 太瓦时。对 AI 专用计算机芯片的需求（单个芯片现在以太弗洛普斯衡量，AI 服务器农场中有数千个芯片）增加了电力消耗。

领先的 AI 专用芯片制造商 Nvidia 预计到 2027 年每年将交付 150 万台 AI 服务器单元。然而，以满负荷运行这些服务器将每年消耗超过 85 太瓦时的电力，超过了许多小国家的能源需求。

OpenAI 首席执行官 Sam Altman 对 AI 不断增长的能源需求以及能源生产突破（如核聚变或更具成本效益且具备存储能力的太阳能）的需求表示担忧。

AI 能源消耗的经济影响

AI 的大量能源消耗转化为可观的成本，影响了其广泛的可访问性。虽然 Sam Altman 最初提到 ChatGPT 的成本是“每次聊天几分钱”，但仅 ChatGPT 的计算成本到 2023 年 2 月已达到每天 70 万美元。

如果将其外推到每天服务数亿用户的搜索引擎（如 Google 和 Bing），为提供高级 AI 模型访问权限所带来的经济负担便显而易见。与 AI 使用相关的高成本成为向公众提供最佳 AI 模型的障碍。

AI 硬件生产的挑战

AI 计算硬件的生产带来了一系列挑战，导致其稀缺和高成本。芯片生产始于将硅提炼到极高的纯度水平，这是一个能源密集型的工艺。光刻过程对于芯片图案化至关重要，促成了极紫外 (EUV) 光刻技术的发展，这是一种使用 13.5 纳米波长光的复杂且昂贵的技术。

EUV 光刻需要专门的组件，如高功率激光器和超光滑镜子。荷兰公司 ASML 是芯片生产用 EUV 光刻机的唯一生产商，这些机器的价格超过 1 亿美元每台。

全球供应链和能源强度

全球半导体行业已将大部分生产转移到亚洲，那里通常使用先进技术。从采矿、提炼到制造，芯片生产严重依赖能源密集型的基础设施，包括集装箱船和航空公司的运输。

这种全球供应链的复杂性和碳足迹仍然是向更可持续实践过渡的重大挑战。认为数据和半导体是“新石油”的说法具有误导性，因为它们依赖于廉价且丰富的能源资源才能具有价值。

虽然由数据和半导体驱动的 AI 可以提高能源效率，但要有效利用剩余能源，需要在经济原则上进行根本性转变。

AI 公司与数据货币化

主要的 AI 公司，如拥有 Echo 设备的 Amazon，越来越依赖用户数据来覆盖硬件和能源成本并产生利润。AI 交互（如语音命令）会产生有价值的数据点，将用户转化为消费者、资源和 AI 发展的贡献者。

数据货币化对于 AI 公司维持运营至关重要，这使得数据隐私和伦理成为 AI 生态系统中的关键问题。

AI 与能源消耗的未来

随着 AI 工业复合体的不断扩张，对其能源消耗和资源利用的担忧也在增加。OpenAI 首席执行官 Sam Altman 努力争取资金用于半导体制造工厂，凸显了 AI 领域对先进硬件的需求。

AI 的未来取决于为其能源需求找到可持续的解决方案，同时解决与硬件生产、供应链和数据隐私相关的挑战。随着 AI 继续改变人机交互，技术进步与环境责任之间的平衡变得日益重要。