施耐德电气提醒政策制定者，要谨慎引导人工智能数据中心的电力消耗，防止其失控。.
据报道，由于人工智能服务需求激增，人工智能数据中心的能源消耗持续增长这为人工智能公司寻找替代能源创造了空间。
数据中心可能会让其他所有人陷入完全的黑暗之中。
施耐德电气在其报告提出了四种潜在情景，并提出了一些指导原则，以防止人工智能数据中心“吞噬”电网，使世界陷入黑暗。
这项研究是在上个月举行的国际能源署全球能源与人工智能大会之后开展的。该研究题为《人工智能与电力：系统动力学方法》，探讨了与人工智能及其对能源消耗的影响相关的新兴理论流派。.
虽然关于生成式人工智能和电力消耗的报道很多，但施耐德电气的报告也与之前的研究一致，即现有的数据中心基础设施需要大量的电力才能运行，因此需要更多的资源来支持预计的人工智能应用激增。.
预计人工智能服务需求将持续增长，随之而来的能源消耗也将增加，这引发了人们对该技术可能给电网带来压力的担忧。此外，如果能源需求继续以这种速度增长，也可能对环境造成影响。.
施耐德电气可持续发展研究所所长雷米·帕库表示，这项研究旨在探索未来的可能性，并帮助利益相关者应对未来的挑战和机遇。.
“相反，我们希望它能成为展开知情讨论和决策的起点。”
帕库。.
“我们提出研究结果时，充分认识到人工智能是一个快速发展的领域，我们的知识也在不断增长，”他补充道。.
因此，施耐德电气提出了四种不同的场景，分别是可持续人工智能、增长的极限、无界限的富足和能源危机。.
施耐德电气预测，从现在到2030年，电力需求将持续增长。
根据这项研究，施耐德电气提出的四种情景均表明，随着需求持续激增，2025年至2030年期间能源消耗将会增加。然而，由于每种情景所依据的一些假设不同，它们之间存在显著差异。.
施耐德电气的研究报告《可持续人工智能》着眼于在能源消耗不断增长的情况下，优先考虑效率提升的潜在结果；而《增长的极限》则着眼于人工智能发展受限于人类能力的路径。《可持续人工智能》提供了一种更有前景的方案，根据其模型预测，电力消耗量将从2025年的100太瓦时（TWh）增长到2035年的785太瓦时。.
在此情景下，从2027年到2028年，生成式人工智能推理将成为人工智能领域电力消耗的主要驱动因素。同时，也将出现向更高效、能耗更低的模型发展的趋势。.
报告指出，其特点是“人工智能基础设施与需求之间存在共生关系，效率和资源节约相互促进”。
其他情景，例如“无界限的富足”，着眼于不受控制的增长可能带来的风险；而“能源危机”则着眼于能源需求和生产不平衡如何导致大范围的短缺。.
报告显示，人工智能总能耗将从今年的基准值 100 太瓦时增加到 2030 年的 510 太瓦时，但诸如专用芯片的制造瓶颈和 LLM 数据短缺等挑战正在造成影响。.
报告进一步指出，“无界限的富足”情景反映出，人工智能的持续快速发展将带来挑战，因为人工智能公司竞相发展更大、更先进的基础设施，超过了资源可持续利用的能力。.
能源危机情景下，人工智能的快速发展导致其能源需求与其他关键经济部门发生冲突，从而给dent 人工智能的行业带来一些运营挑战。.
在这种情况下，能源消耗预计将在 2029 年达到峰值，达到约 670 太瓦时，然后在 2032 年下降到 380 太瓦时，并在 2025 年再次下降到 190 太瓦时。.
施耐德就潜在的能源危机提出了一些建议。
报告指出，缺乏协调的治理会导致政策碎片化，进而造成全球或局部地区的能源 defi。.
然而，施耐德的报告为可持续人工智能提出了一些建议，这些建议着眼于三个方面——人工智能基础设施、人工智能开发、治理、标准和教育。.
人工智能基础设施推动下一代数据中心采用最新的冷却技术、高密度计算以及现代节能硬件（如 GPU 和 TPU）进行优化。.
此前有报道称，人工智能数据中心正在消耗大量水来冷却人工智能服务器，谷歌、微软和 OpenAI 等科技公司据称都发现其数据中心的公用事业消耗量有所增加。.
人工智能开发方面的建议是，通过模型剪枝、量化和轻量级架构等技术来提高模型的效率。.
在治理、标准和教育方面，该报告建议政策制定者制定并实施可持续人工智能实践（例如能源效率和环境影响）的认证机制。一个健全的框架还将指导负责任的人工智能开发，并解决能源消耗、数据隐私和伦理问题。.
