施耐德电气在研究中警告，数据中心将“吞噬”电网

施耐德电气已警告政策制定者仔细引导 AI 数据中心的电力消耗，防止其失控。

随着 AI 数据中心对 AI 服务需求的激增，其能源消耗 据报道持续增加，这为 AI 公司寻找替代能源来源创造了空间。

数据中心可能会让其他人完全陷入黑暗

施耐德电气在它们的 报告 中提出了四种潜在情景，并建议遵循一些指导原则，以防止 AI 数据中心“吞噬”电网并使世界陷入黑暗。

该研究紧随上个月举行的 IEA 全球能源与 AI 大会。这项题为《人工智能与电力：系统动力学方法》的研究考察了与 AI 及其对能源消耗影响相关的新兴思想流派。

虽然关于生成式 AI 和电力消耗的报道很多，但施耐德电气的报告也同意之前的研究，即现有数据中心基础设施需要大量电力才能运行，因此需要更多资源来支持预计的 AI 采用激增。

预计对 AI 服务需求的增加以及随之而来的能源消耗增加也引起了人们对该技术对电网造成潜在压力的担忧。如果能源需求继续以这种速度上升，人们也担心可能对环境产生影响。

施耐德电气可持续发展研究所主任 Rémi Paccou 表示，该研究旨在探索潜在的未来，并帮助利益相关者应对前方的挑战和机遇。

“相反，我们希望它成为知情讨论和决策的起点。”

Paccou。

“我们提出我们的发现，理解 AI 是一个快速发展的领域，我们的知识在不断增长，”他补充道。

因此，施耐德电气提出了四种不同的情景，分别是可持续 AI、增长极限、无边界丰裕和能源危机。

施耐德电气预测从现在到 2030 年电力需求将增加

根据研究，施耐德电气提出的所有四种情景都指出，随着需求持续激增，2025 年至 2030 年期间的能源消耗将增加。然而，它们基于每个情景背后的某些假设而显著不同。

在可持续 AI 情景中，施耐德研究着眼于在消费上升的同时优先考虑效率的潜在结果，而增长极限情景则着眼于 AI 发展触及人类相关限制的受限路径。根据模型，可持续 AI 提供了一种更有希望的方法，将使电力消耗从 2025 年预期的 100 太瓦时 (TWh) 增加到 2035 年的 785 TWh。

在此情景下，从 2027 年到 2028 年，生成式 AI 推理将成为 AI 部门电力消耗的主要驱动力。还将转向更高效、能耗更低的模型。

根据报告，它“以 AI 基础设施和需求之间的共生关系为特征，其中效率和资源保护相互加强。”

其他情景如无边界丰裕着眼于不受限制增长的潜在风险，而能源危机情景则着眼于不均匀的能源需求和发电如何导致广泛短缺。

根据报告，AI 总能源将从今年基准的 100 TWh 增加到 2030 年的 510 TWh，但专用芯片制造拥堵和 LLM 数据短缺等挑战正在产生影响。

报告进一步指出，无边界丰裕情景反映了 AI 的持续快速发展将带来挑战，因为 AI 公司竞相建设更大、更先进的基础设施，超过了资源的可持续利用能力。

能源危机情景看到 AI 的快速增长导致其能源需求与经济的其它关键部门发生冲突，导致依赖 AI 的行业出现一些运营挑战。

在此情景下，能源消耗预计将在 2029 年达到峰值，达到约 670 TWh，然后在 2032 年降至 380 TWh，并在 2025 年再次降至 190 TWh。

施耐德针对潜在能源危机提供了一些建议

根据报告，缺乏协调的治理导致政策碎片化，这可能导致全球或局部能源赤字。

然而，施耐德的报告提供了一些关于可持续 AI 的建议，这些建议涉及三个领域——AI 基础设施、AI 开发、治理、标准和教育。

AI 基础设施推动下一代数据中心应使用最新的冷却技术、高密度计算和现代节能硬件（如 GPU 和 TPU）进行优化。

这也紧随报道之后，即 AI 数据中心消耗大量水来冷却 AI 服务器，据报道，Google、Microsoft 和 OpenAI 等科技公司在其数据中心的公用事业消耗量有所增加。

AI 开发下的建议建议通过模型剪枝、量化和轻量级架构等技术使模型更高效。

在治理、标准和教育方面，报告建议政策制定者制定和实施可持续 AI 实践（如能源效率和环境影响）的认证计划。一个强大的框架还将指导负责任的 AI 开发，并解决能源消耗、数据隐私和道德问题。