AI 革命及其能源影响

以 ChatGPT 为代表的生成式 AI 模型的兴起，开启了一个充满可能性的新时代。这些模型由深度学习驱动，并在海量数据集上进行训练，能够在短短几秒内完成从撰写学期论文到生成独特艺术作品等复杂任务。然而，能力越大，能源消耗越大，AI 的能源需求引发了对其环境影响的担忧。

AI 计算需求的激增

Alphabet 的 John Hennessy 估计，创建 AI 生成的内容（如艺术作品）所需的计算能力可能是标准互联网图像搜索的十倍。随着 AI 的普及和易用性不断提高，53 亿互联网用户利用 AI 能力所产生的集体能源需求成为了激烈争论的话题。关于 AI 环境影响的预测和观点各不相同，有些人担心这可能导致气候破坏，而另一些人则展望向清洁能源的更平稳过渡。

数据中心：AI 革命的核心

数据中心在 AI 的能源消耗中起着关键作用。这些被称为“超大规模”数据中心的庞大设施构成了互联网的骨干，处理和存储着海量的数字信息。要深入了解计算需求增加对电力消耗的影响，需要更仔细地审视数据中心，因为世界上几乎所有的互联网流量都经过这些设施。

当前数据中心的能源消耗

根据国际能源署 (IEA) 的数据，2021 年数据中心的电力消耗估计在 220 至 330 太瓦时 (TWh) 之间。为了便于理解，整个加利福尼亚州的年电力消耗约为 278 TWh。这些数字引发了人们对快速扩张的 AI 应用可能进一步影响数据中心电力需求的疑问。

估计和预测差异巨大

关于 AI 驱动的未来电力消耗的估计差异很大。有些人预测 AI 可能会消耗全球全部的能源供应，而另一些人则预计美国数据中心的到 2030 年的需求可能会翻一番以上。鉴于脱碳面临的更广泛挑战，这些预测令人担忧。然而，历史数据表明，过去的预测可能高估了数据中心的电力使用。

理解数据中心效率的一个关键因素是“电源使用效率” (PUE)。该指标衡量数据中心将电力转化为计算输出的效率。令人惊讶的是，尽管计算输出增加了六倍，存储容量增加了二十五倍，但全球数据中心的能源使用在 2006 年至 2018 年间仅增加了 6%。这种显著的效率提升归因于 PUE 的进步。

PUE 效率提升及近期的停滞

2019 年之前的 PUE 效率提升是显著的，但近年来这些改进停滞不前。如果效率提升停滞不前，而计算需求激增，可能会出现严重的能源消耗问题。这一潜在挑战强调了在数据中心增长与能源效率和可持续性之间取得平衡的重要性。

尽管存在担忧，但有一种乐观的观点认为数据中心可以为气候解决方案做出贡献。Google 的“数据故事讲述者”Barry Fischer 强调了数据中心采购可再生能源、满足其电力需求并为电网提供灵活性的潜力。此外，由数据中心支持的 AI 应用可以优化并加速清洁能源的转型。

脱碳与数据中心增长之间的紧张关系

脱碳目标与数据中心日益增长的电力需求之间已经出现了紧张关系。例子包括弗吉尼亚州的新数据中心导致意外的电力需求、为了在威斯康星州容纳数据中心而可能推迟燃煤电厂的退役，以及在马里兰州申请豁免备用柴油发电机的环境法规。这些情况凸显了数据中心增长对清洁能源努力带来的挑战。

需要关于数据中心能源使用的数据

由于缺乏关于数据中心能源使用的可靠信息，解决数据中心能源消耗的努力受到了阻碍。收集关于数据中心的准确数据对于预测、规划、监控和管理其环境影响至关重要。目前，数据中心的能源数据仍然碎片化且不完整。

尽管关于 AI 和数据中心环境影响的争论仍在继续，但解决这些挑战所需的政策工具已经存在。收集关于数据中心能源消耗的准确和全面数据是至关重要的一步。欧洲已经带头建立了数据中心能源性能和可持续性的详细报告要求，将于明年生效。美国也在考虑类似的立法。

AI 和数据中心的快速增长既带来了希望，也带来了危险。随着 AI 的普及，其能源消耗成为一个紧迫的问题。为了确保负责任的增长，政策制定者、行业利益相关者和研究人员必须共同努力，收集准确的数据，解决能源效率问题，并在 AI 的潜力与环境责任之间取得平衡。在这个不断变化的格局中，数据中心可以在塑造可持续和高效的未来方面发挥关键作用。