“大口吃电”的人工智能

众所周知，机器学习需要消耗大量的能源。算力是人工智能世界发展的基础，而算力的瓶颈归根到底是电力，那些训练聊天机器人、为文本生成视频提供动力的人工智能模型，几乎以每小时兆瓦为单位，产生巨额的服务器用电账单。

Digital Information World发布的报告显示，数据中心为训练AI模型产生的能耗是常规云工作的三倍，预计到2030年，美国数据中心的电力需求将以每年约10%的速度增长。

而训练模型，将比传统数据中心活动消耗更多电力，对电力的需求更高。以训练GPT-3大型语言模型为例，需消耗接近1,300兆瓦时的电力，这大约相当于130个美国家庭1年的用电量，而这仅仅是训练AI模型的前期电力，仅占模型实际使用时所消耗电力的40%。

据报道，2023年1月，OpenAI仅一个月已耗用可能等同17.5万个丹麦家庭的全年用电量。谷歌AI每年耗电量达2.3太瓦时，相当于美国亚特兰大州所有家庭1年的用电量。

阿姆斯特丹自由大学博士生Alex de Vries推算认为，到2027年，人工智能行业每年的电量消耗可能在85到134太瓦时之间。这几乎相当于荷兰一个国家年度电力需求，这是个相当可观的数字。

国际能源署（IEA）最近的一份报告也给出了类似的结论，指出由于人工智能和加密货币的需求，数据中心的用电量将在不久的将来大幅增加。该机构表示，2022年数据中心的能源使用量约为460太瓦时，到2026年可能会增加到620至1,050太瓦时之间，分别相当于瑞典或德国的能源需求。

随着人工智能产业的发展，电力消耗可能会更大。同时，随着人工智能的盈利，其研发公司对大模型训练的细节信息——什么样的硬件，运行多长时间等，越发保密。

人工智能公司Hugging Face的研究员Sasha Luccioni表示，对于ChatGPT，我们不知道它有多大，不知道基础模型有多少参数，也不知道它在哪里运行......研发公司的保密行为可能出于行业竞争考虑，也可能是为了转移公众的“批评”。

一些参与人工智能的公司声称，人工智能技术本身可以帮助解决高电耗问题。代表Microsoft的发言人表示，人工智能“将成为推进可持续发展解决方案的有力工具”，并强调Microsoft正在努力实现“到2030年实现负碳、正水和零浪费的可持续发展目标”。

但是一家公司的目标无法涵盖整个行业的全部需求，可能还需要其他方法。Luccioni建议行业为AI模型引入能源之星评级，使消费者能够像比较电器一样比较人工智能的能源效率。

人工智能带来的种种创新功能，都是以处理性能和功耗方面的高昂成本为代价，它并不是免费的。