人工智能加速数据中心能源使用，给电网带来压力，并减缓可持续发展进程
人工智能热潮对大型科技公司产生了深远的影响，导致它们的能源消耗以及碳排放量激增。ChatGPT 等大型语言模型的巨大成功推动了能源需求的增长。非营利研究公司电力研究所 (Electric Power Research Institute) 的数据显示，每条 ChatGPT 请求需要 2.9 瓦时，人工智能查询所需的电量约为传统谷歌查询的 10 倍。音频和视频生成等新兴人工智能功能可能会增加这种能源需求。
人工智能的能源需求正在改变能源公司的考量。他们现在正在探索以前无法实现的选项，例如重启三哩岛核电站的核反应堆，该反应堆自1979年那场臭名昭著的灾难以来一直处于休眠状态。
几十年来，数据中心一直在持续增长，但在大型语言模型尚处于起步阶段的时代，增长幅度却异常惊人。人工智能需要的计算和数据存储资源远远超过人工智能出现之前的数据中心增长速度所能提供的资源。
人工智能和电网
得益于人工智能，许多地方的电网已经接近其容量上限或容易出现稳定性问题，现在正承受着比以前更大的压力。计算增长与电网增长之间也存在相当大的滞后。数据中心需要一到两年才能建成，而为电网增加新电力则需要四年以上的时间。
美国电力研究所 (Electric Power Research Institute) 最近发布的一份报告指出，仅 15 个州就拥有全美 80% 的数据中心。一些州（例如数据中心巷所在地弗吉尼亚州）的电力消耗量超过 25% 令人吃惊。世界其他地区也出现了类似的集群数据中心增长趋势。例如，爱尔兰已成为数据中心国家。
人工智能对电网和气候产生了巨大影响。
除了需要增加发电量以维持这种增长之外，几乎所有国家都制定了脱碳目标。这意味着他们正在努力将更多可再生能源整合到电网中。风能和太阳能等可再生能源是间歇性的：风不会一直吹，太阳也不会一直照耀。廉价、绿色和可扩展的能源储存的缺乏意味着电网面临着更大的供需匹配问题。
数据中心发展面临的其他挑战包括提高效率而越来越多地使用水冷，这会给有限的淡水资源带来压力。因此，一些社区正在抵制新的数据中心投资。
更好的技术
业界正采取多种方式应对这场能源危机。首先，计算硬件在每瓦功耗执行的操作方面多年来已大幅提高能效。数据中心的能源使用效率（衡量计算与冷却和其他基础设施所消耗的电力之比的指标）已平均降至1.5 ，在先进设施中甚至降至令人印象深刻的 1.2。新数据中心通过使用水冷和外部冷空气（如果有）实现了更高效的冷却。
不幸的是，单靠效率并不能解决可持续性问题。事实上，杰文斯悖论指出了效率如何导致长期能源消耗增加。此外，随着行业达到芯片技术扩展的极限，硬件效率的提高已大幅放缓。
为了继续提高效率，研究人员正在设计专用硬件（如加速器）、新集成技术（如3D 芯片）以及新芯片冷却技术。
同样，研究人员也在不断研究和开发数据中心冷却技术。电力研究所的报告支持新的冷却方法，例如空气辅助液体冷却和浸入式冷却。虽然液体冷却已经进入数据中心，但只有少数新数据中心实施了仍在开发中的浸入式冷却。
灵活的未来
构建人工智能数据中心的一种新方法是灵活计算，其关键思想是在电力更便宜、更可用和更环保时进行更多的计算，而在电力更昂贵、更稀缺和更污染时进行更少的计算。
数据中心运营商可以将其设施转换为电网的灵活负载。学术界和业界已经提供了数据中心需求响应的早期案例，数据中心根据电网需求调节其电力。例如，他们可以将某些计算任务安排在非高峰时段。
实现更广泛、更大规模的电力消耗灵活性需要在硬件、软件和电网数据中心协调方面进行创新。特别是对于人工智能，有很大空间可以开发新策略来调整数据中心的计算负载，从而降低能耗。例如，数据中心可以在训练人工智能模型时降低准确度以减少工作量。
实现这一愿景需要更好的建模和预测。数据中心可以尝试更好地了解和预测其负载和状况。预测电网负载和增长也很重要。
电力研究所的负荷预测计划涉及帮助电网规划和运营的活动。数据中心和电网的全面监控和智能分析（可能依赖人工智能）对于准确预测至关重要。
在边缘
美国正处于人工智能爆炸式增长的关键时刻。将数百兆瓦的电力需求整合到已经紧张的电网中极其困难。也许是时候重新考虑该行业如何建设数据中心了。
一种可能性是可持续地建设更多边缘数据中心（规模较小、分布广泛的设施），将计算能力带入当地社区。边缘数据中心还可以可靠地为密集的城市地区增加计算能力，而不会进一步增加电网压力。虽然这些较小的中心目前占美国数据中心的 10%，但分析师预测，未来五年小规模边缘数据中心的市场将增长20%以上。
随着将数据中心转变为灵活且可控的负载，边缘数据中心领域的创新可能会使人工智能的能源需求更加可持续。
页:
[1]