今天小編分享的科技經驗：ChatGPT一年電費高達2億元，AI 為何如此耗電？，歡迎閲讀。
（來源：由 AI 生成的圖片）
随着 ChatGPT 引發新一輪人工智能（AI）熱潮，而其背後帶來的能耗問題也持續引發關注。
今年 4 月 10 日，芯片巨頭 Arm 公司 CEO 哈斯（Rene Haas）公開表示，包括 ChatGPT 在内的 AI 大模型需要大量算力，預計到 2030 年，AI 數據中心将消耗美國 20% 至 25% 的電力需求，相比今天的 4% 大幅增加。
公開數據顯示，目前，ChatGPT 每天需要處理超過 2 億次請求，其電量消耗高達每天 50 萬千瓦時。一年時間，ChatGPT 光電費就要花 2 億元人民币。
這意味着，ChatGPT 日耗電量是普通家庭的 1.7 萬倍以上。（美國商業用電一度約為 0.147 美元也就是 1.06 元，相當于一天 53 萬元）
據荷蘭咨詢機構負責人 Alex de Vries 預計，到 2027 年，AI 行業每年将消耗 850 億 ~1340 億千瓦時的電力，相當于瑞典或荷蘭一個歐洲國家一年的總用電量。
馬斯克判斷，電力缺口最早可能會在 2025 年發生，" 明年你會看到，我們沒有足夠電力來運行所有的芯片 "。
OpenAI CEO 奧爾特曼（Sam Altman）也預計，AI 行業正在走向能源危機，未來 AI 技術發展将高度依賴于能源，人們也需要更多的光伏和儲能產品。
這一切都顯示出，AI 即将引爆全球新一輪 " 能源戰争 "。
不止是芯片，AI 還被能源 " 卡脖子 "
過去 500 多天裏，ChatGPT 引發全球新一輪 AI 大模型和算力需求熱潮。
微軟、谷歌、Meta、OpenAI 等多家全球科技巨頭開始瘋搶 AI 芯片，甚至親自下場 " 造芯 "，總規模超過數十萬億元美金。
實際上，AI 本質上是一種計算機技術和處理信息的技術，背後則需要大量 GPU 芯片，更底層則是大量電能、水力、風能、資金等資源的支持。
早在 1961 年，在 IBM 公司工作的物理學家拉爾夫 · 蘭道爾（Rolf Landauer）發表了一篇論文，提出了後來被稱為 " 蘭道爾原理 "（Landauer's Principle）的理論。
這一理論認為，計算機中存儲的信息發生不可逆的變化時，會向周圍環境散發一點點熱量，其散發的熱量和計算機當時所處的温度有關——温度越高，散發的熱量越多。
蘭道爾原理連接起了信息和能量。更具體地説，它連接到了熱力學第二定律上。因為邏輯上不可逆的信息處理操作，也就意味着湮滅了信息，這會導致物理世界中熵的增加，從而消耗能量。
這一原理自提出以來遭受過不少質疑。但近十幾年來，" 蘭道爾原理 " 已被實驗證明。
2012 年，《自然》雜志發表了一篇文章，研究團隊首次測量到了一 " 位 "（bit）數據被删除時釋放的微量熱量。後來的幾次獨立實驗，也都證明了 " 蘭道爾原理 "。
過去 10 多年間，現代電子計算機在計算時實際消耗的能量，是蘭道爾理論值的數億倍。而科學家們一直在努力尋找更高效的計算方法，以降低成本。
如今，AI 大模型爆發，它确實需要大量計算。因此，AI 不止被芯片 " 卡脖子 "，還被能源 " 卡脖子 "。
馬斯克近期也在 " 博世互聯世界 2024" 大會上表示，一年多以前，短缺的是芯片，明年你會看到電力短缺，無法滿足所有芯片的需求。
中國科學技術信息研究所人工智能中心副主任李修全也表示，近年來， AI 大模型規模、數量都在高速增長，也帶來對能源需求的快速增加。盡管短期内還不會很快出現 " 缺電 " 等問題，但未來大規模智能化時代來臨後的能源需求激增不容忽視。
AI 大模型質量的關鍵在于數據、算力和頂尖人才，而高算力的背後，是靠着數萬張芯片晝夜不停的運轉支撐。
具體來説，AI 模型算力的工作過程大致可以分為訓練、推理兩個階段，能源消耗也是如此。
其中，在 AI 訓練階段，首先需要收集和預處理大量的文本數據，用作輸入數據；其次，在适當的模型架構中初始化模型參數，處理輸入的數據，嘗試生成輸出；最後，通過輸出與預想之間的差異反復調整參數，直到模型的性能不再顯著提高為止。
從訓練 15 億參數的 GPT-2，到訓練 1750 億參數的 GPT-3，OpenAI 模型背後的訓練能耗十分驚人。公開信息稱，OpenAI 每訓練一次需要 128.7 度電，相當于 3000 輛特斯拉同時跑 32 公裏。
據研究機構 New Street Research 估計，僅在 AI 方面，谷歌就需要大約 40 萬台伺服器，每天消耗 62.4 吉瓦時，每年消耗 22.8 太瓦時的能源。
而在推理階段，AI 則會先加載已經訓練好的模型參數，預處理需要推理的文本數據，再讓模型根據學習到的語言規律生成輸出。谷歌稱，從 2019 年到 2021 年，AI 相關能源消耗 60% 都來自推理。
據 Alex de Vries 估算，ChatGPT 每天大概要響應大約 2 億個請求，耗電量超過 50 萬度，按照一年電費就是 2 億元人民币，比每個美國家庭的平均日用電量高 1.7 倍。
SemiAnalysis 報告稱，使用大模型進行問題搜索所消耗的能源是常規關鍵詞搜索的 10 倍。以谷歌為例，标準谷歌搜索使用 0.3Wh 電力，而大模型每次互動的耗電量為 3Wh。如果用户每次在谷歌搜索都使用 AI 工具，每年大約需要 29.2 太瓦時的電力，也就是每天約 7900 萬度。這相當于給全球最大的摩天大樓，迪拜的哈利法塔，連續供電超過 300 年。
另據斯坦福人工智能研究所發布的《2023 年 AI 指數報告》顯示，每次 AI 搜索的耗電量大約為 8.9 瓦時。相比普通谷歌搜索，加入 AI 的單次耗電量幾乎是一般搜索的 30 倍。而一個高達 1760 億參數的模型，光是前期訓練階段就得用掉了 43.3 萬度電，相當于美國 117 個家庭一年的用電量。
值得注意的是，在 Scaling Law（縮放規律）之中，随着參數規模不斷躍升，大模型性能也不斷提升，而對應的是，能耗也會越來越高。
因此，能源問題已經成為 AI 技術持續發展的關鍵 " 桎梏 "。
GPT 每天消耗 50000 升水，電和水是 AI 兩大能源需求
AI 不僅是 " 耗電狂魔 "，更是 " 吞水巨獸 "。
其中，在電力方面，除了上述信息外，據國際能源署 ( IEA ) 數據顯示，2022 年，全球數據中心消耗約 460 太瓦時的電量 ( 相當于全球總需求的 2% ) ，随着生成式 AI 飛速發展，這一數字到 2026 年可能膨脹至 620 至 1050 太瓦時。
Alex de Vries 預計，到 2027 年，AI 伺服器所消耗的用電量将等同于荷蘭全國的能源需求量。最壞的情況就是，僅谷歌一家公司的 AI 就可以消耗與愛爾蘭等國家一樣多的電力。
IBM 高級副總裁達裏奧 · 吉爾曾表示，"AI 能耗 " 是非常重要的挑戰。生成式 AI 的高性能伺服器的持續運行，将導致數據中心一半以上的電力消耗都被 AI 占據。據悉，預計到 2025 年，AI 業務在全球數據中心用電量中的占比将從 2% 猛增到 10%。
那麼，水能呢？大模型背後需要數據中心、雲基礎設施的支持，那就需要大量的 " 液冷 " 進行散熱。
得克薩斯大學的一份研究指出，作為 ChatGPT 背後的重要支持力量，微軟的 Microsoft Azure 雲數據中心光是訓練 GPT-3，15 天就用掉将近 70 萬升的水，相當于每天花銷約 50000L 水。
同時，ChatGPT 每回答 50 個問題就要消耗 500 毫升水。公開信息稱，2022 年微軟用水量達到 640 萬立方米，比 2500 個奧林匹克标準遊泳池的水量還多。
美國加州大學河濱分校副教授任紹磊團隊預計，到 2027 年，全球 AI 可能需要 4.2-66 億立方米的清潔淡水量，這比 4-6 個丹麥、或二分之一的英國的一年取水總量還要多。
除了數據中心，内置的 GPU 芯片也是能源消耗的重點領網域之一。今年 3 月，英偉達發布史上性能最強 AI 芯片—— Blackwell GB200，宣稱是 A100/H100 系列 AI GPU 的繼任者，性能相比 H100 提升 30 倍，但能耗卻降低了 25 倍。
上個月，黃仁勳的一句 "AI 的盡頭是光伏和儲能 " 更是在網絡瘋傳。盡管有網友扒出原視頻稱，黃仁勳本人并未説過這句話，更沒有提及 " 光伏和能源 "，但 AI 能耗嚴重，卻是擺在公眾面前的事實。
國際能源機構（IEA）在一份報告中強調了這個問題，全球 AI 數據中心的耗電量将是 2022 年的十倍，并指出部分原因在于 ChatGPT 這樣的大模型所需的電力，遠高于谷歌等傳統搜索引擎。
不過，值得注意的是，由于科技巨頭們并未正式披露過 AI 使用中的電力消耗數據，因此，目前關于 AI 耗電量的數據多為估算，并不一定是非常準确的數據。美國信息技術與創新基金會（ITIF）曾指出，個别不準确的研究高估了 AI 能耗。AI 訓練是一次性事件，它的使用是長期過程。人們應關注 AI 能耗的長期影響，并非爆發式增長。
有專家認為，目前大模型訓練成本中 60% 是電費，能源開支已經嚴重制約着大模型的迭代更新。
金沙江創投主管合夥人朱嘯虎近日也表示，可控核聚變實現前，我們并沒有足夠的算力實現真正的 AGI。幫人類降低 90% 的工作可能未來 3 到 5 年可以實現，但最後的 10% 可能需要大量的算力和能耗。
如何解決 AI 能耗之困？硬體優化和核聚變或是重要手段
雖然黃仁勳也非常擔憂能源供給，但他卻給出了一個更樂觀的看法：過去 10 年，AI 計算提高了 100 萬倍，而它消耗的成本、空間或能源并未增長 100 萬倍。
美國能源情報署發布的長期年度展望中估計，美國目前電力需求的年增長率不到 1%。而按新能源公司 NextEra Energy CEO 約翰•凱徹姆（John Ketchum）的估計，在 AI 技術的影響下，這一電力需求年增長率将加快至 1.8% 左右。
波士頓咨詢集團的報告則顯示，2022 年，數據中心用電量占美國總用電量（約 130 太瓦時）的 2.5%，預計到 2030 年将增加兩倍，達到 7.5%（約 390 太瓦時）。這相當于約 4000 萬個美國家庭的用電量，即全美三分之一家庭的用電量。該集團還預計，生成式 AI 将至少占美國新增用電量的 1%。
這意味着，即使數據中心、AI 新增用電量并不小，但還遠不到毀天滅地的地步。
而在成本方面，國際可再生能源署報告指出，過去十年間，全球風電和光伏發電項目平均度電成本分别累計下降超過了 60% 和 80%。上述業界人士也介紹説，" 光伏的綜合成本跟火電差不多，風電一半區網域的綜合成本比火電低了。"
因此，随着 AI 技術一路狂飙，我們又将如何應對即将到來的能源需求熱潮？
钛媒體 App 根據一些行業專家的觀點總結來看，目前解決 AI 能耗問題有兩種方案：一是可以通過大模型或 AI 硬體優化降低能耗；二是尋找新的能源，比如核聚變、裂變資源等，以滿足 AI 能耗需求。
其中，在硬體優化方面，對于能耗較高的萬億級 AI 大模型，可以通過算法和模型優化，壓縮模型 token 大小及復雜度，以降低能源消耗規模；同時，企業也可以持續開發和更新能耗更低的 AI 硬體，如最新的英偉達 B200，AI PC 或 AI Phone 終端等；此外，通過優化數據中心的能效，提高電源使用效率，以降低能源消耗。
對此，中國企業資本聯盟副理事長柏文喜表示，未來，還需要進行技術創新和設備更新，以進一步提高發電效率、提高電網輸送能力和穩定性、優化電力資源配置、提高電力供應的靈活性、推廣分布式能源系統并減少能源輸送損耗，以此來應對算力發展帶來的能源需求挑戰。
中國數據中心工作組（CDCC）專家委員會副主任曲海峰認為，相關行業應該要重視提升數據中心用電能效，而不是抑制它的規模。數據中心并非要減少對能源的消耗，而是要提升能源消費的質量。
而在開發核聚變能源方面，由于可控核聚變由于原料資源豐富、釋放能量大、安全清潔、環保等優勢，能基本滿足人類對于未來理想終極能源的各種要求。
核聚變的能量來源目前主要有三種：宇宙能源，即太陽發光發熱；氫彈爆炸（不受控核聚變）；人造太陽（受控核聚變能源裝置）。
據統計，當前世界共有 50 多個國家正在進行 140 餘項核聚變裝置的研發和建設，并取得一系列技術突破，IAEA 預計到 2050 年世界第一座核聚變發電廠有望建成并投入運行。
這種核聚變發電，将大大緩解全球因 AI 大模型需求造成的能源短缺情況。
2023 年 4 月，奧爾特曼就 " 未雨綢缪 "，以個人名義向核聚變初創公司 Helion Energy 投資 3.75 億美元（約合人民币 27.04 億元），并擔任公司董事長。同時，去年 7 月，奧特特曼還通過旗下公司 AltC 與其投資的核裂變初創公司 Oklo 合并，斬獲了一個估值約為 8.5 億美元（約合人民币 61.29 億元）的 IPO，ALCC 最新市值超過 400 億美元。
除了奧爾特曼這種重金投資核聚變公司，亞馬遜、谷歌等科技巨頭則直接大手筆采購清潔能源。
據彭 * 博數據顯示，僅在 2023 年，亞馬遜就購買了 8.8GW（吉瓦）的清潔能源電力，已經連續第 4 年成為全球最大的企業清潔能源買家。Meta（采購 3GW）和谷歌（采購 1GW）等科技公司則位列其後。
亞馬遜稱，其 90% 以上的數據中心電力都來源于清潔能源產生的電力，預計能在 2025 年實現 100% 使用綠色電力。
實際上，以美國為例。清潔能源、AI、數據中心、電動汽車、挖礦等多種產業的增長，讓原本陷入停滞的美國電力需求再度 " 起飛 "。但即使被譽為世界上 " 最大的機器 "，美國電網也似乎無法應對這突如其來的變化。
有分析師指出，美國 70% 的電網接入和輸配電設施已老化，某些地區電網傳輸線路不足。因此，美國電網需要大規模更新，如果不采取行動，到 2030 年美國将面臨一道難以逾越的國内供應缺口。
相對于美國，中國則對能源需求表達樂觀态度。"AI 再耗電，中國的體量和能力足以支撐，現在不進行大規模開發，是因為沒需求。" 一位風電行業人士表示，中國可規劃的容量足夠大，AI 要是有大量電力需求，我現在就能上項目當中去工作。
目前，中國風電、光伏產品已經出口到全球 200 多個國家和地區，累計出口額分别超過 334 億美元和 2453 億美元。
随着 AI 呈現爆發式增長，這場中美 AI 產業角逐，已經從大模型技術比拼，更新成為一場算力、能源、人力等多方位争奪戰。
随着核聚變能源或将到 2050 年落地，人類期望終結 AI 能耗這一具有挑戰性難題，進入無限發電時代。
（本文首發钛媒體 App，作者｜林志佳。張盈對本文亦有貢獻）
