AI进步的代价:ChatGPT每日耗电量超 50 万度,能源问题会限制AI发展?

多客科技

作者：草莓科技谈
[img=1028.02001953125,901.3499755859375]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqRYRIHibSR4QB1pDRiatrImTPRwdrQt2q3tjoVIDge6Ev31Cbne8ouNlg/640?wx_fmt=jpeg[/img]
   

在数字化和人工智能技术迅速发展的今天，AI模型如ChatGPT的影响力日益扩大，成为全球科技界的焦点。随着这些技术的普及和应用，人们越来越关注它们对能源的巨大需求。据《纽约客》的报道，ChatGPT每日耗电量惊人，超过了50万度，这个数字远远超出了普通美国家庭的用电量。这一耗能水平引起了公众对于AI技术发展可持续性的担忧。如此高的能源消耗不仅对环境构成威胁，还可能在未来成为限制AI技术进步的瓶颈。这种情况下，对于AI技术能耗的深入分析显得尤为重要。   

[img=1186.6800537109375,1010.679931640625]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqcFwRC49iawD1NQicMqRGz1y1AAvkEhvuDicXgt9XcJfd1H0pH9TRiaUfbw/640?wx_fmt=jpeg[/img]
   

AI技术与能耗关系的复杂性   

[img=1034.6800537109375,922.6799926757812]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqLMRicPIvgNwDrJPX0IrtblMT1v86ic9hYYHNZoibxsRIML9ic1F8xJUstA/640?wx_fmt=jpeg[/img]
   

在讨论人工智能（AI）技术与能耗的关系时，必须考虑多个方面。不同AI模型的能耗和碳排放差异极大。以BERT模型为例，其能耗的估计值存在较大的误差空间。这一点可以从Strubell等人在2019年的研究中得到佐证，他们的工作指出了深度学习模型在训练过程中的巨大能耗。这些估算往往是基于理论计算而非实际测量，真实的能耗可能远低于预测值。这种差异受多种因素影响，包括芯片设计、冷却系统以及数据中心的整体设计。例如，使用最新的芯片技术，如NVIDIA的最新GPU，可以显著降低能耗。GoogleDeepMind的AlphaGoZero在2017年击败世界围棋冠军，引发了对AI能耗的广泛讨论，尽管实际用电量并没有公开透明地报告。   

[img=1162.6800537109375,969.3499755859375]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqhFX8J7ib80AbuJ90YicdhdE0mt3k7km4sjHXFkhpdXW6pd5I9LECiaOpw/640?wx_fmt=jpeg[/img]
   

公众对AI能耗的关注与误解   

[img=1070.6800537109375,910.6799926757812]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqjhWNJLByn2PlWsl94FMFRR3gq74YWh84lFxLQ7CWqG72DrjGfVUR1g/640?wx_fmt=jpeg[/img]
   

公众对于人工智能的能耗问题充满关注，但这种关注往往是基于不完整或不准确的信息。媒体报道往往会引用如OpenAI发布的论文中提到的巨大能耗数字，这些数字强调了大规模AI模型训练的高成本，但未必反映了实际情况。科技名人如埃隆·马斯克对AI能耗问题的言论也影响了公众的看法。他在多个场合表达了对AI发展对能源的巨大需求的担忧，然而这些言论并没有提供完整的数据支持。结果，这可能导致了公众对AI能耗问题的误解和过度担忧。事实上，AI领域的许多专家正在研究如何优化算法和硬件设计，以减少能源消耗，这些努力在实际应用中已经取得了一定成效，比如使用AI来改进数据中心的能耗效率，如DeepMind与谷歌合作优化其数据中心的冷却系统，从而节省能源。   

[img=1029.3499755859375,893.3499755859375]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIqxKicxPXd1CNg2VnwDzg9X7WW61ueNPCyFfiaEy82GTmQt7WFoa28P93g/640?wx_fmt=jpeg[/img]
   

基础设施成本约束AI能耗增长受到基础设施建设成本的显著限制。例如，据报道，构建和维护数据中心所需的巨额资金投入限制了无限扩张。数据中心的电力需求已成为全球电力消耗的一个不可忽视的部分。Google曾公布，其数据中心在2018年的能耗为10.1TWh，凸显了基础设施的能耗巨大。   

[img=1010.6800537109375,924.010009765625]https://mmbiz.qpic.cn/mmbiz_jpg/cCXK4T9j93XGs9QvkXSb30hPdJZVGFIq8CbwaE4awSibHXKJYiaGL3iaHNhQ2SPDa6ArNPX1qDdr7MtBGxWDcv3Jg/640?wx_fmt=jpeg[/img]
   

性能增长的边际效应AI能耗的增长还受到性能增长所带来的边际效应的制约。根据摩尔定律，虽然芯片性能每18至24个月翻倍，但这一增长速度正逐渐放缓。Intel等芯片制造商也面临物理极限挑战，导致性能提升带来的能效改进幅度有限。

软硬件性能提升AI能耗上升也被软硬件性能提升所限制。随着AI算法和硬件的持续进步，如NVIDIA发布的AI专用GPU，以更高的效率执行AI任务，有效降低了单位任务的能耗。例如，NVIDIA的VoltaGPU比前代产品能效提升了5倍，表明硬件创新可显著降低AI的能耗。

优化视频通话减少实体会议需求AI技术通过优化视频通话以减少实体会议的需求，展现了降低碳排放的潜力。Zoom等视频通讯平台在2020年疫情期间大幅减少了全球旅行，据统计，Zoom每天的会议参与人数从2019年底的1000万增长到2020年4月的3亿，从而减少了大量的旅行相关碳排放。

电网调度和气候数据分析AI在电网调度和气候数据分析方面也展现了减少碳排放的潜力。例如，谷歌旗下的DeepMind与英国电网合作，使用机器学习预测电力需求与供应，提高了电网运行效率，减少了化石燃料的使用。利用AI分析气候数据帮助更精准地预测可再生能源产出，从而更好地调整电网负荷，减少对化石燃料的依赖。

在深入探讨人工智能（AI）的能耗问题时，我们必须摒弃基于简单估算的误解，转而追求更为精确的测量和评估。虽然AI的能耗在某些报道或研究中被过分夸张，但这不应成为限制其在应对环境挑战中潜力的理由。AI能耗评估的复杂性要求我们考虑芯片设计、冷却系统等多种影响因素，认识到不同AI模型之间在能耗和碳排放上的巨大差异。同时，媒体和公众对AI能耗的关注往往受到技术名人预言和投资行为的影响，负面信息的传播可能加剧了公众的担忧。

我们还必须从全生命周期的视角来看待AI的能耗，识别出在训练阶段和推理过程中的能耗差异，以及不同类型任务对耗电量的影响。历史经验表明，基础设施成本、性能增长的边际效应以及软硬件性能的提升等因素，都在一定程度上限制了AI能耗的增长。

值得注意的是，AI在减少碳排放方面具有巨大的潜力。通过优化视频通话减少实体会议的需求，或者在电网调度和气候数据分析中的应用，AI可以帮助我们实现更为绿色的未来。为此，我们应当制定标准和提高透明度，鼓励公开能耗信息。同时，考虑到AI法规可能带来的影响，我们应当谨慎行事，利用AI的力量帮助政府和企业运作实现低碳化。   

通过这些措施，我们不仅能够确保AI技术的可持续发展，还能最大化其在减少碳排放和促进环境保护方面的贡献。因此，准确评估AI能耗并确保公开透明度，是我们实现这些目标的关键步骤。