1.05萬億千瓦時(kW·h)！

　　這是國際能源署(International Energy Agency，以下簡稱“IEA”)日前發(fā)布的《電力2024》報告中，對2026年全球數(shù)據(jù)中心的最高總用電量作出的預測。1千瓦時就是1度電，“超過1萬億度電”，根據(jù)報告的估算，這些電量大約是整個日本全年的用電量。

　　數(shù)據(jù)中心、智算中心等算力基礎設施是人工智能(AI)的數(shù)據(jù)中樞和算力載體。隨著AI尤其是生成式人工智能(AIGC)和大模型技術的快速發(fā)展，算力需求激增，AI的能耗問題也越來越受到關注。在近段時間舉行的多場國際會議上，一些科技巨頭紛紛表達了對AI發(fā)展帶來的能耗問題的擔憂。

　　如何在提升智效的同時解決能耗難題，對AI行業(yè)來說，是一場“大考”。

　　AI在推理階段的耗能不容忽視

　　討論AI耗能的問題，不可避免地要談到AI大語言模型(以下簡稱“大模型”)。

　　“生成式人工智能是當前AI技術發(fā)展的重點。”騰訊研究院資深專家王鵬在接受中青報·中青網(wǎng)記者采訪時說。他表示，當前，生成式人工智能技術的基礎就是以數(shù)據(jù)和算力堆疊為標志的大模型，其訓練和應用需要大量的算力支持，“算力背后則是算力基礎設施耗電所帶來的巨大電能需求”。

　　全國政協(xié)委員、中國科學院計算技術研究所研究員張云泉指出，大模型的參數(shù)和數(shù)據(jù)規(guī)模越大，其智能效果就越好。在大模型中，“Scaling Laws”(規(guī)模效應)意味著當參數(shù)和數(shù)據(jù)規(guī)模大到一定程度時，大模型的智能表現(xiàn)將出現(xiàn)躍升，也就是“智能涌現(xiàn)”?！澳壳拔覀冞€沒看到‘智能涌現(xiàn)’的上限在哪。”

　　“一般來說，參數(shù)量越大，大模型的算力消耗就越大，其消耗的電能就越多。”王鵬表示，因為還沒達到上限，以OpenAI為代表的人工智能公司在“Scaling Laws”的驅(qū)使下，還在持續(xù)增加大模型的參數(shù)和數(shù)據(jù)規(guī)模，以求實現(xiàn)通用人工智能(AGI)的目標，造成短期內(nèi)算力需求和電能需求的巨大提升。

　　“因為GPT-3有1750億個參數(shù)，訓練用到了1024張英偉達A100芯片，所以業(yè)內(nèi)將其稱為‘千卡千參’?！鄙虦萍贾悄墚a(chǎn)業(yè)研究院院長田豐說，目前GPT-4、GPT-5等大模型都達到了“萬卡萬參”的規(guī)模，且訓練模型所用芯片也從英偉達A100更新到英偉達H100、B200，“參數(shù)量的激增將導致能耗顯著增加”。

　　除了模型訓練以外，AI在推理階段的耗能也不容忽視。“推理即大模型響應用戶需求的過程”，張云泉介紹，大模型單次響應用戶需求的耗電量并不大，“但隨著用戶規(guī)模的增加，耗電量也將不斷累積并增大?！?/p>

　　近日，源自美國的一則“如果將10萬塊英偉達H00芯片部署在同一地區(qū)進行模型訓練，會導致電網(wǎng)崩潰”的新聞引起社會關注。

　　多位專家在接受記者采訪時表示，AI導致電網(wǎng)崩潰的原因在于，大模型的訓練是階段性的工作，所用到的算力要集中在一個數(shù)據(jù)中心里，在有限時空范圍內(nèi)進行大模型訓練，會給局部電網(wǎng)帶來非常大的用電負荷。

　　“穩(wěn)定的電網(wǎng)系統(tǒng)中突然出現(xiàn)巨大負荷擾動，會對電網(wǎng)的穩(wěn)定和安全產(chǎn)生影響?！睆堅迫赋?，隨著大模型參數(shù)和數(shù)據(jù)規(guī)模的進一步增加，AI的能耗問題將越來越突出，尤其是對于電力供應緊張的國家和地區(qū)?！伴L遠來看，AI推理過程的耗能將越來越大；短期內(nèi)，大模型訓練的能耗則是最大的AI能耗增量?！?/p>

　　在王鵬看來，與家庭用電量相比，AI的耗電量顯得很大，但其在社會總用電量中的占比依然很小，“還遠沒有達到制造業(yè)用電的數(shù)量級”。

　　解決方案：技術創(chuàng)新與新能源

　　根據(jù)美國機構(gòu)Uptime Institute的預測，到2025年，AI相關業(yè)務在全球數(shù)據(jù)中心用電量中的占比將從2%增加到10%；到2030年，智能計算的年耗電量將占全球發(fā)電總量的5%。

　　“解決能耗問題，是AI技術發(fā)展的重要前提?！碧镓S對記者說，雖然目前AI的能源消耗還不至于引起大范圍“電荒”，但隨著AI的大規(guī)模應用，未來可能發(fā)生AI“缺電”的情況，需要尋找合適的解法，讓有限的電力能源可以容納更大的算力規(guī)模。

　　通過研究和實踐，人們對AI的了解逐漸增強，一系列解法隨之而來。從需求角度看，優(yōu)化大模型架構(gòu)、提升芯片效率和算力效率等，被認為是降低AI能耗的有效途徑。

　　張云泉表示，首先，可以設計AI模型訓練的專用芯片，其效率相較GPU(圖形處理器，現(xiàn)常用于AI計算)提升了10倍以上；其次，可以優(yōu)化AI模型的參數(shù)，很多小模型僅有幾十億的參數(shù)量，但已經(jīng)實現(xiàn)了和大模型一樣的效果；此外，還可以通過對推理過程進行優(yōu)化壓縮，設計專用推理芯片，進一步降低AI推理階段的能耗。

　　“大模型變小模型，目前降低能耗效果最好?！睆堅迫晕④?月底發(fā)布的自研小尺寸AI模型Phi-3為例介紹。據(jù)了解，Phi-3模型目前有3個版本，其中Phi-3 mini是一個擁有38億參數(shù)的語言模型，可部署在手機上，根據(jù)實驗和測試結(jié)果，其性能已經(jīng)可以與GPT-3.5等大模型相媲美。

　　在能源供應方面，訴諸多樣化的新能源供給、依靠國家進行宏觀調(diào)控與規(guī)劃等舉措，將有助于解決AI能耗問題。天使投資人、資深人工智能專家郭濤對記者表示，當前，新能源，包括太陽能、風能、水能等可再生能源，正逐漸成為數(shù)據(jù)中心的最佳能源選擇?！叭绻麤]有足夠的可再生能源來滿足AI能耗的增長，可能會導致對化石燃料的依賴加劇，從而對環(huán)境造成負面影響。此外，數(shù)據(jù)中心還可以通過智能算法來優(yōu)化能源使用效率，實現(xiàn)AI與電網(wǎng)的協(xié)同發(fā)展?！?/p>

　　不少人工智能公司已經(jīng)開始關注新能源。2021年，OpenAI首席執(zhí)行官山姆·奧爾特曼向核聚變初創(chuàng)公司Helion Energy投入3.75億美元；2024年3月，亞馬遜云服務公司(AWS)收購美國賓夕法尼亞州一座數(shù)據(jù)中心園區(qū)，據(jù)了解，該園區(qū)就是從鄰近的核電站獲取電力。

　　“解決AI耗能問題涉及到算力、電力等多個系統(tǒng)的協(xié)調(diào)與配合。”王鵬指出，一方面，要從AI本身去降低能耗，包括優(yōu)化算法、降低模型參數(shù)、提高計算性能等；另一方面，整個能源系統(tǒng)也要積極響應AI的能耗需求。

　　“源網(wǎng)荷儲”一體化考慮

　　新能源或?qū)⒊蔀榻鉀QAI耗能問題的一把“鑰匙”，這正好與我國此前提出的“東數(shù)西算”工程相契合。

　　國家能源局的數(shù)據(jù)顯示，2023年，我國可再生能源新增裝機3.05億千瓦，占全國新增發(fā)電裝機的82.7%，占全球新增裝機的一半；全國可再生能源發(fā)電量近3萬億千瓦時，接近全社會用電量的1/3。目前，我國已建成全球規(guī)模最大的電力供應系統(tǒng)和清潔發(fā)電體系，其中青海、內(nèi)蒙古、寧夏等西北部地區(qū)則是清潔能源的“富礦”。

　　2021年，我國提出實施“東數(shù)西算”工程，引導數(shù)據(jù)中心向西部資源豐富地區(qū)聚集，推動當?shù)財?shù)據(jù)中心走向低碳、綠色、可持續(xù)，同時滿足東部地區(qū)的算力需求。2022年2月，內(nèi)蒙古、貴州、甘肅等8地啟動建設國家算力樞紐節(jié)點，10個國家數(shù)據(jù)中心集群被寫入工程總體“規(guī)劃”，“‘東數(shù)西算’工程全面啟動”。

　　“大模型時代，‘東數(shù)西算’工程將對全國的電力需求和算力需求起到重要的宏觀調(diào)控作用?！睆堅迫A計，未來將會有越來越多的大型算力中心或智算中心選址我國西部地區(qū)，“東數(shù)西訓”(即東部地區(qū)的AI大模型，在西部地區(qū)進行訓練——記者注)將成為AI與新能源協(xié)調(diào)發(fā)展的典型場景。但他強調(diào)，推動新能源更好地賦能AI發(fā)展，儲能是一個需要解決的問題。

　　“大規(guī)模儲能的建設決定了新能源是否能更好地滿足算力需求。”田豐也同意張云泉的觀點。田豐指出，包括光電、風電等在內(nèi)的新能源，具有間歇性發(fā)電的特點，需要依靠儲能系統(tǒng)將多發(fā)的電及時存儲起來，削峰調(diào)谷，以保證電網(wǎng)的供需平衡。

　　國家能源局的最新數(shù)據(jù)顯示，截至2024年一季度末，我國已建成投運的新型儲能項目累計裝機規(guī)模達到3530萬千瓦，同比增長超過210%，其中10萬千瓦以上的儲能電站超5成，呈現(xiàn)集中式、大型化的發(fā)展趨勢。

　　在儲能的建設上，王鵬著重強調(diào)了新能源汽車的分布式儲能能力?！半S著電池充放電次數(shù)和壽命不斷提高，數(shù)億輛電車利用峰谷電價差來儲能并反向回供電網(wǎng)，基本可以實現(xiàn)零成本用車甚至盈利，同時也能解決電網(wǎng)的調(diào)峰問題?！?/p>

　　此外，王鵬還認為要重新思考“數(shù)據(jù)網(wǎng)”和“電力網(wǎng)”的分布式聯(lián)動與微觀布局協(xié)同。他指出，為滿足短期內(nèi)快速增長的人工智能推理算力需求，除了在西部可再生能源豐富的地區(qū)布局大型算力中心，實現(xiàn)“東數(shù)西算”；也需要考慮在東部需求側(cè)的數(shù)據(jù)中心和算力中心附近，積極布局分布式可再生能源，如與城鄉(xiāng)建筑、農(nóng)業(yè)設施等結(jié)合的分布式BIPV(光伏建筑一體化)、光儲直柔一體化等?！岸疫€要‘源網(wǎng)荷儲’一體化考慮，盡可能通過微電網(wǎng)實現(xiàn)就地峰谷平衡，減少棄風棄光。”

　　“這需要電價政策、基礎設施建設、政策支持和用戶行為等多方面的配合?！痹谕貔i看來，整個算力網(wǎng)絡、輸電網(wǎng)絡、分布式能源網(wǎng)絡，與車輛(充電)網(wǎng)絡的高度耦合，或許是解決我國未來AI能耗問題的關鍵。

　　“在考慮投入和產(chǎn)出算總賬的情況下，AI實際上進一步提高了社會的生產(chǎn)效率，降低了能耗。”田豐認為，AI作為新質(zhì)生產(chǎn)力正在賦能經(jīng)濟社會發(fā)展，如今的AI大模型已經(jīng)成為重要的基礎科研設施，其訓練中的投入，最終將為全社會帶來新質(zhì)生產(chǎn)力的紅利。

　　目前，在AI大模型的訓練成本中，能源消耗成本的占比已經(jīng)超過一半。田豐說，從基礎科研的角度看，要繼續(xù)加大對AI技術的投資，“現(xiàn)在是奮起直追的時候，不應該自束手腳”。具體到AI耗能方面，他建議，可以給予大模型訓練一定的能源支持政策。