大众普遍认为，我们摄入的食物是为了支持日常活动，然而实际上，思考过程的能耗远远超出我们的想象，大脑虽然只占身体总重的一小部分，却消耗了人体能量的相当比例。同样，人工智能领域也正面临类似的能耗问题，尽管目前AI技术还远未成熟，但其能源消耗的规模已经引起了广泛关注。
随着ChatGPT的诞生，2023年被赋予了人工智能新纪元的标签。由美国公司OpenAI研发的这一全能聊天机器人自2022年11月末发布以来，在短短60天内迅速赢得了超过一亿用户的青睐，刷新了全球消费级网络应用增长速度的记录。
但无论是在电脑端输入网址还是通过手机观看视频，我们的设备都会与数据中心的服务器进行数据交互。数据中心会根据不同任务的需求，对所接收的数据进行不同程度的处理，而这些数据处理过程无疑需要消耗大量的能源。
随着2024年的到来，人工智能的热潮不仅没有减弱，反而呈现出更加迅猛的增长势头。2月15日，基于DALL·E 3技术的Sora视频生成应用正式推出，以其震撼的视觉效果迅速在全球范围内引起了广泛关注，令不少视频制作人员开始担忧自己的职业前景。紧接着，两周后，Suno AI发布了其V3版本，允许用户通过简单的提示词免费创作两分钟的乐曲或音乐作品，其卓越的音质同样令人赞叹，引发了音乐行业从业者对未来职业发展路径的深思。
实际上，人工智能在各个领域的快速扩张和性能提升，已经让众多行业的专业人士感到了前所未有的压力，它们仿佛是一头能够随时变化形态或体积的神秘生物。然而，也有观点认为，人工智能对电力的巨大需求可能会成为其发展速度的制约因素。阿姆斯特丹自由大学的互联网能源与经济研究员阿莱克斯·德弗里斯便是其中之一。他在2023年10月18日的《焦耳》杂志上发表了一篇文章，深入探讨了人工智能可能面临的能源短缺问题。
所讨论的能源消耗并非指个人使用设备的电力消耗，而是指在人工智能模型的训练及应用过程中的能源需求。训练一个大型AI模型是一项极具挑战性的工作，它涉及到庞大的数据输入及其分析所需的巨大计算能力。据公开资料统计，仅GPT-3模型的训练就耗费了1287兆瓦时的电力，这个数字换算成度电相当于整整1000户中国普通家庭一年的用电总量。然而，人工智能的能耗问题并不局限于模型训练阶段，模型投入实际使用后的能源消耗更是一个值得关注的问题。
无论是在电脑端输入网址，还是在手机端观看视频，我们的设备都会与数据中心的服务器进行数据交互。数据中心会根据任务需求，对输入的数据执行不同程度的处理，这些操作无疑都会消耗能量。据德弗里斯在其文章中提供的数据，全球领先的搜索引擎谷歌，每次搜索的平均能耗大约是0.3瓦时，这一数字乍看似乎微不足道，但鉴于谷歌日均处理的搜索请求高达90亿次，累积的能耗便显得相当庞大。
设想未来谷歌采用Gemini全面取代传统搜索服务，即所有搜索请求都通过大型语言模型进行处理，其能源消耗预计将大幅上升。谷歌的母公司"字母表"的董事长约翰·亨尼斯在2023年初曾公开表示，如果谷歌搜索全面转向人工智能，每次搜索的能耗至少会是原来的10倍，也就是3瓦时。据此推算，谷歌的AI搜索引擎每日的能耗可能高达27吉瓦时，换算成度电则是2700万度；而年度总能耗则可能达到9.855太瓦时，即98.55亿度电。
在德弗里斯的文章中，他从供应角度对人工智能的电力消耗进行了评估。目前，全球AI服务器市场几乎完全由英伟达控制，其市场份额超过95%。基于此，通过英伟达的出货量可以推算出AI公司的电力消耗。例如，根据SemiAnalysis的分析，OpenAI为了运行ChatGPT，大约需要3617台英伟达HGX A-100服务器，这些服务器配备了28936个图形处理单元（GPU），每天的能耗高达564兆瓦时，相当于56.4万度电。
同样，如果谷歌搜索完全采用人工智能技术，SemiAnalysis预计需要512821台英伟达HGX A-100服务器。按照每台服务器6.5千瓦的额定功率计算，这些服务器每天将消耗80吉瓦时的电力，年耗电量达到29.2太瓦时。而New Street Research的估计则略低，认为需要40万台英伟达服务器，每天耗电62.4吉瓦时，年耗电22.8太瓦时。这些估算虽然略高于之前从需求侧的计算，但数量级是一致的。
全球范围内，数据中心、人工智能和加密货币的能耗情况引起了广泛关注。根据国际能源署（IEA）最新发布的2024年全球电力报告，2022年，这三大领域的总耗电量已经达到460太瓦时（TWh），约占全球总电力消耗的2%。在这一数字中，加密货币的能耗占比约为0.4%，而数据中心和人工智能的能耗占比则接近1.6%。报告中指出，这些能耗中，有40%用于计算过程，40%用于冷却系统，其余20%则由其他设备所消耗。随着人工智能技术的快速发展，特别是ChatGPT等应用的兴起，IEA预测到2026年，这三大领域的总耗电量可能会翻倍，达到约1000TWh，这相当于一个瑞典或德国的年电力消耗量。
这些新动态清晰地表明，人工智能的发展速度已经超出了许多人的预期。未来，人工智能领域的能源消耗可能会对全球减排努力产生影响，气候变化的紧迫性也可能会对人工智能的发展速度构成制约。