人工智能的能耗因其复杂性和用途存在显著差异，但高效处理和分析数据通常需要消耗大量电力。据估算，ChatGPT单次回复的耗电量约为Google搜索的十倍。随着该平台周活跃用户达1亿，累积能源需求巨大。在整个人工智能行业，构建和运行数据中心带来的能源消耗正导致全球温室气体排放增加。
作为OpenAI投资者，微软将生成式AI定位为核心产品，其声明显示因数据中心扩张，2020年以来二氧化碳排放量增长近30%；谷歌2023年温室气体排放量较2019年增长近50%，主要源于数据中心能源需求。尽管AI有望助力能源转型，但其运行仍需强大算力支撑。
人工智能能源需求激增的原因
目前AI能耗约占科技行业电力消耗的一小部分，占全球总排放量的2%-3%。但随着企业、政府及组织广泛采用AI提升效率，这一比例或将上升。国际能源署数据显示，数据中心已成为多地电力需求增长的重要驱动力。
全球数据中心电力消耗（图片来源：国际能源署）
AI需要海量算力，生成式AI系统完成单项任务的能耗可能是专用软件的33倍。随着AI普及与迭代，模型训练和运行将推动全球数据中心数量及能耗指数级增长，给电网带来更大压力。
生成式AI模型训练耗能极高，远超传统数据中心活动。大型语言模型复杂度不断提升，印证了AI能源需求的持续增长。据悉，训练GPT-3模型耗电约1300兆瓦时（MWh），相当于美国130户家庭一年用电量；而更先进的GPT-4训练耗电量估计是GPT-3的50倍。总体而言，维持AI增长所需算力大约每100天翻一番。
优化人工智能行业能效的路径
社会需权衡AI的经济社会效益与环境代价，核心在于寻找挑战与机遇的最佳平衡点。预测显示，到2030年AI或可减少全球温室气体排放量5%-10%。为实现该目标，欧洲议会等监管机构已提议要求AI系统记录能源使用情况，技术进步也有望提升AI工作效率。
科研界正致力于开发定制硬件，如创新加速器、高性能3D芯片及先进冷却技术。Nvidia表示，其新一代芯片在执行生成式AI服务时，性能可提升30倍，能耗降低25倍。同时，数据中心效率持续提升，业界正研究创新冷却技术，并优先选择电力成本低、供应充足且可持续的地点部署算力。
此外，降低整体数据使用量、解决“暗数据”问题至关重要。采用资源需求较少的小型语言模型处理特定任务，有助于在性能、成本与碳足迹之间取得更佳平衡。
人工智能对电网的影响与应对
电网承压并非全因AI，人口增长和能源需求上升同样影响减碳进程。然而，实现经济活动净零排放，电力网络的清洁化、现代化和脱碳至关重要。数据中心服务商正探索核能供电、氢气储能等替代能源选项，并投资碳捕捉技术以吸收和存储大气中的二氧化碳。
AI有助于解决可再生能源并网难题。针对可再生能源发电波动导致的供需失衡，AI可通过分析天气模式和能耗趋势精准预测发电量，促进作业排程和负载迁移，保障数据中心有效利用绿电，确保电网稳定高效运行，实现24小时可持续清洁电力供应。
包括AI在内的数字技术可为能源等行业实现净零排放做出重大贡献（图片来源：埃森哲、国际能源署、经合组织、世界经济论坛、联合国和美国政府）
从建筑模型、能耗预测、暖通空调优化到制造业预测性维护，AI正支持高碳行业提升能效；在农业领域，传感器和卫星图像应用也有助于作物产量预测和资源管理。
为平衡AI耗能排放与社会效益，各方需协同应对复杂挑战。世界经济论坛人工智能治理联盟正从跨领域和行业角度探讨AI改造产业、推动可持续发展的路径。其能源与材料中心、第四次工业革命中心已设立专门工作组，研究AI系统能耗及促进能源转型的方法。
本文作者：
Eleni Kemene（世界经济论坛工业脱碳负责人）
Bart Valkhof（世界经济论坛信息和通信技术行业总负责人）
Thapelo Tladi（世界经济论坛能源倡议负责人）