近年来，人工智能（AI）技术的迅猛发展引起了全球的广泛关注。在这些讨论中，一个不可忽视的问题是AI的能耗问题。许多人担心，AI技术的高能耗可能会成为其发展的瓶颈。这种担忧并非空穴来风，事实上，一些技术专家和企业已经开始面临这方面的挑战。
以微软工程师训练GPT-6为例，他们不得不搭建跨区域的基础设施网络，因为将超过10万块H100芯片集中部署在同一个地区，可能会导致电网崩溃。每块H100芯片的峰值功率为700W，10万块芯片同时运行时，峰值功率最高可达7000万W，相当于一座小型发电厂的全部输出。这还未包括服务器和冷却设备的能耗，这些配套设施的能耗也是巨大的。
AI的能耗问题不仅仅是一个技术问题，它还涉及到配套基础设施和电网的承载能力。《》的报道指出，AI的日耗电量可能超过50万千瓦时。虽然这个数字看似巨大，但与全球数据中心、人工智能和加密货币的耗电量相比，仍显得微不足道。2022年，这些领域的耗电量达到了460TWh，占全球能耗的近2%。国际能源署（IEA）预测，在最糟糕的情况下，到2026年这些领域的用电量将达到1000TWh，与整个法国的用电量相当。
数据中心的能效通常用PUE（Power Usage Effectiveness）来评估，即数据中心消耗的所有能源与IT负载消耗的能源的比值。PUE值越接近于1，表明数据中心浪费的能源越少。UptimeInstitute的报告显示，2020年全球大型数据中心的平均PUE约为1.59，意味着数据中心的IT设备每消耗1度电，其配套设备就消耗0.59度电。
数据中心的额外能耗中，绝大部分应用于冷却系统。一项调查研究显示，冷却系统消耗的能量可达数据中心总能耗的40%。随着芯片更新换代，单台设备的功率增大，数据中心的功率密度不断提升，对散热提出了更高的要求。通过改进数据中心设计，可以大幅减少能量的浪费。不同数据中心的PUE差异很大，例如，美国的PUE已经降到了1.46，而在某些国家，超过十分之一的数据中心的PUE超过2.19。
世界各国正在采取措施，敦促数据中心实现节能减排的目标。例如，要求大型数据中心设立余热回收设备；美国政府注资研发更高能效的半导体；中国政府也出台措施，要求数据中心从2025年起PUE不高于1.3，并将可再生能源使用比例逐年上调，到2032年达到100%。
随着加密货币和AI的发展，各大科技公司的数据中心规模不断扩大。据国际能源署统计，在2022年美国拥有2700座数据中心，消耗了全国用电量的4%，并预测这一比例到2026年将达到6%。随着美国东西海岸用地越发紧张，数据中心逐步向中部地区转移，但这些二线地区原有的产业并不发达，电力供应可能无法满足需求。一些技术公司尝试摆脱电网的束缚，直接从可再生能源购买电能，但这种用电方式和新建数据中心都面临着巨大的挑战。
AI的能耗问题是一个复杂且多方面的问题，涉及到技术、基础设施、电网承载能力以及政策等多个层面。随着技术的发展和政策的推动，我们有理由相信，未来AI的能耗问题能够得到有效的解决，从而推动AI技术的健康发展。
本文来自作者[eeekj]投稿，不代表白鹜号立场，如若转载，请注明出处：https://vip.eeekj.cn/zixue/202412-81136.html
评论列表（4条）
我是白鹜号的签约作者“eeekj”！
希望本篇文章《AI技术蓬勃发展 全球电力供应面临严峻挑战 (ai技术啥意思)》能对你有所帮助！
本站[白鹜号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：近年来，人工智能，AI，技术的迅猛发展引起了全球的广泛关注，在这些讨论中，一个不可忽视的问题是AI的能耗问题，许多人担心，AI技术的高能耗可能会成为其发展的瓶颈，这种担忧并非空...