施耐德报告探讨人工智能能源需求可能如何发挥作用

一份报告认为，政策制定者需要仔细指导人工智能数据中心未来的电力消耗，该报告考虑了四种潜在情景，并提出了一些指导原则，以防止其失控。

能源基础设施公司施耐德电气发表的研究遵循IEA 全球能源与人工智能会议上个月。标题人工智能和电力：系统动力学方法，它着眼于与人工智能相关的新兴思想流派及其对电力消耗的相关影响。

关于人工智能，尤其是生成式人工智能的兴起，已经有很多报道，这导致了对高性能和耗电基础设施的巨额投资，用于开发和训练模型。

正如报告指出的那样，现有的数据中心基础设施需要大量能源才能运行，并且需要额外的资源来支持人工智能采用的预期增长。这已经引起人们的担忧电网的潜在压力以及可能的环境影响如果人工智能的能源需求继续以目前的速度增长。

施耐德模拟了四种不同的场景，并将其标记为：可持续人工智能；增长的限制；丰富无边；和能源危机。所有四项预测均预测 2025 年至 2030 年期间能源消耗将呈总体上升趋势，但在此之后基于每一项预测的假设出现显着差异。

可持续人工智能着眼于在能源消耗稳步增加的情况下优先考虑效率的潜在结果，而增长限制则概述了人工智能发展遇到自然或人类相关限制的受限路径。无国界富足考虑了不受控制的增长的潜在风险，而能源危机情景则研究了能源需求和发电不匹配可能如何导致广泛的短缺。

Schneider 表示，可持续人工智能代表了一种很有前途的方法，根据其模型，能源消耗将从 2025 年的预期 100 太瓦时 (TWh) 上升到 2035 年的 785 太瓦时 (TWh)。

在这种情况下，到 2027 年至 2028 年，GenAI 推理将成为人工智能领域电力消耗的主要驱动力，但也将转向更高效、能耗更低的模型。报告指出，其“特点是人工智能基础设施和需求之间存在共生关系，效率和资源节约相辅相成”。

由于增长有限，GenAI 推理的持续采用很容易受到电力和基础设施的限制。该报告预计，人工智能能源消耗总量将从 2025 年 100 太瓦时的基线增长到 2030 年的 510 太瓦时，但仍面临关键数据中心枢纽电网电力可用性、专用人工智能芯片的制造瓶颈以及大型语言模型数据稀缺等挑战所有这些都造成了损失。

“富足无国界”情景表明，人工智能系统的快速、无限制的发展带来了持续军备竞赛的风险，以建设更大、更强大的基础设施，超过可持续资源利用的能力。

Schneider 预测，人工智能总能耗将从 2025 年的 100 TWh 大幅上升至 2030 年的 880 TWh，并继续呈上升趋势，并于 2035 年达到惊人的 1,370 TWh。

此场景显示杰文斯悖论，人工智能效率的提高反而导致整体能源消耗的增加。它预测人工智能和数据中心将毫无障碍地扩展，因为技术乐观主义者推动人工智能在所有领域的快速部署，相信人工智能的进步将解决任何资源限制。

最后，能源危机模型预测人工智能的快速增长将导致其能源需求与经济的其他关键部门发生冲突。这会引发各种负面结果，包括经济衰退和依赖人工智能的行业面临严峻的运营挑战。

这里，人工智能能源消耗预计将在 2029 年左右达到峰值，达到约 670 TWh，随后到 2032 年下降至约 380 TWh，并在 2035 年进一步减少至 190 TWh。不协调的人工智能治理将导致政策碎片化，从而可能导致报告称，全球或局部能源短缺。

施耐德列出了一些关于可持续人工智能的建议，这些建议分为三个主要领域：人工智能基础设施；人工智能开发；以及治理、标准和教育。

其中第一个主张应使用最新的冷却技术、高密度计算和现代节能人工智能硬件（例如 GPU 和 TPU）来优化下一代数据中心。运营商应定期评估和升级基础设施，同时致力于提高数据中心的电力使用效率（PUE）。

• 阴天可能会产生 GPU 账单：AI 的能源需求让 CIO 们捏了一把汗
• 由于人工智能，数据中心可能会增加你的电费
• 到 2027 年，人工智能的电力之旅将使能源电网乞求怜悯
• 数据中心开发商表示电力问题阻碍了新建设

它还建议加快部署现场可再生能源发电与先进的储能解决方案相结合，以确保稳定的电力供应，投资固态电池或储氢等技术。

公用事业公司还应该针对人工智能不断增长的能源需求进行规划，这将涉及与能源提供商、政策制定者和人工智能公司合作，以制定全面的战略。

报告指出，对于人工智能开发，建议是通过模型修剪、量化和轻量级架构等技术提高模型效率，同时开发可测量的人工智能硬件功率配置文件。

人工智能公司应为人工智能项目建立明确的关键绩效指标（KPI），其中包括能源效率和环境影响以及业务成果，而循环经济原则应应用于人工智能硬件和软件，以尽量减少负面影响。

就治理、标准和教育而言，施耐德表示，政策制定者应制定并实施可持续人工智能实践的认证计划，并制定明确、可衡量的能源效率和环境影响标准。

此外，强大的人工智能治理框架应指导负责任的人工智能开发和部署，解决能源消耗、数据隐私和道德问题。

该报告还倡导人工智能教育计划，强调可持续实践对于培养应对未来挑战的劳动力队伍至关重要。例如，公司应与教育机构建立合作伙伴关系，制定将人工智能技术技能与环境意识相结合的培训计划。

该报告的大部分内容都在附录中，为任何有兴趣的人讨论了施耐德研究人员在开发和告知他们的场景时所采用的方法。这涉及创建系统动力学未来模型，以尝试回答有关可能结果的“假设”问题，以及影响这些结果的各种因素和权重。

然而，作者还在免责声明中补充说，他们意识到尝试预测未来场景所涉及的妥协。报告称，虽然该研究提供了对潜在人工智能电力消耗场景的见解，但它也强调了需要进一步研究的领域。

其中包括通过涵盖制造、数据中心建设和报废处理的全面生命周期评估更好地了解人工智能的环境足迹。报告指出，未来的研究还应该改进本研究中使用的系统动力学模型，以更有效地捕捉不同部门和应用的人工智能需求的动态本质。

施耐德电气可持续发展研究所所长 Rémi Paccou 在前言中表示，这项研究并不是规范性的，而是希望通过探索这些潜在的未来，让利益相关者做好准备，应对未来面临的挑战和机遇。躺在前面。

“相反，我们希望它成为知情讨论和决策的起点。我们在展示我们的发现时表示，人工智能是一个快速发展的领域，我们的知识在不断增长，”他说。

总体信息是，政府和行业领导者需要制定战略计划，以平衡人工智能的增长与环境和经济的可持续性。他们是否这样做是另一回事。®