英国政府的目标是提高公共控制的人工智能计算能力二十倍到2030年，电力需求将大幅增加。可再生能源供应能否满足这一要求，并且仍有足够的剩余电量为供暖和运输等行业提供电气化，而这些行业必须在 2050 年之前完全脱碳？
首先，我们来讨论一下为什么人工智能如此耗能。人工智能系统需要大量的计算能力。人工智能的创建和使用涉及对必须发明和校准的模型和算法的程序进行训练，所有这些都需要计算能力。然后，人工智能模型必须从输入的新数据中得出结论，这本身就是另一个能源密集型过程。
随着人工智能变得越来越复杂，对越来越多计算能力的需求急剧增加。结果，计算能力变得稀缺一个主要瓶颈以便进一步开发和利用人工智能。事实上，英国国家人工智能战略2021年发布，认识到如果AI的潜力必须增加计算能力是要实现的。
通常，人工智能越复杂，其能源消耗就越大。这对英国具有重大影响。
人工智能的推出需要多少能源？
数据中心（存储、处理和分发数据的设施）是重要且不断增长的电力消耗者。从训练需要巨大计算能力和数据存储的复杂人工智能模型，到通过训练有素的人工智能模型运行数据以进行预测或解决任务，数据中心是人工智能使用和开发的每个阶段的核心。
据国际能源署估计，全球数据中心约占总用电量的1%-1.3%。最近的一项观察表明，开发目前最复杂的人工智能系统需要增加四倍每年的计算能力。AI训练所需的数据总量也以每年2.5倍的速度增长，对数据中心的依赖程度加大。
在英国，人工智能和相关基础设施消耗了约 3.6 太瓦时 (TWh) 的电力2020年。如果按照政府的目标，这一消耗量增加 20 倍，到 2030 年可能会达到 72 太瓦时。这将占英国 2021 年总用电量的四分之一以上，约261太瓦时。
人工智能计算的快速增长需要仔细规划。然而，数据中心只是其中的一部分。使用人工智能的设备，例如智能家居中的传感器、燃气表和电表、路由器、WiFi 集线器、流媒体设备和社交媒体平台，可能会增加难以估计的大量能源需求。
人工智能总能源消耗的这些额外组成部分常常被忽视。
可再生能源增长不足
英国在可再生能源生产方面取得了重大进展，其中风能和太阳能发电做出了贡献近年来发电量超过40%。
然而，我们的预测，在杂志上报道能源政策，表明全球可再生电力供应将无法满足全球数字数据增长带来的激增需求。
我们的研究考虑了人工智能能源使用的不同场景。英国的目标是到 2030 年将人工智能计算能力提高 20 倍，这无疑是一个高消耗场景，其中仅数字基础设施的能源需求就可能超过可再生能源容量的增长。
与此同时，英国的脱碳取决于交通和供暖等传统上依赖化石燃料的行业的电气化：用电动热泵取代天然气锅炉，用电动汽车取代内燃机汽车。这些都需要大幅增加电力供应。
然而，解决这个问题不仅仅需要扩大可再生能源生产。人工智能系统和相关技术的能源效率也必须提高。确保人工智能和其他数字进步所需的能源可持续来源，同时又不影响更广泛的净零目标，需要结合政府政策、技术创新和公众意识。
人工智能不断增长的电力需求可能会加剧对有限可再生能源的竞争。这种竞争可能会增加对化石燃料的依赖，特别是在能源需求高峰时期。如果额外的可再生能源发电能力不能足够快地部署，英国可能会面临人工智能驱动的电力需求增加而不是减少总体排放的情况。
英国承诺到 2030 年将公共人工智能计算能力提高 20 倍，这对该国的电力系统提出了巨大的挑战。可持续地实现这一目标需要平衡人工智能的能源需求与更广泛的电气化目标和可再生能源限制。
如果不立即共同努力扩大可再生能源并提高效率，人工智能的电力需求可能会阻碍向净零未来的过渡。
没有时间阅读您想要的有关气候变化的内容？
相反，请在收件箱中获取每周摘要。每个星期三，《对话》的环境编辑都会撰写《想象》，这是一封简短的电子邮件，对一个气候问题进行了更深入的探讨。加入迄今为止已订阅的 40,000 多名读者的行列。