人工智能能源消耗：这是一个问题吗？|内置

正在以前所未有的速度改变世界，重塑一切药物开发到友谊。然而，这些突破性创新的背后潜藏着更为险恶的全球影响：能源消耗。一个 

人工智能——尤其是生成式人工智能– 需要巨大的计算能力，进而转化为高能耗。使用 AI 生成单个图像图像生成器据介绍，其消耗的能量与给智能手机充满电所消耗的能量相当研究来自拥抱脸和卡内基梅隆大学。甚至能源密集度较低的任务，例如文本生成 加起来，1,000 个输出大约消耗智能手机电量的 16%。

当您考虑每天发生的数十亿次人工智能交互时，这些看似很小的能源需求会急剧增加 – 聊天GPT单独粗略地处理10 亿次查询每天。展望未来，随着人工智能越来越融入日常生活，平衡其变革潜力与能源效率和可持续性的需求变得更加紧迫。

更多关于人工智能探索更多内置 AI 覆盖范围

了解人工智能的能源需求

人工智能的能源消耗主要由训练和运行先进技术所需的计算能力驱动人工智能模型，特别是那些依赖于机器学习和深度学习。这些模型旨在分析大型数据集并做出预测，为涉及的广泛任务提供支持自然语言处理,计算机视觉和生成人工智能。随着模型规模和复杂性的增加，它们的能量需求也随之增加。

培训底层模型ChatGPT 等流行工具的背后涉及通过数十亿次计算来处理大量数据，这个过程可能需要数周甚至数月才能完成。这需要数千专用计算机 筹码，例如图形处理单元（GPU）或张量处理单元（TPU），在大型设备中同时工作数据中心。这些设施消耗大量电力，不仅用于计算，还用于维护保持硬件全天候高效运行所需的冷却系统。 

随着新数据中心的不断涌现，人工智能热潮的能源需求预计将飙升。一2023年学习预计到 2027 年，人工智能将占全球电力消耗的 0.5%，消耗的能源相当于整个国家的能源消耗量。与此同时，国际能源署估计到 2030 年，仅数据中心一项就可能占全球电力消耗的 3% 到 4%，这在很大程度上是由人工智能的快速扩散推动的。 

人工智能对环境的影响

与人工智能相关的能源使用量激增给地球带来了巨大的成本，增加了碳排放，耗尽水资源并造成污染，同时也加速了原材料的开采。 

人工智能开发领域最著名的两家公司微软和谷歌等公司报告称，在扩大数据中心运营后，其碳足迹显着增加。2023 年，Google 的二氧化碳排放量接近高出 50%与 2019 年相比，微软看到了30% 峰值自 2020 年以来的排放量。两家公司都必须使用数百万加仑每天用水以保持数据中心高效运行。

人工智能还对锌和汞等不可再生资源造成压力，开采这些资源是为了建造基础设施需要训练和运行这些模型。此外，必须从地球上开采煤炭和石油来为这些能源消耗大的数据中心提供动力。

相关阅读人工智能面临气候变化问题

减少人工智能能源消耗的方法

有多种方法可以减少人工智能的能源消耗，有助于使其成为更具可持续性的工具：

投资可再生能源和可持续基础设施

人工智能对环境的影响与数据中心的能源直接相关。通过转向可再生能源，公司可以显着减少碳排放。以谷歌为例，它是建设数据中心由现场产生的可再生能源提供动力，第一个项目预计于 2027 年完工。同样，微软和亚马逊也承诺通过以下方式实现其运营碳中和：2030年和2040年， 分别。有的公司甚至探索替代能源喜欢核电和储氢为其设施可持续供电的技术。

优化AI运营

减少人工智能的能源足迹需要更智能、更高效的运营。这包括设计更小的、特定于任务的人工智能模型适用于不需要大量计算能力的应用程序。公司还可以通过减少系统使用的数据量来减少不必要的能源消耗。而在能源非高峰时段或可再生能源更加丰富时使用人工智能系统可以进一步提高效率。

利用节能硬件

硬件技术的进步对于解决人工智能的能源需求至关重要。Nvidia 等公司正在开发专用芯片，例如其新的超级芯片， - 该公司声称可以以减少 25 倍的能源执行 AI 任务，同时提供 30 倍的性能提升。其他创新，例如3D芯片并改进冷却技术，提高硬件效率并减少能源浪费。这些进步对于满足人工智能服务日益增长的需求，同时最大限度地减少其对环境的影响至关重要。

政策与合作

监管和行业合作是减轻人工智能对能源影响的关键。各国政府和欧洲议会等组织正在推动人工智能能源消耗的透明度，鼓励系统记录他们的用电量。世界经济论坛人工智能治理联盟等倡议旨在制定跨行业战略用于平衡人工智能的效益和能源成本。