AI能源挑战即将到来

Krishna Rangasayee是Sima.ai的首席执行官，Sima.ai是一家以软件为中心的，嵌入式的边缘机器学习系统内芯片公司。

随着去年进一步进入后视图，直到2025年，我们都充满了动力，围绕AI的大量能耗的讨论已经达到了一个拐点。人工智能的快速发展导致对全球能源基础设施的前所未有的要求，威胁要超过我们最需要的权力和AI福利的能力。 

AI已经考虑了最多4％的美国用电（到2030年，一个预计将几乎三倍至11％的数字），减少我们的能源系统的压力是优先事项，需要对AI能源需求如何影响我们的长期气候目标，基础设施，资源可用性进行彻底重新审查以及该技术运行的规模。

而且炒作似乎很快就会放慢速度。一个新的行政命令上个月发放的，以优先考虑和加快AI基础设施的开发，包括数据中心和其他电力设施，同时提出对AI芯片出口的新限制，以保持本地创新。 

尽管政治辩论关于能源和环境监管的愤怒，但基本挑战在于AI的加速权力要求与我们的老化能源分配基础设施之间的不匹配。现在，这已成为与时间的竞赛，尽管AI不可避免地成为一个问题，它也为解决方案提供了道路。

人工智能挑战的规模

我们今天使用的大多数AI应用程序从聊天机器人到图像发电机依靠云来运行模型和过程查询。这些AI数据中心充当枢纽，稳步占美国电气需求的4.4％，潜在增加到2028年，超过美国电气需求的十分之一。

最近的数据指出EV基础设施的增长和AI数据中心的扩展更多，作为这些不断增长的数字的主要贡献者。随着Edge计算跨行业的增殖，它为AI能源需求不断增长的紧迫问题提供了部分解决方案。尽管不受电力斗争的影响，但边缘计算可以通过启用本地化的AI部署来减少功率使用和潜伏期，从而提供比我们当前的基础设施更有效，能源密集型的方法。

来自的报告高盛揭示了一个令人惊叹的统计数据：与Google搜索相比，平均CHATGPT查询需要处理的近10倍。而一个令人震惊的数字本身，尤其是在考虑快速采用聊天机器人，这样的数据强调了在100天冲刺中运行的AI开发周期与通常跨越100年时间表的能源基础设施项目之间的基本不匹配。

监管更改是一个错误的标志

在任职的第一天，新政府不仅开始采取行动退出美国从《巴黎协定》中限制了该国获得清洁能源和绿色科技市场的机会，但也誓言结束“电动汽车授权”和逆转一项2021年的行政命令，旨在确保到2030年在美国出售的所有新车辆中有一半将是电动的，有可能消除电动汽车税收抵免。

许多人期待政府废除AI的现有行政命令将加速AI开发，尤其是在硅谷。专家认为，支持绿色能源项目发展的2021年两党基础设施​​法最终将与筹款已经搁置。

李·塞尔丁（Lee Zeldin）最近任命为EPA领导的领导，以及《降低通货膨胀法》的潜在倡议的潜在回滚可能会缓解某些环境限制。但是，这些政策转变会解决能源分配的基本挑战 - 在最需要的地方分发能源所需的大规模基础设施。关键的瓶颈本身不是能源。在需要时交付它所需的大量基础设施。

正是这些局限性，而不是任何政策变化，都将继续扼杀该领域的创新。实际上，电动和自动驾驶汽车的持续发展只会强调需要其他燃料来源。如果能源效率在目前的速度下继续提高，那么到2040年，车载计算机所需的电力可能达到26吨。相等的总消耗量约为5900万台台式PC。

驱动变革的市场力量

有限电力基础设施的积极竞争已经在为AI部署的提供商创造了自然选择过程。AI的快速发展周期与基础设施的冰川变化速度之间的差距日益增长，这迫使公司在三个关键领域进行创新：

• 节能AI体系结构：公司正在投资专业的，较小的语言模型，这些模型可以在现有的电力限制内运行，同时提供有针对性的业务价值。 
• 地理策略：企业主要基于功率可用性和分销功能做出AI部署决策。
• 竞争创新：随着公司意识到等待基础设施的追赶是不可行的，他们正在转向将能源效率视为核心竞争优势而不是合规性要求的新方法。 

我们今天看到的数据中心容量限制正在迫使公司在何处以及如何部署AI资源方面做出艰难的选择。直到完全重新评估我们如何分配这些资源的情况下，就不会很长。

边缘计算是变化的催化剂

那么解决方案是什么？由于面对需求的增长，传统的基础架构缩放量仍然不足，公司越来越多地转向边缘计算解决方案，这些解决方案将计算负载分配到最终用户，从而减少了集中式数据中心的压力。

较小的专业语言模型的出现反映了人们日益认识到能源效率必须是AI开发中的核心考虑因素。这些专业模型不仅可以减少功率使用，而且经常为特定任务提供更好的性能，这表明未来可以通过能源限制与技术能力一样多地影响AI的开发。

能源效率是未来

在查看AI的地平线时，很明显，随着基础设施限制的限制，行业的能源计算上的行业合作已经超出了环境的命令，并成为了业务必要性。 

该行业如何定义和衡量AI的进步，将我们从原始计算能力到能源效率的技术发展的概念旋转。边缘计算的影响超出了宏观水平。更少的带宽和较低的网络运营成本使能源更有效，更具成本效益，从而释放其他地方的资源以帮助推动必要的进步。” 

人工智能发展的未来将不是由有关能源的政治决定来塑造的，而是由权力分配基础设施的物理现实来塑造。尽管这种观点可能会挑战有关环境调节是对AI发展的主要限制的流行叙事，但能量分布的数学不能通过政治家的魔杖浪潮来克服。

行业领导者必须正面面对这些基础设施限制，推动AI效率和配电解决方案的创新，以确保我们离开这个星球比我们发现的更好。