全球數(shù)字化使對計算能力的需求呈指數(shù)級增長。專家們曾在上世紀90年代末預測，個人電腦將引發(fā)不可持續(xù)的電力消耗，但事實證明這是錯誤的。現(xiàn)在，其他專家警告稱，人工智能(AI)將進一步加速需求，并可能導致電力短缺。這些擔憂有多現(xiàn)實？
弗吉尼亞州及其位于華盛頓郊外的數(shù)百個數(shù)據(jù)中心經(jīng)常被認為是熱點地區(qū)。 事實上，當?shù)毓檬聵I(yè)公司 Dominion Energy 最近大幅提高了對未來電力需求的預測，這完全是由于滿足人工智能需求的數(shù)據(jù)中心的增加。 加州能源和信息技術(shù) (IT) 專家喬納森·庫米 (Jonathan Koomey) 表示：“但這種情況發(fā)生在弗吉尼亞州并不意味著它會發(fā)生在整個國家。” 他指出，2023 年美國的電力總需求低于 2022 年。“需求爆炸性增長是怎么回事？事實并非如此。”
不是“危機”
Koomey 表示，IT 和電信行業(yè)約占全球電力需求的 5%，其中約 2% 用于最終用戶設備，另外 2% 用于骨干網(wǎng)和本地網(wǎng)絡，只有 1% 用于數(shù)據(jù)中心。 他補充道，就能源使用而言，人工智能約占所有數(shù)據(jù)中心的 10%。 “未來幾年，這 1% 中的 10% 可能會增加一倍或三倍，所以這遠低于用電量的 1% 增長；這不是一場危機，而且它也將取代其他一些數(shù)據(jù)中心的用電量 ”。
這些數(shù)字在歐盟委員會在最近對已發(fā)表報告的審查中發(fā)現(xiàn)的估計的“顯著范圍”之內(nèi)。這些人認為數(shù)據(jù)中心的功耗占全球需求的0.8%-1.6%。然而，法國電信監(jiān)管機構(gòu)Arcep最近發(fā)布了一份低得多的法國0.5%的估計，而國際能源署(IEA)發(fā)現(xiàn)全球數(shù)字略高，為1.7%，但中國為2.7%，歐洲為3.8%，美國為4.6%。該機構(gòu)認為，在這三個地方，未來幾年數(shù)據(jù)中心功耗可能每年增長7%-10%，達到總需求的3%-6%。
Koomey認為，這“可能是錯誤的”，因為計算效率提高得更快。他堅持說：“我們正處于研究如何利用人工智能實現(xiàn)這一目標的開始階段。我們可以改變硬件架構(gòu)，我們可以創(chuàng)建專用設備，我們可以優(yōu)化軟件和硬件，但這些很少應用于大型人工智能模型。”。
批評者認為，近年來事實證明，通過微型化半導體來提高計算效率(即摩爾定律)變得更加困難。 麻省理工學院一組研究人員最近在《科學》雜志上發(fā)表的一篇文章表示同意：“隨著小型化的衰落，硅制造的改進將不再提供社會 50 多年來所享有的可預測的、廣泛的計算機性能提升。”
但他們補充稱，“軟件性能工程、算法開發(fā)和硬件精簡可以繼續(xù)讓計算機應用在后摩爾時代變得更快，與摩爾定律多年來積累的收益相媲美。”另一篇文章發(fā)現(xiàn)，在2010年至2020年期間，典型數(shù)據(jù)中心服務器的每計算耗電量下降了四分之一，這主要是由于處理器效率的提高和閑置功耗的減少，每TB已安裝存儲的瓦特數(shù)下降了九分之一。
創(chuàng)新
除了計算本身(占數(shù)據(jù)中心電力需求的 40% 左右)之外，還可以通過更好的冷卻來實現(xiàn)改進(占另外 40%)，以及剩下的 20%(由電源系統(tǒng)、存儲消耗) 設備和通訊設備。 IEA 表示，傳統(tǒng)的高效冷卻系統(tǒng)可以減少 10% 的電力需求，而使用液體冷卻劑的先進“直接芯片”系統(tǒng)可以再節(jié)省 20%。 IEA 還指出，谷歌報告使用其 DeepMind AI 將其數(shù)據(jù)中心冷卻系統(tǒng)的電力需求減少了 40%。 向節(jié)能云和“超大規(guī)模”數(shù)據(jù)中心的轉(zhuǎn)變還允許“在不顯著增加電力消耗的情況下進行大規(guī)模運營”。
在高需求地區(qū)，新的化石燃料發(fā)電能力只是多種選擇之一。 其中包括新的輸電線路和帶有電池的可再生能源發(fā)電，可能以虛擬發(fā)電廠的形式出現(xiàn)。 庫米認為：“這些地方的公用事業(yè)公司希望建造更多的傳統(tǒng)發(fā)電廠，他們正在利用這一點來推動監(jiān)管機構(gòu)允許他們這樣做。”
大型科技公司也在致力于數(shù)據(jù)中心之間計算負載的“動態(tài)轉(zhuǎn)移”。 “我們開發(fā)并試點了一種新方法，通過將一些非緊急計算機任務轉(zhuǎn)移到其他時間和地點，在不影響您每天使用的服務的情況下，在當?shù)仉娋W(wǎng)壓力較大時減少數(shù)據(jù)中心的電力消耗，” 谷歌最近宣布。 這種方法已經(jīng)過測試的例子包括2022年12月至2023年3月能源價格創(chuàng)下歷史新高的歐洲，以及最近熱浪和冬季風暴等極端天氣事件期間的美國各地。
Koomey 解釋說，電力系統(tǒng)狀況和延遲(或數(shù)據(jù)在發(fā)送器和接收器之間傳輸所需的時間)是負載轉(zhuǎn)移計算的主要參數(shù)。 “搜索或提取網(wǎng)頁對延遲敏感，但像人工智能訓練這樣的事情更像是科學計算，它們不需要大量的輸入和輸出，并且對延遲不敏感，所以你可以想象將它們移動到不同的地方 - 在美國或國外——擁有更多可再生能源。
