∞ 华人首个AI完全制作的访谈播客 ∞随着人工智能技术的不断进步，数据中心的电力需求正在急剧上升。以下是如何理解这一现象的关键点。
在争夺人工智能主导地位的过程中，各大公司纷纷涌向美国庞大的电网。然而，要实现这一目标可能比想象中更加困难。科技公司和数据中心提供商希望尽快获得相当于一个城市规模的电力需求。这颠覆了公用事业公司、发电商和电网规划者的业务，这些公司在过去二十年里一直生活在电力需求几乎持平的世界中。一家中国人工智能公司最近发布的一款人工智能模型引发了关于人工智能所需计算能力和电力的讨论。这款模型的表现似乎与OpenAI的尖端模型相当，但在开发过程中所需的计算能力却少得多。目前尚不清楚这对人工智能的能源前景意味着什么。科技巨头Meta Platforms和微软在周三表示，他们将继续对这项技术进行雄心勃勃的投资，并认为技术进步可能会使人工智能成本更低且应用更广泛。这将导致能源使用的增加，因为即使人工智能模型的训练效率更高，其使用仍然需要比传统谷歌搜索更多的电力。以下是关于人工智能为何需要如此多电力及电力行业如何供给的几点说明：1. 计算需求呈指数增长根据非营利研究机构Epoch AI的数据，目前广泛使用的人工智能模型，包括OpenAI的GPT-4和Meta的Llama 3.1，是在使用约30兆瓦电力的数据中心中进行训练的。这大致相当于30家沃尔玛商店同时使用的电力。趋势表明，到2030年，用于训练最大人工智能模型的数据中心将需要超过5吉瓦的电力，大约相当于曼哈顿同时消耗的电力。Epoch AI的主任指出：“有动力去追求更大的规模。自2020年以来，我们就知道如果对一个模型进行更长时间的训练并使用更多的数据，就能从中获取更高的性能。”他认为新模型不会改变电力消费的前景。公司使用图形处理单元（GPUs）来训练人工智能模型。公司正在利用目前有效的策略：构建更大的GPU集群，这需要更多的电力。每年，新的人工智能模型所需的计算能力是前一年的四倍。这远远超过了任何硬件效率的提高。虽然人工智能训练的主要能量成本是运行GPUs，但还有用于存储和管理数据的服务器、GPU之间的互连以及制冷系统也会增加消耗。2. 未来的电力需求不确定对人工智能电力使用的预测差异很大。在新模型发布之前，几位分析师的预测表明，到2030年，数据中心的用电量可能占美国电力的4.6%到17%。根据电力研究所的数据，这将从2024年的约4%上升。在这些范围内的任何增长对美国电网来说都是一个重大挑战，美国电网有时被称为世界上最大的机器。公用事业公司将其与空调的出现相比较。3. 存在瓶颈和时间错配建设一个大型数据中心需要18个月到两年。但建设可再生能源项目或天然气发电厂通常需要三年或更长时间。新的输电线路可能需要十年或更长时间。在短时间内将需要1吉瓦或更多电力的新用户连接到任何地方都是一个挑战，无论公用事业公司的规模如何。最初的假设是，训练最大人工智能模型所需的5吉瓦计算能力将需要在一个大型数据中心园区内。电力研究所的一位负责人表示，公司和学者正在考虑一个尚未验证或测试的想法，即一个5吉瓦的人工智能模型可以在分布在100到200英里范围内的数据中心进行训练，这些数据中心之间有强大的光纤连接。这可能会使建立所需的电网基础设施变得稍微容易和快捷一些。4. 防止电力短缺将是一个挑战根据北美电力可靠性公司的说法，数据中心的建设和连接速度和规模对系统规划构成了挑战，该公司是一个为公用事业公司和发电商制定标准的非营利组织。工业增长以及电动汽车和热泵的普及也增加了压力。在俄勒冈州，由于税收优惠和廉价的水电，该州已经成为美国主要的数据中心市场。根据电力研究所的数据，到2030年，数据中心行业可能消耗多达24%的电力。西北电力和保护委员会，该地区的能源规划者，预测如果数据中心增长继续而新的发电设施无法及时建成，到那时可能会出现冬季电力短缺。该委员会的电力规划主任表示，模型中显示的潜在短缺并不一定意味着断电。但该地区可能不得不更多地依赖紧急措施，如柴油发电机或增加电力的批发市场采购，这可能对所有客户来说都是昂贵的。她说，规划模型正在努力寻找能够满足需求的最低成本投资组合。5. 可再生能源无法快速填补缺口科技公司尤其希望其数据中心使用可再生或核能以避免碳排放。然而，可用的核能有限，考虑到漫长的监管和建设周期，迅速增加核能非常困难。像风能和太阳能这样的可再生能源是清洁的，但无法全天候提供以匹配数据中心的24小时需求。科技公司将继续支持新的风能和太阳能项目，但要让拟建的小型核反应堆或地热项目这样的清洁和可靠技术进入市场还需要多年。与此同时，分析师预计将增加新的天然气发电厂以满足不断增长的电力需求。∞ 华人首个AI完全制作的访谈播客∞
本文仅作为科普分享及学习资料，不构成任何投资建议或金融产品推荐，并且及不应被视为邀约、招揽、邀请、建议买卖任何投资产品或投资决策之依据，文中所涉及的分析、观点及结论均为作者基于公开信息的研究和主观判断，不代表任何投资机构或金融机构的官方立场，亦不应被诠释为专业意见。投资有风险，入市需谨慎。
