在美國弗吉尼亞州的吞噬卡爾佩珀縣，牛的胃底有多數量幾乎是人口數量的3倍，空氣中彌漫著幹草和糞肥的吞噬氣味。這裏的胃底有多大農場大多數仍由家庭經營，廣袤的吞噬森林與田園風光交相輝映。然而，胃底有多這片寧靜的吞噬鄉村正經曆著21世紀的巨變。
過去幾年，胃底有多為支持生成式人工智能（AI）的吞噬發展，該縣批準了7個大型數據中心的胃底有多建設項目。這些數據中心將為AI模型訓練和全球海量查詢提供支持，吞噬但也麵臨巨大的胃底有多能源消耗問題。每個數據中心的吞噬用電量堪比數萬戶家庭用電量，不僅推高了居民用電成本，胃底有多還對電網造成很大壓力。吞噬
生成式AI比傳統AI耗能更多，促使科技公司投入巨資擴建數據中心。但是，這些公司在AI能耗方麵缺乏透明度，使得研究人員難以準確評估其影響。英國《自然》雜誌報道稱，不少研究人員試圖通過各種方法來探索AI的實際能源需求。
基於市場實施估算
荷蘭阿姆斯特丹自由大學研究員、Digiconomist公司創始人亞曆克斯·德弗裏斯，利用基於供應鏈或市場的估算方法研究了英偉達一款服務器的功耗，並據此推算出其一年的能耗。然後，他根據特定任務所需此類服務器總數來進行估計。
德弗裏斯估算了穀歌搜索使用生成式AI所需的能源。如果將類似ChatGPT的AI整合到穀歌搜索中，將需要40萬至50萬台英偉達A100服務器，這些服務器每年耗電量將達230億至290億千瓦時。預計穀歌每天處理多達90億次搜索，通過AI服務器進行的每次搜索請求需要7至9瓦時的能源。據穀歌2009年的一篇博客文章中的數據，這比普通搜索的能耗高出23倍至30倍。
這種估算方法雖然直觀，卻忽略了算力成本下降趨勢。過去5年AI訓練成本已下降了80%，芯片能效每年提升35%。
美國能源分析公司SemiAnalysis表示，評估生成式AI能耗的最佳方法仍然是監測服務器的發貨量及其電力需求。
自下而上進行實測
更精確的自下而上測量法正在興起。這種測試方法的理念是，用戶提交一個提示，例如生成圖像的請求或文本聊天請求，運行結束後，它會估算出用戶所使用的硬件消耗了多少能源。
研究人員發現，不同的任務需要不同的電力。平均而言，根據文本提示生成圖像消耗約0.5瓦時的電力，而生成文本則略少。相比之下，現代智能手機充滿電可能需要22瓦時。
但這種方法也存在先天局限。比如，穀歌的張量處理單元等專有芯片的能耗數據仍被鎖在“黑箱”之中。
預測存在不確定性
國際能源署估計，2022年，數據中心的用電量為240太瓦時至340太瓦時，占全球需求的1%—1.3%。但隨著生成式AI的普及，這一數字可能進一步上升。然而，相比於全球電力需求預計到2050年增長80%以上的趨勢，數據中心的能耗占比仍相對較小。
不過，《自然》雜誌指出，AI對能源的影響在地方和區域層麵將最為嚴重。以美國弗吉尼亞州為例，數據中心已占該州電力消耗的4.4%，預計到2028年可能翻倍甚至翻3倍，達到總用電量的7%至12%。該州的電力基礎設施正麵臨巨大壓力，部分數據中心項目因供電不足而被迫延期。
那麽，AI的電力需求會下降嗎？這一問題目前似乎還難以回答。
獨立研究員喬納森·庫米指出，許多預測基於簡單假設，且科技公司可能誇大需求。因此，AI能耗預測的難點在於其不確定性。
此外，AI技術進步也可能引發“傑文斯悖論”，即效率的提升並不必然導致資源消耗的減少，反而可能因為成本降低和應用範圍擴大，刺激需求增長，最終導致資源消耗總量增加。
未來的解決方案需要跨越技術、政策和倫理的多維創新。或許卡爾佩珀縣的牧民們能給出啟示：就像他們世代遵循的輪牧製度，讓土地休養生息。數字文明也需要建立“能源輪牧”機製，即在算力擴張與電網承載力之間找到動態平衡，而這也是亟待解決的全球性問題。
