人工智能正在重塑我們的生活。
但是，在AI大模型百舸爭流背后，多項研究表明，大模型運行極其耗電費水，也會帶來極高的碳排放量。有網友戲稱“只要電費貴過饅頭，AI就永遠不能完全代替人”。
在技術進步與能源消耗的矛與盾之間，將如何破題？AI熱潮下又該如何為未來去除“暗礁”？
GPT-3單次訓練耗電
相當于3000輛特斯拉跑到報廢
你知道訓練一次大模型需要多少度電嗎？
根據斯坦福人工智能研究所發布的《2023年人工智能指數報告》，OpenAI的GPT-3單次訓練耗電量高達1287兆瓦時（1兆瓦時=1000千瓦時），也就是127.8萬度電。
這是什么概念？據美國國家環保署評定，特斯拉Model Y每百英里（161公里）耗電28千瓦時，1278兆瓦時相當于3000輛特斯拉，每輛跑滿20萬英里（32.2萬公里）。大多數司機認為跑滿30多萬公里大關是汽車壽命上限。這意味著，大模型的單次訓練耗電，就相當于3000輛特斯拉跑到報廢所需要消耗的電量。
即便如此，模型訓練只是開始。
AI的耗電主要來自兩個階段——訓練階段和推理階段。訓練階段涉及大量數據集的輸入和模型參數的調整，而推理階段則是模型根據新數據生成輸出結果的過程。
在大模型推理階段，當用戶使用時，根據估算，每生成1000個英文單詞大約消耗0.125千瓦時的電量，也就是說每問8次就會消耗1度電，而1度電電量可至少充電50次手機，吹55分鐘的空調，讓筆記本電腦工作約10-15小時，讓電視機播放約10個小時。而一個中等規模的電影放映廳，放映90分鐘的電影，用電才17度，相當于136個用戶在ChatGPT只問一次的電量。
ChatGPT現在差不多2億用戶，有數據顯示，其單日耗電量至少超50萬千瓦時，一年電費就要近2億美元。
除了OpenAI，谷歌也“吃電量”驚人：在谷歌搜索中應用生成式AI技術，谷歌每年的耗電量將高達290億千瓦時，也就是每天約7900萬度電。這相當于2.37億臺特斯拉跑到報廢所需要消耗的電量。
此外，亞馬遜也估計，運行AI的能耗費用中，90%來自用戶查詢模型以獲得結果的階段，大約相當于訓練階段的10倍。
在今年2月，OpenAI首席執行官薩姆·奧特曼表示，AI技術消耗的電力將遠遠超出人們預期。
“AI技術的發展速度前所未見，到了明年人類就沒有足夠的電力來運行所有的芯片了。”一個月前，馬斯克也表達了同樣的“缺電焦慮”。
AI數據中心好比超大“電熱水器”
AI一下就沒了“一瓶水”？
更重要的是除了是“耗電”大魔王，AI其實也非常費水。
雖然太陽能和風能發電不用消耗水，但是火電、天然氣和核能發電都會消耗大量水。
服務于AI的芯片制造也是一個高度復雜和精密的過程，涉及大量的清洗和化學處理步驟，這些步驟通常需要用到超純水。生產一個智能手機芯片大約需要消耗5噸多的水。
在AI數據中心，除了芯片，“耗電”的重要機器還有風扇。如果沒有不斷吹過一排排計算機的冷空氣，先進的芯片能將自己燒毀。
簡言之，耗能越多，熱能越多。
近年來，液冷的散熱方式成為AI算力中心的部署趨勢。數據顯示，與傳統的風冷系統相比，新型液冷系統可節省用電量的30%至50%。
因此，AI超算數據中心就需要大量水來散熱。
一個頗為形象的比喻：AI數據中心就好比一個超級大的“電熱水器”。
仍以初級的GPT-3為例，有學術研究顯示，GPT-3在訓練期間耗水近700噸，足以用來生產370輛寶馬汽車或320輛特斯拉電動汽車。
用戶每一次和GPT-3的簡單對話，AI回答10至50個問題，就需消耗500毫升水。
“人們需要意識到，使用大模型和訓練大模型并不是不需要水的”加州大學河濱分校表示人工智能模型的“巨大水足跡”一直“隱藏在雷達之下”，令人擔憂。
值得一提的是，公開資料顯示，微軟承認用水是訓練大模型的一大成本，從2021年到2022年，其全球用水量飆升了34%，相當于2500個奧運規格游泳池的大小。
弗吉尼亞理工大學的研究指出，Meta在2022年使用了超過260萬立方米的水，主要就是數據中心使用。
有調研估算，到2027年，全球范圍內的AI需求可能需要消耗掉66億立方米的水資源，相當于杭州西湖水量的450多倍、75個武漢東湖、9個云南滇池。
換句話說，AI的高耗電耗水量也帶來了經濟成本的上升，這一成本最終轉嫁到了消費者身上。
或許，這就不能理解，為何OPEN AI的奧特曼會在今年認為未來兩種重要的貨幣是算力和能源。
比AI更耗電費水的是啥？
加密貨幣耗能更瘋狂
今年1月底，美國信息技術與創新基金會（ITIF）發布報告《重新審視對人工智能能耗的擔憂》稱，應為AI模型制定能源透明度標準。
實際上，熱潮之中的AI也不是最耗能源的，跟“數字黃金”的比特幣比起來，甚至相形見絀。
英特爾CEO帕特·基辛格認為一項技術消耗太多能源，是不對的。
他表示，進入比特幣賬戶一次，就比一個家庭一天的耗電量要高，比特幣使用太頻繁會造成氣候危機。
劍橋大學正在開展的一項研究估計，比特幣涉及的二氧化碳排放高達7250萬噸。如果所有比特幣礦工都使用水電，這一數字可低至300萬噸。相比瘋狂耗電的加密貨幣，AI大模型似乎微不足道。
正如馬斯克所說，一個新興產業爆發所帶來的電力需求，完全有可能顛覆原來的想象，更何況需要電力的不止AI，還有電動車、電動機器人、電解水制氫等等。
面對新技術帶來的挑戰，科技公司正在探索多種解決方案。一方面，通過優化算法提高效率，如模型量化和剪枝，減少計算量和電量消耗。另一方面，新型能源的投資也成為了一個重要方向。為了解決用電問題，微軟和OPEN AI都在布局核聚變發電裝置。
國際能源署在今年1月發布的報告中預測，未來三年，全球對數據中心、加密貨幣和人工智能的電力需求將增加一倍以上，相當于一個德國的全部電力需求。到2026年，全球總體電力需求預計將增長3.4%。
根據國際能源署的數據，數據中心和輸電網絡的能源消耗已各占全球總量的1.5%。它們每年的碳排放總量與巴西相當。
中國作為全球算力總規模排名第二的國家，正在通過提升AI和電力相關技術、優化數據中心軟硬件技術，以及利用豐富的綠色電力資源來應對AI耗電問題。
在海南陵水，海平面下30余米的海床上，單個重達1300噸的數據艙安靜地運轉著，這是全球首個商用海底數據中心項目。
海洋是全球最大的自然冷源，將數據中心建在海底，優勢在于減少數據中心在制冷上所需的能耗，在幾乎不消耗淡水資源的同時，可以支持更高的功率密度，進而穩定地提供澎湃算力。
海蘭云海底數據中心海南示范開發項目總經理蒲定對外介紹，以100個海底數據艙為例，相較于同等規模的陸地傳統數據中心，海底數據中心每年能節省用電總量1.22億千瓦時、節省建設用地面積6.8萬平方米、節省淡水10.5萬噸。
可謂是省電、省水、省地，一舉多得。全球已實現在海底建設數據中心的只有兩個國家，一個是中國，另一個就是美國。