人工智能的迅速崛起带来了一系列社会和经济问题，其中能耗问题尤其引人注目。人们对AI的高能耗可能带来的影响感到忧虑，担心这会成为限制AI发展的瓶颈。前工程师凯尔·科比特在社交媒体上分享了他的观点，他指出，在训练如GPT-6这样的高级AI模型时，能耗问题尤为突出。微软的工程师们不得不构建一个复杂的IB网络，将分布在不同地区的10万块H100芯片连接起来，以避免对单一地区的电网造成过大压力。
根据图库版权图片上的数据，每块H100芯片的峰值功率为700W，那么10万块H100芯片的峰值功率就能达到7000万W。能源行业从业者指出，这个能耗水平相当于一座小型或中型发电厂的全部输出。除了芯片本身，还需要考虑服务器和冷却设备的能耗。这些设施如果集中在一小块区域内，对电网的压力可想而知。
《》的报道曾引起广泛关注，该报道估算AI的日耗电量可能超过50万千瓦时。尽管这个数字已经非常惊人，但与加密货币和传统数据中心相比，AI的耗电量仍然相对较低。微软工程师遇到的难题表明，限制AI发展的不仅仅是技术本身的能耗，还包括配套基础设施的能耗和电网的承载力。据统计，2022年全球数据中心、人工智能和加密货币的耗电量达到了460TWh，占全球能耗的近2%。国际能源署（IEA）预测，在最糟糕的情况下，到2026年这些领域的用电量将达到1000TWh，相当于整个西班牙的用电量。
直接投入AI研发的能耗远低于数据中心和加密货币。英伟达在AI服务器市场中占据约95%的份额，2023年供应了约10万块芯片，每年耗电量约为7.3TWh。而在2022年，加密货币的能耗为110TWh，与整个西班牙的用电量相当。
数据中心的能效通常用PUE（能耗效比）来评估，即消耗的所有能源与IT负载消耗的能源的比值。全球大型数据中心的平均PUE约为1.59，这意味着数据中心的IT设备每消耗1度电，其配套设备就消耗0.59度电。其中，冷却系统消耗的能量可达数据中心总能耗的40%。随着芯片更新换代，数据中心的功率密度不断提升，对散热的要求也越来越高。
尽管不同数据中心的能效比差异很大，但世界各国正在采取措施，敦促数据中心实现节能减排的目标。例如，日本的数据中心已经把PUE降到了1.46，而在美国仍有超过十分之一的数据中心PUE超过2.19。
随着加密货币和AI的发展，各大科技公司的数据中心规模不断扩大。据国际能源署统计，2022年美国拥有2700座数据中心，消耗了全国用电量的4%，并预测这一比例到2026年将达到6%。美国东西海岸用地紧张，数据中心逐步向中部地区转移，但这些地区原有的产业并不发达，电力供应可能无法满足需求。一些技术公司尝试直接从供应商购买电能，但这种用电方式和新建数据中心都面临着挑战。
AI能耗问题是一个复杂的挑战，涉及到技术发展、基础设施建设、电网承载力以及全球能源政策等多个方面。随着AI技术的不断进步和应用领域的扩大，能耗问题将成为一个长期且必须面对和解决的问题。
本文来自作者[sxkxdz]投稿，不代表快芯号立场，如若转载，请注明出处：https://vip.sxkxdz.com/zixue/202412-121473.html
评论列表（4条）
我是快芯号的签约作者“sxkxdz”！
希望本篇文章《AI技术革命 全球电力消耗激增困境下的更加隐蔽危机 (ai技术革命的三个特征)》能对你有所帮助！
本站[快芯号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：人工智能的迅速崛起带来了一系列社会和经济问题，其中能耗问题尤其引人注目，人们对AI的高能耗可能带来的影响感到忧虑，担心这会成为限制AI发展的瓶颈，前工程师凯尔·科比特在社交媒体...