《华尔街日报》对人工智能能源需求的误解

《华尔街日报》（WSJ）最近发表了一篇文章，题为“大型科技公司的最新痴迷是寻找足够的能源”；副标题明确指出“人工智能热潮正在助长对电力的无限需求”。这篇文章只是越来越多关于人工智能潜在能源需求 的文章中的最新一篇，这些文章重点关注人工智能如何要求扩大化石燃料能源（主要是天然气）的使用，否则将损害脱碳进程。然而，这些分析大部分都有缺陷；《华尔街日报》的文章在很多方面都比大多数文章要好，但仍然没有切中要点。论点大致如下：

1. 人工智能将需要大量的电力。
2. 与人工智能相关的数据中心和能源需求的增长与过去的增长模式有所不同。
3. 由于这些新的增长模式，企业正在转向化石燃料来满足需求。

基本缺陷出现在第二点：假设人工智能将代表能源需求增长的一个重大转折点。让我们深入研究并分解它。首先，值得为数据中心的能源需求增长设定一个基准：您可能会惊讶地发现，尽管过去十年来数字技术在我们生活的每个领域都得到了巨大的扩展，但数据中心的能源使用量增长在同一时期几乎持平。这主要是由于芯片、程序和数据中心本身的能源效率提高——已经向更节能的超大规模中心发生了重大转变。尽管数据中心数量不断增加，计算能力不断增强，但增长仍然不足。请注意，加密货币挖矿属于自己的类别——仅比特币就消耗了超过 140 TWh，并且在过去几年中增加了约 100 TWh 的需求——但非加密数据中心的能源需求增长非常温和。那么，人工智能是否符合现有的需求增长模式，或者它是另一种加密货币，将对能源需求产生巨大影响？

有大量证据表明，人工智能更可能适应现有的需求增长模式。以谷歌搜索为例：谷歌每天处理约 85 亿次搜索——但如果它想将人工智能响应与每一次搜索相结合，就像它已经开始做的那样，该怎么办？查询 ChatGPT 可能消耗约3-4 Wh 的电力；为了安全起见，我们将其称为 5 Wh。考虑到训练，在每次搜索中添加类似谷歌 Gemini 的大型语言模型 (LLM) 查询将增加约 20,000 GWh 的能源需求——大约是谷歌总能源消耗的两倍。这可真不少！这是许多关于人工智能能源需求恐慌言论的基础分析。

然而，仅此而已是没有达到目的的。首先，模型本身的能源效率大大提高：针对能源效率进行优化的 LLM 已经证明，每个查询的能源需求提高了 10 倍；考虑到这一点，即使考虑到未来搜索需求的增长，Google 搜索 LLM 集成的总能耗也会降低到 2,000 GWh。这 2,000 GWh 的增量能耗与 Google 每三年左右能源消耗翻一番的趋势非常吻合。

除了模型的能源效率改进之外，还有大量现实原因认为能源需求增长不会那么显著：谷歌搜索之类的东西不需要每次都重新运行，因为有很多常见的搜索是重复的。许多大容量任务最终将使用较小的专用和自定义优化模型，这些模型不需要每个查询消耗太多能量。人工智能根本不具备比特币挖矿的极度反效率架构，随着时间的推移，比特币挖矿的能源效率会逐渐降低——人工智能则相反，因为开发人员有很强的动力将计算需求降至最低，以优化自己的成本和有限的 GPU 时间。

我也不清楚人工智能是否会扩大对这些服务的需求——网络搜索的需求增长已经放缓至每年 5%。人工智能生成的照片和视频在这里有点难以预测，但我们的估计表明，需要大量图像生成才能真正改变数据中心总能源需求。《华尔街日报》理所当然地认为，人工智能将继续发展和被采用，尽管目前还没有关于如何从大型语言模型中获利的明确计划。法学硕士可能最终不会赚钱！在这种情况下，能源问题就解决了。

然而， 《华尔街日报》确实说对了第三点：企业越来越多地转向化石燃料来支持需求增长。然而，这与人工智能没有太大关系。正如文章指出的那样，美国正在走出长期的电力需求停滞；由于政府出台了新的激励措施，推动家庭、交通和工业电气化以及更多国内制造业的发展，电力需求正在激增。十年来一直处于维护状态的公用事业公司现在正争先恐后地增加产能，尽管一些较旧的化石燃料发电需要逐步淘汰。在美国，将可再生能源接入电网需要很长时间，工业（包括数据中心）集中在少数地区，这进一步加剧了这一危机，加剧了某些公用事业公司面临的问题。建设数据中心的时间只有几年，这是可再生能源目前无法比拟的（主要是由于许可），这使得天然气具有吸引力。

我们需要的是能够让可再生能源更容易地添加到电网中用于任何应用（包括其他工业应用）的政策。允许美国进行改革将是一个很好的起点。此外，我们需要关注的不是人工智能的能源足迹，而是数据中心的其他形式的浪费，包括水消耗和范围 3 排放以及建造和装备这些数据中心产生的电子垃圾。另外，禁止加密货币挖矿！加密货币已经是人们担心人工智能会变成的东西——国际能源署指出，至少到 2026 年，加密货币的电力需求将远远超过人工智能——而加密货币对社会来说是净负面的。人工智能有很多潜在的好处，包括它能够帮助优化能源消耗或减少制造浪费；人工智能完全有可能在碳排放方面达到净中性。

作者：Anthony Schiavo