整理丨諾亞

出品 | 51CTO技術棧（微信號：blog51cto）

人工智能是一個能耗大戶，隨著各公司競相使其變得更大、更智能、更復雜，其電力需求將進一步增加。這給一個標榜自身為強大環保工具的行業設置了一個棘手的問題：巨大的碳排放足跡。

然而，根據OpenAI負責人薩姆·阿爾特曼的觀點，要解決人工智能日益增長的能源需求，核聚變是關鍵途徑。但專家們指出，這一觀點尚需審慎對待，實際情況并不那么簡單。

阿爾特曼本人已向核聚變領域投資數億美元，并在近期采訪中表示，被廣泛視為清潔能源圣杯的這項未來主義技術最終將滿足下一代人工智能所需的巨量電力需求。

“如果沒有突破性進展，我們無法達到這個目標，我們需要核聚變。”阿爾特曼在一月份的采訪中說，并強調核聚變應與其他可再生能源一同擴大規模。到了三月份，當播客主持人兼計算機科學家萊克斯·弗里德曼詢問如何解決人工智能的“能源難題”時，阿爾特曼再次指向了核聚變。

圖片

2024年1月18日，OpenAI首席執行官Sam Altman在瑞士達沃斯舉行的世界經濟論壇會議上。圖片拍攝：Fabrice Coffrini（法新社）

核聚變——為太陽和其他恒星提供能量的過程——很可能還需要幾十年的時間才能在地球上掌握并實現商業化應用。對于一些專家而言，阿爾特曼對未來的能源突破的關注，恰恰反映了人工智能行業在回答如何短期內滿足人工智能飛速增長的能源需求這一問題上的普遍缺失。   

阿姆斯特丹自由大學的數據科學家兼研究員亞歷克斯·德·弗里斯表示，這種觀點與在氣候行動上普遍存在的一種“一廂情愿”的傾向相吻合。“相比寄希望于可能發生的事情，更明智的做法是專注于我們現在擁有什么，以及我們現在能做什么。”

對于人工智能行業來說，核聚變的魅力顯而易見。核聚變是指將兩個或多個原子碰撞在一起形成密度更大的原子，這一過程中會釋放出大量的能量。

它不會向大氣中排放碳污染，也不會留下長期存在的核廢料，提供了一個清潔、安全、豐富的能源來源的美好愿景。

但是，“在地球上重現太陽中心的條件是一項巨大的挑戰”，英國曼徹斯特大學核聚變研究助理研究員阿尼卡·汗表示，這項技術可能要到本世紀下半葉才能準備就緒。

“核聚變在應對氣候危機方面已經來不及了。”汗補充道，“在短期內，我們需要利用現有的低碳技術，如裂變和可再生能源。”

裂變是目前廣泛用于產生核能的過程。

問題在于，在短期內找到足夠的可再生能源來滿足人工智能日益增長的需求，而不是依賴加劇全球變暖的化石燃料。在全球范圍內推動汽車至供暖系統等所有事物電氣化的進程中，對清潔能源需求的增長使得這一挑戰尤為突出。

國際能源署最近的一項分析預計，未來兩年內，數據中心、加密貨幣和人工智能的電力消耗可能會翻一番。據IEA統計，2022年，這一領域約占全球電力需求的2%。

該分析預測，人工智能的需求將呈指數級增長，預計在2023年至2026年間至少增長10倍。

除了制造芯片和其他硬件所需的能源外，人工智能還需要大量的計算能力來“訓練”模型——即向模型輸入龐大的數據集——然后再次使用訓練結果來生成對用戶查詢的響應。

隨著技術的發展，各公司正在爭相將其整合到應用程序和在線搜索中，從而增加了計算能力的需求。根據德·弗里斯最近關于人工智能能源足跡的報告，使用人工智能進行在線搜索所需的能源至少比標準搜索多10倍。   

德·弗里斯表示，這種情況體現出一種“在人工智能領域越大越好”的動態，促使公司追求龐大且耗能巨大的模型。“這就是人工智能面臨的關鍵問題，因為‘越大越好’從根本上與可持續性不兼容。”他補充道。

在美國，這一情況尤為嚴峻。地球之友組織氣候變化虛假信息項目主任邁克爾·丘（Michael Khoo）同時也是關于人工智能與氣候報告的共同作者，他表示，美國的能源需求在大約15年來首次急劇上升。“作為一個國家，我們的能源即將耗盡。”

部分原因在于數據中心電力消耗的激增。波士頓咨詢集團的一項分析預計，到2030年，數據中心的電力消耗將增長三倍，相當于約4000萬美國家庭所需的電量。

丘指出：“我們將不得不做出艱難的決策，決定能源應該分配給誰，無論是數千戶家庭，還是為下一代人工智能提供動力的數據中心。”他還補充道：“不能僅僅讓最富有的人首先得到能源。”

對于許多人工智能公司而言，外界對其能源使用的擔憂忽視了兩個關鍵點：首要的一點是，人工智能本身能夠幫助應對氣候危機。

微軟的一位發言人表示：“人工智能將成為推進可持續解決方案的強大工具。”微軟與OpenAI之間建立了合作關系。目前，這項技術已經被用于預測天氣、追蹤污染、繪制森林砍伐地圖以及監測冰川融化現象。

最近由波士頓咨詢集團受谷歌委托發表的一份報告聲稱，人工智能可能有助于減少高達全球升溫污染的10%。

人工智能或許還能在推進核聚變技術方面發揮作用。今年2月，普林斯頓大學的科學家宣布他們找到了一種利用該技術預測核聚變反應潛在不穩定性的方法，這是通往商業化漫長道路上的一個進步。

此外，人工智能公司還表示，它們正在努力提高效率。例如，谷歌稱其數據中心相比典型的商業數據中心要高效1.5倍。

微軟的一位發言人指出，公司在投資研究如何衡量人工智能的能源使用和碳排放影響的同時，還在致力于開發方法提高大型系統在訓練和應用階段的效率。

德弗里斯（de Vries）表示，人工智能的效率已經有了“顯著”的提升。但他警告說，這并不意味著人工智能對電力的需求就一定會下降。事實上，他補充道，技術和自動化的歷史表明情況恰恰可能相反。他以加密貨幣為例指出，“效率提升從未減少過加密貨幣挖礦的能源消耗。”他表示，“當我們使某些商品和服務變得更加高效時，我們反而會看到需求的增長。”  

與此同時，丘指出，人們普遍認為越來越復雜且能源需求更大的人工智能的發展是一種必然趨勢，各公司正處于一場“競賽”，競相研發下一代產品。這意味著模型越來越大，電力消耗也越來越高。

因此，Khoo說：“任何時候，當有人說他們在解決氣候變化問題時，我們必須追問的是：你們現在具體是如何做到這一點的？你們是否讓每一天的能耗都變得更低？還是僅僅把環保作為一個幌子？”

參考鏈接：https://edition.cnn.com/2024/03/26/climate/ai-energy-nuclear-fusion-climate-intl/index.html