整理丨诺亚
出品 | 51CTO技术栈（微信号：blog51cto）
人工智能是一个能耗大户，随着各公司竞相使其变得更大、更智能、更复杂，其电力需求将进一步增加。这给一个标榜自身为强大环保工具的行业设置了一个棘手的问题：巨大的碳排放足迹。
然而，根据OpenAI负责人萨姆·阿尔特曼的观点，要解决人工智能日益增长的能源需求，核聚变是关键途径。但专家们指出，这一观点尚需审慎对待，实际情况并不那么简单。
阿尔特曼本人已向核聚变领域投资数亿美元，并在近期采访中表示，被广泛视为清洁能源圣杯的这项未来主义技术最终将满足下一代人工智能所需的巨量电力需求。
“如果没有突破性进展，我们无法达到这个目标，我们需要核聚变。”阿尔特曼在一月份的采访中说，并强调核聚变应与其他可再生能源一同扩大规模。到了三月份，当播客主持人兼计算机科学家莱克斯·弗里德曼询问如何解决人工智能的“能源难题”时，阿尔特曼再次指向了核聚变。
图片
2024年1月18日，OpenAI首席执行官Sam Altman在瑞士达沃斯举行的世界经济论坛会议上。图片拍摄：Fabrice Coffrini（法新社）
核聚变——为太阳和其他恒星提供能量的过程——很可能还需要几十年的时间才能在地球上掌握并实现商业化应用。对于一些专家而言，阿尔特曼对未来的能源突破的关注，恰恰反映了人工智能行业在回答如何短期内满足人工智能飞速增长的能源需求这一问题上的普遍缺失。
阿姆斯特丹自由大学的数据科学家兼研究员亚历克斯·德·弗里斯表示，这种观点与在气候行动上普遍存在的一种“一厢情愿”的倾向相吻合。“相比寄希望于可能发生的事情，更明智的做法是专注于我们现在拥有什么，以及我们现在能做什么。”
对于人工智能行业来说，核聚变的魅力显而易见。核聚变是指将两个或多个原子碰撞在一起形成密度更大的原子，这一过程中会释放出大量的能量。
它不会向大气中排放碳污染，也不会留下长期存在的核废料，提供了一个清洁、安全、丰富的能源来源的美好愿景。
但是，“在地球上重现太阳中心的条件是一项巨大的挑战”，英国曼彻斯特大学核聚变研究助理研究员阿尼卡·汗表示，这项技术可能要到本世纪下半叶才能准备就绪。
“核聚变在应对气候危机方面已经来不及了。”汗补充道，“在短期内，我们需要利用现有的低碳技术，如裂变和可再生能源。”
裂变是目前广泛用于产生核能的过程。
问题在于，在短期内找到足够的可再生能源来满足人工智能日益增长的需求，而不是依赖加剧全球变暖的化石燃料。在全球范围内推动汽车至供暖系统等所有事物电气化的进程中，对清洁能源需求的增长使得这一挑战尤为突出。
国际能源署最近的一项分析预计，未来两年内，数据中心、加密货币和人工智能的电力消耗可能会翻一番。据IEA统计，2022年，这一领域约占全球电力需求的2%。
该分析预测，人工智能的需求将呈指数级增长，预计在2023年至2026年间至少增长10倍。
除了制造芯片和其他硬件所需的能源外，人工智能还需要大量的计算能力来“训练”模型——即向模型输入庞大的数据集——然后再次使用训练结果来生成对用户查询的响应。
随着技术的发展，各公司正在争相将其整合到应用程序和在线搜索中，从而增加了计算能力的需求。根据德·弗里斯最近关于人工智能能源足迹的报告，使用人工智能进行在线搜索所需的能源至少比标准搜索多10倍。
德·弗里斯表示，这种情况体现出一种“在人工智能领域越大越好”的动态，促使公司追求庞大且耗能巨大的模型。“这就是人工智能面临的关键问题，因为‘越大越好’从根本上与可持续性不兼容。”他补充道。
在美国，这一情况尤为严峻。地球之友组织气候变化虚假信息项目主任迈克尔·丘（Michael Khoo）同时也是关于人工智能与气候报告的共同作者，他表示，美国的能源需求在大约15年来首次急剧上升。“作为一个国家，我们的能源即将耗尽。”
部分原因在于数据中心电力消耗的激增。波士顿咨询集团的一项分析预计，到2030年，数据中心的电力消耗将增长三倍，相当于约4000万美国家庭所需的电量。
丘指出：“我们将不得不做出艰难的决策，决定能源应该分配给谁，无论是数千户家庭，还是为下一代人工智能提供动力的数据中心。”他还补充道：“不能仅仅让最富有的人首先得到能源。”
对于许多人工智能公司而言，外界对其能源使用的担忧忽视了两个关键点：首要的一点是，人工智能本身能够帮助应对气候危机。
微软的一位发言人表示：“人工智能将成为推进可持续解决方案的强大工具。”微软与OpenAI之间建立了合作关系。目前，这项技术已经被用于预测天气、追踪污染、绘制森林砍伐地图以及监测冰川融化现象。
最近由波士顿咨询集团受谷歌委托发表的一份报告声称，人工智能可能有助于减少高达全球升温污染的10%。
人工智能或许还能在推进核聚变技术方面发挥作用。今年2月，普林斯顿大学的科学家宣布他们找到了一种利用该技术预测核聚变反应潜在不稳定性的方法，这是通往商业化漫长道路上的一个进步。
此外，人工智能公司还表示，它们正在努力提高效率。例如，谷歌称其数据中心相比典型的商业数据中心要高效1.5倍。
微软的一位发言人指出，公司在投资研究如何衡量人工智能的能源使用和碳排放影响的同时，还在致力于开发方法提高大型系统在训练和应用阶段的效率。
德弗里斯（de Vries）表示，人工智能的效率已经有了“显著”的提升。但他警告说，这并不意味着人工智能对电力的需求就一定会下降。事实上，他补充道，技术和自动化的历史表明情况恰恰可能相反。他以加密货币为例指出，“效率提升从未减少过加密货币挖矿的能源消耗。”他表示，“当我们使某些商品和服务变得更加高效时，我们反而会看到需求的增长。”
与此同时，丘指出，人们普遍认为越来越复杂且能源需求更大的人工智能的发展是一种必然趋势，各公司正处于一场“竞赛”，竞相研发下一代产品。这意味着模型越来越大，电力消耗也越来越高。
因此，Khoo说：“任何时候，当有人说他们在解决气候变化问题时，我们必须追问的是：你们现在具体是如何做到这一点的？你们是否让每一天的能耗都变得更低？还是仅仅把环保作为一个幌子？”
参考链接：https://edition.cnn.com/2024/03/26/climate/ai-energy-nuclear-fusion-climate-intl/index.html
