全球數字化使對計算能力的需求呈指數級增長。專家們曾在上世紀90年代末預測，個人電腦將引發不可持續的電力消耗，但事實證明這是錯誤的。現在，其他專家警告稱，人工智能(AI)將進一步加速需求，并可能導致電力短缺。這些擔憂有多現實？
弗吉尼亞州及其位于華盛頓郊外的數百個數據中心經常被認為是熱點地區。 事實上，當地公用事業公司 Dominion Energy 最近大幅提高了對未來電力需求的預測，這完全是由于滿足人工智能需求的數據中心的增加。 加州能源和信息技術 (IT) 專家喬納森·庫米 (Jonathan Koomey) 表示：“但這種情況發生在弗吉尼亞州并不意味著它會發生在整個國家。” 他指出，2023 年美國的電力總需求低于 2022 年。“需求爆炸性增長是怎么回事？事實并非如此。”
不是“危機”
Koomey 表示，IT 和電信行業約占全球電力需求的 5%，其中約 2% 用于最終用戶設備，另外 2% 用于骨干網和本地網絡，只有 1% 用于數據中心。 他補充道，就能源使用而言，人工智能約占所有數據中心的 10%。 “未來幾年，這 1% 中的 10% 可能會增加一倍或三倍，所以這遠低于用電量的 1% 增長；這不是一場危機，而且它也將取代其他一些數據中心的用電量 ”。
這些數字在歐盟委員會在最近對已發表報告的審查中發現的估計的“顯著范圍”之內。這些人認為數據中心的功耗占全球需求的0.8%-1.6%。然而，法國電信監管機構Arcep最近發布了一份低得多的法國0.5%的估計，而國際能源署(IEA)發現全球數字略高，為1.7%，但中國為2.7%，歐洲為3.8%，美國為4.6%。該機構認為，在這三個地方，未來幾年數據中心功耗可能每年增長7%-10%，達到總需求的3%-6%。
Koomey認為，這“可能是錯誤的”，因為計算效率提高得更快。他堅持說：“我們正處于研究如何利用人工智能實現這一目標的開始階段。我們可以改變硬件架構，我們可以創建專用設備，我們可以優化軟件和硬件，但這些很少應用于大型人工智能模型。”。
批評者認為，近年來事實證明，通過微型化半導體來提高計算效率(即摩爾定律)變得更加困難。 麻省理工學院一組研究人員最近在《科學》雜志上發表的一篇文章表示同意：“隨著小型化的衰落，硅制造的改進將不再提供社會 50 多年來所享有的可預測的、廣泛的計算機性能提升。”
但他們補充稱，“軟件性能工程、算法開發和硬件精簡可以繼續讓計算機應用在后摩爾時代變得更快，與摩爾定律多年來積累的收益相媲美。”另一篇文章發現，在2010年至2020年期間，典型數據中心服務器的每計算耗電量下降了四分之一，這主要是由于處理器效率的提高和閑置功耗的減少，每TB已安裝存儲的瓦特數下降了九分之一。
創新
除了計算本身(占數據中心電力需求的 40% 左右)之外，還可以通過更好的冷卻來實現改進(占另外 40%)，以及剩下的 20%(由電源系統、存儲消耗) 設備和通訊設備。 IEA 表示，傳統的高效冷卻系統可以減少 10% 的電力需求，而使用液體冷卻劑的先進“直接芯片”系統可以再節省 20%。 IEA 還指出，谷歌報告使用其 DeepMind AI 將其數據中心冷卻系統的電力需求減少了 40%。 向節能云和“超大規模”數據中心的轉變還允許“在不顯著增加電力消耗的情況下進行大規模運營”。
在高需求地區，新的化石燃料發電能力只是多種選擇之一。 其中包括新的輸電線路和帶有電池的可再生能源發電，可能以虛擬發電廠的形式出現。 庫米認為：“這些地方的公用事業公司希望建造更多的傳統發電廠，他們正在利用這一點來推動監管機構允許他們這樣做。”
大型科技公司也在致力于數據中心之間計算負載的“動態轉移”。 “我們開發并試點了一種新方法，通過將一些非緊急計算機任務轉移到其他時間和地點，在不影響您每天使用的服務的情況下，在當地電網壓力較大時減少數據中心的電力消耗，” 谷歌最近宣布。 這種方法已經過測試的例子包括2022年12月至2023年3月能源價格創下歷史新高的歐洲，以及最近熱浪和冬季風暴等極端天氣事件期間的美國各地。
Koomey 解釋說，電力系統狀況和延遲(或數據在發送器和接收器之間傳輸所需的時間)是負載轉移計算的主要參數。 “搜索或提取網頁對延遲敏感，但像人工智能訓練這樣的事情更像是科學計算，它們不需要大量的輸入和輸出，并且對延遲不敏感，所以你可以想象將它們移動到不同的地方 - 在美國或國外——擁有更多可再生能源。
