人工智能技術(shù)的快速擴張，給全球電網(wǎng)帶來了巨大壓力。

人工智能系統(tǒng)非常耗能。每次查詢模型時，整個系統(tǒng)都會被激活。因此從計算角度來看，這是非常低效的。這些系統(tǒng)，尤其是從頭開始生成內(nèi)容的大型語言模型(LLM)，需要大量的計算工作。據(jù)研究，人工智能系統(tǒng)消耗的能量比運行特定任務軟件的機器高出約33倍。

隱形能源成本

雖然用于與AI模型交互的個人電腦和智能手機不是主要的能源消耗者，但真正的負擔落在全球龐大的數(shù)據(jù)中心身上。這些中心通常不為公眾所知，但處理著大量數(shù)據(jù)和計算任務。2022年，全球數(shù)據(jù)中心消耗了460太瓦時(TWh)的電力。國際能源署(IEA)預計，到2026年，這一數(shù)字將翻一番，達到1000TWh，相當于日本的總用電量。

數(shù)據(jù)中心對于存儲和處理大量數(shù)據(jù)至關(guān)重要，不僅支持人工智能，還支持加密貨幣和其他數(shù)字服務。一些地區(qū)感受到的壓力更為嚴重。在都柏林，新數(shù)據(jù)中心建設(shè)的暫停反映了這些設(shè)施的大量能源消耗，這些設(shè)施目前消耗了愛爾蘭近20%的電力。與此同時，愛爾蘭家庭正在減少能源使用量。

需求上升和基礎(chǔ)設(shè)施緊張

在英國，國家電網(wǎng)預測，未來十年數(shù)據(jù)中心的電力需求將增長六倍，這主要得益于人工智能的發(fā)展。然而，電氣化運輸和供暖所需的總能源預計會更高。美國的公用事業(yè)也面臨著數(shù)據(jù)中心需求增加的壓力，與此同時，受政府政策刺激，國內(nèi)制造業(yè)也出現(xiàn)復蘇。

由于當?shù)啬茉椿A(chǔ)設(shè)施承受巨大壓力，這種同時出現(xiàn)的需求激增正促使一些州重新考慮對數(shù)據(jù)中心開發(fā)商的稅收優(yōu)惠。

總之，隨著人工智能（AI）技術(shù)的快速發(fā)展，其能源需求也顯著增加，對電網(wǎng)造成了巨大的壓力。以下幾點概述了這一現(xiàn)象及其影響：

1. 計算需求增加：

AI模型尤其是深度學習模型，通常需要大量計算資源來進行訓練和推理。例如，大型語言模型如GPT-4需要數(shù)百個甚至上千個GPU或TPU，并持續(xù)運行數(shù)周或數(shù)月才能完成訓練。 這些計算任務不僅需要高性能的硬件支持，還需要大量的電力來驅(qū)動這些硬件。

2. 數(shù)據(jù)中心的能源消耗：

AI訓練和推理工作大多在數(shù)據(jù)中心進行。這些數(shù)據(jù)中心通常包含成千上萬臺服務器，需要大量電力來運行和冷卻。 數(shù)據(jù)中心的電力需求已經(jīng)占全球電力消耗的1-2%，而AI相關(guān)的工作正在顯著增加這一比例。

3. 可再生能源的挑戰(zhàn)：

盡管許多技術(shù)企業(yè)致力于使用可再生能源來為其數(shù)據(jù)中心供電，但不穩(wěn)定的可再生能源（如風能和太陽能）在面對高峰需求時可能難以提供足夠的電力。 因此，電網(wǎng)需要具備足夠的彈性和備用電源，以應對AI工作負載的高峰期。

4. 電網(wǎng)壓力：

AI的能源需求會導致電網(wǎng)負荷增加，特別是在計算任務密集的時期。例如，當多個大型AI模型同時訓練時，可能會對電網(wǎng)造成顯著的瞬時負荷。 電網(wǎng)需要進行升級和擴展，以滿足日益增長的需求，包括改進基礎(chǔ)設(shè)施和智能電網(wǎng)技術(shù)，以更有效地管理和分配能源。

5. 碳足跡與環(huán)保：

大量的電力消耗不僅增加了電網(wǎng)壓力，也對環(huán)境產(chǎn)生了影響。除非使用清潔能源，否則AI相關(guān)的電力需求會導致大量的碳排放。 因此，如何平衡AI發(fā)展的能源需求與環(huán)保目標成為一個重要的議題。

總之，隨著人工智能技術(shù)的發(fā)展，其對電力的需求也在不斷增長，這對現(xiàn)有的電網(wǎng)系統(tǒng)提出了巨大的挑戰(zhàn)。為了應對這一情況，需要在技術(shù)、政策和管理層面采取一系列措施，以確保電網(wǎng)能夠穩(wěn)定、高效地支持人工智能的發(fā)展，同時盡量減少對環(huán)境的負面影響。