在美国弗吉尼亚州的卡尔佩珀县，牛的数量几乎是人口数量的3倍，空气中弥漫着干草和粪肥的气味。这里的大农场大多数仍由家庭经营，广袤的森林与田园风光交相辉映。然而，这片宁静的乡村正经历着21世纪的巨变。

　　近年来，为支持生成式人工智能（AI）的发展，卡尔佩珀县批准了多个大型数据中心建设项目。这些数据中心为AI模型训练和全球查询提供支持，但能耗巨大。每个数据中心的用电量堪比数万家庭，推高了用电成本，对电网造成巨大压力。AI能耗问题成为关注焦点。

　　生成式AI耗能远超传统AI，科技公司为此斥巨资扩建数据中心。然而，这些公司在AI能耗方面缺乏透明度，研究人员难以准确评估其影响。英国《自然》杂志报道称，研究人员正尝试各种方法来探索AI的实际能源需求。

　　基于市场估算能耗

　　荷兰阿姆斯特丹自由大学研究员、Digiconomist公司创始人亚历克斯·德弗里斯，通过基于供应链或市场的估算方法研究了英伟达服务器的功耗，并推算出其年能耗。他进一步根据特定任务所需服务器数量进行估计。

　　德弗里斯估算，如将类似ChatGPT的AI整合到谷歌搜索中，将需40万至50万台英伟达A100服务器，年耗电量达230亿至290亿千瓦时。每次搜索请求需7至9瓦时能源，比普通搜索能耗高出23至30倍。

　　但此方法忽略了算力成本下降趋势。过去5年，AI训练成本已降80%，芯片能效年提升35%。

　　美国能源分析公司建议监测

　　美国能源分析公司SemiAnalysis表示，评估生成式AI能耗的最佳方法是监测服务器发货量及其电力需求。

　　自下而上实测法兴起

　　更精确的自下而上测量法正在兴起。用户提交请求后，系统会估算所用硬件的能耗。

　　研究发现，不同任务能耗不同。生成图像平均消耗约0.5瓦时电力，生成文本略少。但现代智能手机充满电需22瓦时。

　　然而，此方法存在局限。如谷歌专有芯片的能耗数据仍被保密。

　　预测存在不确定性

　　国际能源署估计，2022年数据中心用电量为240至340太瓦时，占全球需求1%至1.3%。随着生成式AI普及，这一数字可能上升。但相比全球电力需求预计到2050年增长80%的趋势，数据中心能耗占比仍小。

　　然而，《自然》杂志指出，AI对能源的影响在地方层面将最为严重。以美国弗吉尼亚州为例，数据中心已占该州电力消耗的4.4%，预计到2028年可能翻倍甚至增至三倍，达到总用电量的7%至12%。该州电力基础设施面临巨大压力。

　　AI电力需求是否会下降？目前难以回答。独立研究员乔纳森·库米指出，预测基于简单假设，科技公司可能夸大需求。AI能耗预测的不确定性大。

　　此外，AI技术进步或引发“杰文斯悖论”，即效率提升并不必然减少资源消耗，反而可能因成本降低和应用范围扩大而刺激需求增长。

　　未来解决方案需跨越技术、政策和伦理创新。或许卡尔佩珀县的牧民能给出启示：数字文明需建立“能源轮牧”机制，在算力扩张与电网承载力间找到平衡。

（文章来源：科技日报）