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。这里的乡村风光美丽，但正经历着巨变，尤其是数据中心的建设。

　　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7个大型数据中心建设项目。这些数据中心将为AI模型训练和全球查询提供支持，但能耗巨大，堪比数万户家庭用电量，推高了用电成本，对电网造成压力。

　　生成式AI比传统AI更耗能，科技公司因此投入巨资扩建数据中心。然而，这些公司在AI能耗方面缺乏透明度，使得研究人员难以评估其影响。据英国《自然》杂志报道，研究人员正尝试探索AI的实际能源需求。

　　荷兰阿姆斯特丹自由大学研究员亚历克斯·德弗里斯，利用估算方法研究了英伟达一款服务器的功耗，并推算出其一年的能耗。他估算，将类似ChatGPT的AI整合到谷歌搜索中，将需要40万至50万台服务器，每年耗电量巨大。这比普通搜索的能耗高出23倍至30倍。

　　尽管这种估算方法直观，但忽略了算力成本下降趋势。美国能源分析公司SemiAnalysis表示，监测服务器发货量及其电力需求是评估生成式AI能耗的最佳方法。

　　更精确的自下而上测量法正在兴起，即根据用户提交的任务估算硬件能耗。研究人员发现，生成图像消耗约0.5瓦时电力，生成文本略少。但这种方法也有局限，如专有芯片的能耗数据仍未知。

　　国际能源署估计，2022年，数据中心的用电量为240太瓦时至340太瓦时，占全球需求的1%—1.3%。但随着生成式AI的普及，这一数字可能上升。然而，相比于全球电力需求预计到2050年增长80%以上的趋势，数据中心能耗占比仍小。

　　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年可能翻倍甚至翻3倍。该州电力基础设施面临巨大压力，部分数据中心项目因供电不足延期。

　　AI的电力需求会下降吗？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。

　　AI技术进步也可能引发“杰文斯悖论”，即效率提升并不减少资源消耗，反而因成本降低和应用范围扩大，刺激需求增长，导致资源消耗增加。

　　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，这是全球性问题。

（文章来源：科技日报）