“下一个短缺的将是电力。”

　　不久前，围绕人工智能(AI)发展，特斯拉首席执行官马斯克发出这样的预警。

　　他表示，人工智能计算的约束条件是可预测的，“我在一年多前就预测过芯片短缺，下一个短缺的将是电力。我认为明年将没有足够的电力来运行所有的芯片。”

　　在人工智能飞速发展的背后，能源消耗问题也日益凸显，成为业内关注的焦点。甚至有人提出，“AI的尽头是算力，而算力的尽头是电力”。

　　那么，人工智能到底有多耗电？人工智能发展“缺电”了吗？面对能耗问题，我国又拿出了怎样的应对方案？

　　01

　　AI有多耗电？

　　当下人工智能大模型的竞争，颇像一场“算力军备竞赛”。在规模效应(Scaling Law)的驱动下，各公司通过不断增加模型参数和数据量，期待实现“大力出奇迹”，相应地，算力需求也成倍增加。

　　所谓算力，简单来理解，就是对数据或信息的处理能力。

　　算力是抽象的，它的载体却实在可见，就是以数据中心、智算中心为代表的算力基础设施。算力的背后，是电力在支撑。

　　你可以在脑海中想象这样一幅画面——在数据中心或智算中心，成千上万台服务器和芯片整齐列阵、昼夜不停地运转。

　　当下训练AI大模型使用的主流算力芯片英伟达H100芯片，一张最大功耗为700瓦，这意味着运行一小时就要耗电0.7度。而此前有消息称，OpenAI训练GPT-5，需要数万张H100芯片。

　　通过昼夜不息的数据中心，大家会对AI耗电有一个感性认识，而数据则更加直观。

　　以GPT-3的训练为例，GPT-3有1750亿个参数，据估计，训练过程使用了大约1287兆瓦时(也就是128.7万度)的电力。

　　该如何理解这个耗电量？这相当于美国约121个家庭一整年的用电量。也曾有专家打了这么一个比方，大概相当于3000辆特斯拉电动汽车共同开跑，每辆车跑20万英里。

　　GPT-3是在2020年发布的，很多人也许会问，更新的模型能耗如何呢？因为近年来不少AI科技公司不再公布训练细节，比如用了什么硬件、耗时多久，这使得能耗计算变得困难。

　　但GPT-3的能耗可以作为一个参考，GPT-3模型参数为1750亿，而GPT-4曾被曝包含1.8万亿参数，随着参数的翻倍，能耗也会大幅增加。

　　而以上的能耗还只限于训练阶段，完成训练后，AI将迎来新的耗电阶段——推理，即人们使用AI输出结果的过程。

　　AI的训练是一次性事件，而使用却是长期过程，随着应用的普及、使用人数的增加，耗电量将不断叠加。

　　国际能源署(IEA)在今年1月的一份报告中曾表示，ChatGPT响应一个请求平均耗电2.9瓦时——相当于将一个60瓦的灯泡点亮略少于三分钟。

　　另外，据美媒报道，ChatGPT每天响应约2亿个需求，消耗超过50万度电力，相当于1.7万个美国家庭平均一天的用电量。

　　让我们做一道简单的数学题，GPT-3训练耗电约128万度，ChatGPT每天为响应需求耗电50万度，GPT-3在训练阶段消耗的电量，甚至无法支撑ChatGPT运行3天。

　　天长日久，耗电量可谓相当可观。

　　02

　　AI“缺电”了吗？

　　各种数据似乎都在说明，AI是一只“耗电巨兽”，那么下一个问题就是，它的胃口还能被满足吗？AI发展“缺电”了吗？

　　来让数据说话。

　　根据公开资料，2023年，美国全口径净发电量为41781.71亿千瓦时(1千瓦时=1度)，以ChatGPT每天耗电50万度计算，按一年365天，耗电量约为18250万度，这也只占全美发电量的约0.0044%。

　　AI当然不只ChatGPT，但它的耗能数据可以作为一个切口。可以看出，尽管随着AI算力的迅猛增长，电力需求也持续增长，但目前其在整体电力消耗中所占比例较小。

　　既然如此，科技大佬们频频呼吁关注AI能耗问题，是在“贩卖焦虑”吗？其实不然。

　　波士顿咨询集团曾发布报告称，到2030年底，仅美国数据中心的用电量预计就将是2022年的三倍，而这一增幅主要来自AI模型训练和更高频的AI查询。

　　“AI发展‘缺电’并不是现在已经出现的问题，而是未来可能面临的问题。”

　　中国现代国际关系研究院国际安全所所长刘冲作出这样的判断。

　　他表示，目前AI发展的路线是不断增加模型参数、叠加芯片，如果继续按照这个路线发展，将来消耗的电力将更多，从这个角度来讲，未来AI的能耗问题可能会越来越突出，尤其是对于电力供应本身比较紧张的国家。但就目前而言，能源还没有成为限制AI发展的因素。

　　工信部信息通信经济专家委员会委员刘兴亮也表示，科技大佬预言AI“缺电”，可能是想让大家重视起这个问题，这只说明，AI确实耗电，电力成本也确实很高，但是目前能源问题还没有到影响AI发展的程度。

　　刘兴亮同意未来可能面临的隐忧，如果继续无节制地扩大参数规模，并且伴随着用户越来越多，而能耗技术没有进步，耗电将很快成为一个问题。但与此同时，他也作出了比较乐观的展望，认为可以通过技术进一步降低能耗。

　　可以说，AI缺电是一个未来可能面临的问题，而在这个问题真正到来前，一系列解决思路就已经在路上。

　　在需求方面，AI模型的优化，芯片效率和算法效率的提升，数据中心软硬件技术的进步，都有望减少AI的能耗。

　　回望过去或许可以帮助我们思考未来。

　　一项发表于《科学》期刊的研究指出，在2010年至2018年间，全球数据中心的运算量增长了550%，存储空间增长了2400%，但耗电量仅增长6%。

　　而在供应方面，电力问题涉及能源、基建、政策、技术等多个方面，难以通过简单的“有”或“没有”“充足”或“不充足”来一言以蔽之。更多样化的能源组合、电力技术革新、国家调控等都将有助于应对这个问题。

　　比如，国际能源署(IEA)对清洁能源能起到的作用就相当乐观，其在一份报告中指出，预计到2026年底，包括可再生能源和核能在内的低碳能源将占全球发电量的46%，并可满足所有额外需求增长，其中就包括用电需求将翻番的人工智能。

　　总而言之，尽管短期内还不会出现AI缺电的问题，但相关的讨论确实给大力发展AI的世界提了个醒——随着AI大模型规模和数量的高速增长，未来可能面临的能源需求激增不容忽视。

　　03

　　AI耗电的中国解法之一

　　目前，我国算力总规模已经位居全球第二。

　　据我国权威机构测算，目前，全国数据中心总耗电量占全社会的2%，电力成本占数据中心总运营成本的50%。

　　中国信息通信研究院数据显示，预计到2030年，数据中心能耗总量将达3800亿千瓦时左右。

　　AI耗电，也是我国需要应对的问题。

　　我国在电力方面具有优势，已建成全球规模最大的电力供应系统和清洁发电体系，其中，水电、风电、光伏、生物质发电和在建核电规模多年位居世界第一。

　　值得一提的是，在提升具体的AI和电力相关技术外，我国在宏观层面的一个“解题思路”，也值得关注。

　　让我们从最近举行的一场青海推介会说起，推介会的主题是绿色算力产业发展。

　　我们知道，青海有着丰富的绿色电力资源，包括光电、风电、水电等。

　　截至2023年底，青海省清洁能源装机超过5100万千瓦，占比92.8%，发电量占比超84.5%。

　　但丰富的绿电面临“用不完又送不出”的问题——绿电的不稳定性导致很多无法送出，只能在本地消耗，但本地又用不完。

　　AI算力需要消耗大量电力，青海的绿电又用不完，如果把数据中心搬到青海，将“绿电”变为“绿算”，将绿色“瓦特”变为绿色“比特”，岂不是双向奔赴？

　　在中国电信(国家)数字青海绿色大数据中心，通过风光水等清洁能源的互补，已经实现了数据中心的100%清洁能源供应。

　　而且，数据中心建到青海，不仅能解决电力问题，还能大大降低散热能耗。青海气候干燥、冷凉，数据中心可实现全年314天自然冷却，制冷用电比全国平均水平低40%左右。

　　这样得天独厚的条件，青海当然要自信推介。

　　在这方面，还有一位先行者，就是同样具有电力和气候优势的贵州。

　　作为全球超大型数据中心集聚最多的地区之一，贵州正在人工智能的赛道上迈开步伐奔跑。

　　国家级人工智能训练场落户贵州贵阳；贵州省与深圳市签订算力协同发展战略合作协议；华为云计算与贵安新区合作打造全球领先的智算中心；华为云盘古、讯飞星火两个基础大模型启动在贵州产业化项目；贵州与浙江联合打造文旅宣传虚拟数字人“杭小忆”……

　　去年，贵州部署智算芯片达8万张，总算力规模增长28.8倍。贵州的目标是，面向东部模型训练，提供低成本、高品质、易使用的算力服务。

　　在贵州和青海绿色算力产业蓬勃发展的背后，是一个更为浩大的工程——“东数西算”工程。

　　“东数西算”工程的基本逻辑是——

　　受土地、水电、运维等要素影响，东部地区数据中心的运营成本较高。

　　而在广大西部地区，可再生能源、清洁能源、土地资源相对丰富，优越的气候条件还能降低数据中心运行能耗、减少碳排放。

　　因此，引导数据中心向西部资源丰富地区聚集，既能推动西部地区数据中 心低碳、绿色、可持续发展，又能满足东部地区的算力需

　　早在2021年5月，相关部门就明确提出实施“东数西算”工程。

　　2022年2月，国家发展改革委等部门联合印发通知，同意在内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。“东数西算”工程正式全面启动。

　　2023年12月，《深入实施“东数西算”工程 加快构建全国一体化算力网的实施意见》发布，首次提出“算力电力协同”。

　　什么是“算力电力协同”？

　　一方面，数据中心的高效运转离不开大量电力支撑；另一方面，电力系统的平稳高效运行也离不开算力支撑。统筹算力电力协同布局，有助于促进风光绿电消纳和数据中心零碳发展。

　　我们当然要看到，客观上，由于网络时延等限制存在，并非所有算力服务场景都适用“东数西算”。比如自动驾驶、证券交易等低时延业务场景就需要就近计算。

　　然而，人工智能模型训练推理这样高时延业务场景，正好是“东数西算”的“舒适区”，“东数西训”成为“东数西算”的典型应用场景。

　　近年来，人工智能带来的能耗问题引发广泛讨论，而我国早在2021年就开始布局“东数西算”，这无疑极具前瞻性，也大大助力了我国在此轮算力竞赛中占得优势。

　　眼下，各地人工智能方面的“东数西算”项目都在提速中。

　　北京首都在线与甘肃省庆阳市签订人工智能产业合作框架协议；百度智能云与成都高新区签订战略合作签约仪式，打造大模型产业……

　　今年以来，还涌现出了新事物——“算力券”和“算力卡”。

　　北京、贵州、甘肃庆阳等多地纷纷面向企业、高校、科研机构等发放“算力券”，降低使用算力的成本，来支持人工智能产业发展。

　　此外，有运营商已经面向普通消费者推出了“算力卡”。相关业务负责人表示，未来，算力服务也会成为像流量、宽带一样的大众化产品。

我打电话给了子寒，说道：“子寒，救我！”

“这个问题比较复杂，一会儿课上谈吧。”吴维看了看表，又接着说，“不跪单地说，首先，虽然老板不一定总是对的，但是我建议你从自己身上找原因。因为对于老板的做法，你的影响有限，多想了也没用，这是一种猾的态度。再有，经理要根据不同的员工，采取不同的领导方式。就像教育孩子，孩子只有八九岁，能力差的时候，要指导他，甚至命令他。但是如果孩子到了十八九岁，交流方式就得变了，要尊重他，引导他，甚至放权。否则，一律用命令、压服而不是说服，必定适得其反。有时，你越想逼谁，老板可能会越保护谁。因为老板看的是整体绩效。”

“什么叫做没有时间？”麦乔盯着我的眼睛，问道：“你那是借口！你得要找他认真好好的谈谈！”

林夕奇怪道：“我也不知道，我还以为是你安排的，要不……你爸爸妈妈为什么那么轻易的就过来了呢？”

晓东介绍的那个信阳集团的马部长，给我说了几句设备的质量的话之后，一直就没有什么动静，我们给他们打电话他们也不理睬。没想到过了几天，马部长给我打了电话，通知我下午过去做交流。我连午饭也没有吃，心里一遍又一遍地排练着演讲的内容，揣摩着用词。几乎对所有能想到的客户提问，都准备了令人信服的解答。AI是“吃电狂魔”？将面临“缺电”？中国这个解法值得关注“希望你能帮我们把好事做到底。谢谢。”李靖一字一句说得很慢，然后挂了电话。