时至今日，像OpenAI 的 ChatGPT 这样流行的生成式人工智能工具拥有庞大的数据需求已不是秘密。训练这些模型所需的数十亿甚至数万亿参数信息都存储在大型数据中心中，这些数据中心使用电力进行冷却和处理。但新的预测和预估表明，对更强大人工智能模型日益增长的需求可能会比我们最初预期的那样进一步加剧当前的能源供应紧张。根据电力研究所 (EPRI) 发布的一份新报告，仅在美国，到本decade末，负责为先进人工智能模型供电的数据中心可能占该国总能源需求的 9.1%。很大一部分新增需求可能由不可再生的天然气来满足，这可能会阻碍全球减少碳排放的努力。
EPRI 的分析警告说，未来几年生成式人工智能工具的广泛采用可能导致“电力需求发生根本性变化”。报告指出，到 2030 年，数据中心的能源需求可能占 2030 年美国总发电量的 4.6% 到 9.1% 之间。而目前这一比例为 4%。这种新增需求并非仅限于美国。国际能源署 (IEA) 估计，到 2026 年，全球数据中心的能源需求可能翻一番。
报告指出，这种预测的增长需求很大程度上源于独特的高能耗生成式人工智能模型。EPRI 估计，向 OpenAI 的 ChatGPT 发送一个简单查询所需的电力大约是典型谷歌搜索的 10 倍。这种巨大的差异很可能是由于使这些模型按预期运行所需的庞大数据集和计算能力。而这仅仅是针对文本回复。根据报告，像OpenAI 的 Sora 这样新兴的生成式人工智能音频和视频模型所产生的数据量“是前所未有的”。有一点似乎很清楚：人工智能是导致数据中心能源需求不断增长的原因。金融巨头高盛 (Goldman Sachs) 发布的一份预测显示，到 2028 年，仅人工智能就将占数据中心能源需求的 19%。
数据中心正在转向化石燃料以满足短期能源需求
耗电量巨大的数据中心可能威胁到未来几年对能源网的实际压力。根据高盛的预测，截至 2024 年，数据中心占全球电力需求的 1-2%。预计到本decade末，这一比例将增至 3-4%。在美国，该国拥有全球约一半的数据中心，预计到 2030 年，这些数据中心将占该国总能源消耗的 8%。能源供应商已争相启动新的发电厂以确保满足不断增长的能源需求。高盛的预测估计，用于满足这些需求的能源中，超过一半 (60%) 将来自不可再生资源。该预测印证了先前的报告，这些报告表明仅靠可再生资源可能不足以满足数据中心的能源需求。
[ 相关：Sam Altman：人工智能时代将需要“能源突破”]
新的能源需求也进一步使像 OpenAI 的 Sam Altman 这样的科技领袖之前的声明复杂化，他们曾认为强大的AI模型可能在长远来看有助于减少温室气体排放。Altman 曾表示，强大的 AI 时代将需要“能源突破”，他据报道是最近投资 2000 万美元给 Exowatt 的几位硅谷知名人士之一，Exowatt 是一家试图利用太阳能为 AI 数据中心供电的初创公司。
但数据中心和能源供应商不必一定等到技术上的“银弹”出现，才能尝试解决人工智能的一些能源困境。在其报告中，EPRI 呼吁数据中心通过减少用于温度冷却和照明的电力来提高内部效率。据报道，仅冷却就占数据中心能源使用的约 40%。此外，EPRI 指出，由可再生能源供电的备用发电机也可以在支持更可靠、更可持续的能源网方面发挥作用。
报告指出，“将数据中心-电网关系从目前的‘被动负载’模式转变为协作式的‘共享能源经济’，不仅有助于电力公司应对人工智能的爆炸式增长，而且有助于所有电力用户的可负担性和可靠性。”
