在好意思国弗吉尼亚州的卡尔佩珀县，牛的数目着实是东谈主口数目的3倍，空气中足够着干草和粪肥的气息。这里的大农场大无数仍由家庭野心，遍及的丛林与田野表象交相衬映。关联词，这片宁静的乡村正阅历着21世纪的剧变。

　　往日几年，为支撑生成式东谈主工智能（AI）的发展，该县批准了7个大型数据中心的熏陶形态。这些数据中心将为AI模子磨练和内行海量查询提供支撑，但也濒临广宽的动力吃亏问题。每个数据中心的用电量堪比数万户家庭用电量，不仅推高了住户用电资本，还对电网形成很大压力。

　　生成式AI比传统AI耗能更多，促使科技公司参加巨资扩建数据中心。但是，这些公司在AI能耗方面短缺透明度，使得贪图东谈主员难以准确评估其影响。英国《天然》杂志报谈称，不少贪图东谈主员试图通过各式要领来探索AI的实质动力需求。

　　基于市集践诺估算

　　荷兰阿姆斯特丹摆脱大学贪图员、Digiconomist公司首创东谈主亚历克斯·德弗里斯，期骗基于供应链或市集的估算要领贪图了英伟达一款职业器的功耗，并据此推算出其一年的能耗。然后，他字据特定任务所需此类职业器总和来进行推测。

　　德弗里斯估算了谷歌搜索使用生成式AI所需的动力。要是将肖似ChatGPT的AI整合到谷歌搜索中，将需要40万至50万台英伟达A100职业器，这些职业器每年耗电量将达230亿至290亿千瓦时。预测谷歌每天处理多达90亿次搜索，通过AI职业器进行的每次搜索央求需要7至9瓦时的动力。据谷歌2009年的一篇博客著作中的数据，这比平日搜索的能耗超越23倍至30倍。

　　这种估算要领天然直不雅，却忽略了算力资本下落趋势。往日5年AI磨练资本已下落了80%，芯片能效每年进步35%。

　　好意思国动力分析公司SemiAnalysis暗示，评估生成式AI能耗的最好要领仍然是监测职业器的发货量过甚电力需求。

　　从下到上进行实测

　　更精准的从下到上测量法正在兴起。这种测试要领的理念是，用户提交一个指示，举例生成图像的央求或文本聊天央求，运转杀青后，它会估算出用户所使用的硬件吃亏了若干动力。

　　贪图东谈主员发现，不同的任务需要不同的电力。平均而言，杠杆炒股字据文本指示生成图像吃亏约0.5瓦时的电力，而生成文本则略少。比拟之下，当代智高手机充满电可能需要22瓦时。

　　但这种要领也存在先天局限。比如，谷歌的张量处理单位等独有芯片的能耗数据仍被锁在“黑箱”之中。

　　预测存在不笃定性

　　国外动力署推测，2022年，数据中心的用电量为240太瓦时至340太瓦时，占内行需求的1%—1.3%。但跟着生成式AI的普及，这一数字可能进一步飞腾。关联词，比拟于内行电力需求预测到2050年增长80%以上的趋势，数据中心的能耗占比仍相对较小。

　　不外，《天然》杂志指出，AI对动力的影响在地点和区域层面将最为严重。以好意思国弗吉尼亚州为例，数据中心已占该州电力吃亏的4.4%，预测到2028年可能翻倍甚而翻3倍，达到总用电量的7%至12%。该州的电力基础要津正濒临广宽压力，部分数据中心形态因供电不及而被动宽限。

　　那么，AI的电力需求会下落吗？这一问题当今似乎还难以报酬。

　　寂寥贪图员乔纳森·库米指出，好多预测基于粗浅假定，且科技公司可能夸大需求。因此，AI能耗预测的难点在于其不笃定性。

　　此外，AI本领逾越也可能激发“杰文斯悖论”，即贬抑的进步并毋庸然导致资源吃亏的减少，反而可能因为资本裁减和应用界限扩大，刺激需求增长，最终导致资源吃亏总量加多。

　　将来的处理有规划需要跨越本领、策略和伦理的多维编削。或者卡尔佩珀县的牧民们能给出启示：就像他们世代解任的轮牧轨制，让地皮治疗繁殖。数字娴雅也需要确立“动力轮牧”机制，即在算力延伸与电网承载力之间找到动态均衡，而这亦然亟待处理的内行性问题。

• AI
• 动力
• 吞吃
• 胃口
• 到底