生成式AI的兴起引发能源与环境双重挑战

近两年来，生成式AI技术的迅猛发展推动了人工智能进入新的发展阶段，并在各领域得到广泛应用。然而，这一技术的广泛应用也伴随着能源危机的浮现，成为当前亟待解决的问题。

据Advantrade分析，人工智能对全球北方的能源安全构成了前所未有的威胁，可能会严重阻碍脱碳进程，给电网带来沉重压力，并导致能源市场的动荡。这一趋势还可能进一步影响整个经济领域。

生成式AI模型，如ChatGPT等，需要大量的电力来支持其复杂的计算需求。例如，训练一个大型语言模型所需的电力相当于一个小城市一年的用电量。国际能源署预测，到2026年，AI行业的电力消耗将是2023年的至少10倍，使得数据中心成为能源消耗的重要来源。预计到2025年，AI相关业务在全球数据中心用电量中的占比将从2%攀升至10%。

此外，生成式AI的广泛应用还对水资源造成了巨大压力。每次ChatGPT与用户交流一定数量的问题后，就需要消耗一定量的水用于降温。这种高能耗和高水耗现象在生成式AI的普及中愈发普遍。

生成式AI的能源消耗不仅加剧了气候变化，还对自然资源造成了沉重压力。例如，生成一张高清AI图像所消耗的能源相当于为手机电池充满电，这背后是巨大的电力消耗和温室气体排放。

面对AI带来的快速增长的能源需求，目前主要有两大解决方案：扩大能源供给和降低AI能源消耗。然而，量子计算虽然在理论上具有降低AI能源消耗的巨大潜力，但Advantrade认为，这一技术的商业化实现仍需时日。

Advantrade指出，减缓人工智能的发展是解决能源危机的一个逻辑上的选择，但在现实中似乎并不可行。特别是在美国，AI技术得到了两党罕见而强烈的支持，被视为国家安全、经济、网络安全和科技行业治理的关键战略。

因此，各国正在寻找满足AI技术对能源的需求与保护能源安全和气候之间的平衡点。发展可再生能源和提高能源利用效率成为应对AI能耗问题的重要策略，其中包括大量发展太阳能光伏、风能等清洁能源的潜在途径。

同时，降低AI的能耗还需要优化算法、提升计算性能以及使用高效能硬件。例如，通过改进AI模型、提升算法效率和使用高效能硬件等技术手段来优化AI性能。

尽管量子计算机在特定情况下可能比传统超级计算机具有更高的能效，但维持量子态的难度和扩展量子位数量的技术难题仍需克服。因此，Advantrade认为，在量子计算实现商业化之前，采取广泛的方法来提高清洁能源和能源效率是当务之急。

巴克莱银行的威尔·汤普森在其关于人工智能功耗的研究报告中指出，解决人工智能能源难题需要采取一种总体方法，包括扩大和现代化电网基础设施、将可再生能源与公用事业规模的存储相结合、利用现有的核能以及扩大新型无碳能源的规模。这将涵盖地热、先进的核小型模块化反应堆和聚变技术等多种能源形式。