化工机械设备网

　　#ChatGPT日耗电超50万度#上热搜，AI人工智能以及大模型高耗能这个事儿又开说。
 

　　据外媒报道，爆火的聊天机器人ChatGPT“每天可能要消耗超过50万千瓦时的电力，以响应用户约2亿个请求”。什么概念呢？就是ChatGPT每天的用电量差不多等同于美国家庭用电量的1.7万倍。
 

　　当然，这已经不是第一次提到AI人工智能以及大模型“吃电”这个事情了。AI和大模型的基础都是算力，算力的每一次提升都意味着呈几何数的能耗提升，不仅是ChatGPT以及其代表的OpenAI，微软、苹果、谷歌、百度、华为、科大讯飞、阿里、腾讯、京东等等企业都无法回避这个问题。
 

　　美国信息技术与创新基金会(ITIF)发布的报告《重新审视对人工智能能耗的担忧》中就指出，不同的AI模型也有不同的能耗成本，在特定模型中，参数数量越多，使用AI模型所需的能耗通常越高。同时，AI能耗受到经济因素限制，性能改进速度将随时间下降。
 

　　报告还提到，已有一些研究试图量化AI系统当前和未来的能源需求和碳排放，不过一些初步估算陷入了与早期估算数字技术能源使用相同的陷阱，产生了误导性估算。
 

　　对AI人工智能以及大模型能耗和碳排放的测算是一项复杂且庞大的工程，并受到很多因素的影响，不过可以确认的一点是，其能耗大是事实。
 

　　斯坦福大学人工智能技术研究室(HAI)公布的《2023年人工智能指数报告》中明确指出，GPT-3是当前大模型中有据可依的第一大“电老虎”，光是训练GPT-3，就消耗了128.7万千瓦时电量，产生了550吨碳排放，相当于数百辆汽车一整年的排放量。
 

　　高耗能、高排放是行业特性，但是用什么能源可以选择，还可以在制冷系统上下功夫。
 

　　绿电+储能是目前科技公司以及AI公司的常规选择，或者也可以说是必然选择。6部门联合发布的《算力基础设施高质量发展行动计划》就提出“算力+能源”的组合，要求实现源网荷互动、多能协同互补及用能需求智能调控。
 

　　计划指出，随着人工智能的普及应用以及算法模型参数量和复杂度不断提升，数据中心数据吞吐量、计算量不断增长，用能需求也随之增长。未来，推动“算力+能源”融合发展重在“融合”，推动各类能源互联互通、互济互动，支撑新能源发电、新型储能、多元化负荷大规模友好接入，提升分布式能源和微电网接入互动能力。
 

　　而除了信息设备，制冷系统的能耗在数据中心里算得上数一数二的了。目前，传统风冷技术面对AI大模型这种高算力的制冷需求显然已经不够看了，所以液冷技术开始盛行，即通过特殊液体循环散热方式，实现更精准、更高效节能的散热。去年，我国规模最大的液冷数据中心全链条产业创新基地落户青岛，占整个数据能效10%以内的系统，实现30%以上的能效节约。
 

　　当然，也不能光看AI人工智能和大模型“吃电”的弊端，作为当前无可指摘的尖端技术，其助力提质增效以及节能减排的作用是巨大的，并且是辐射所有工业生产和日常生活的，比如现下时兴的绿色工厂打造，AI和新能源的地位属于“左膀右臂”，《工业绿色发展白皮书》中就提到，智能制造示范工厂的生产效率提升了34.8%，碳排放则降低21.2%。
 

　　所以未来，AI也好，大模型也好，与清洁能源、可再生能源的融合发展是必经之路，双向成就，协同助力工业绿色转型，加快塑造低碳供应链闭环。可以预见，两者之间的联系会愈加紧密，推动经济高质量向前。