第06版:学术·评论

中国能源报 2024年04月29日 星期一

返回目录  放大缩小全文复制   下一篇

亟需推动AI产业用能绿色化

■魏亿钢 《 中国能源报 》( 2024年04月29日   第 06 版)

  人工智能(AI)技术已成为推动社会生产力进步及国际技术竞争的重要力量。AI技术通过自动化复杂流程,特别是数据处理和重复任务的执行,显著降低人力成本并提升生产效率。与此同时,AI技术的高能耗及其环境影响问题正受到越来越多的关注。

  AI数据中心能源消耗问题显现

  当前,AI技术已在教育、金融、医疗及市场分析等多个领域成为决策支持的重要工具。全球科技巨头正在利用生成性AI工具开拓新领域和新工具。例如,微软的Azure AI和谷歌的Cloud AutoML等服务为用户提供了强大的云计算和机器学习平台;谷歌通过ChatGPT和Gemini等产品,进一步拓展了AI应用范围。在我国,百度的“文心一言”、阿里巴巴的“通义”系列产品,科大讯飞的“星火”大模型,都是广受市场欢迎的AI应用。这些AI技术创新进一步催生了新的商业模式和产品需求,如AI定制服务、云计算解决方案等。随着技术的进步,AI模型正趋向更大规模,需要更多的数据处理和计算资源,这为硬件制造商和数据中心业务带来新的增长机会。

  AI技术,尤其是其深度学习训练过程,需要大量计算资源,全球AI数据中心的能源消耗已成为一个不可忽视的问题,这主要体现在三个层面。一是AI能源消耗规模巨大。全球数据中心的电力消耗约占全球总电力消耗的1%—2%,其中AI数据中心因训练大型模型而成为主要能源消耗大户。据报道,ChatGPT每天需响应约2亿个请求,日耗电量超过50万度,相当于1.7万个美国家庭的用电量。能源消耗、用水和温室气体排放增加对生物多样性产生危害,与环境可持续的目标相悖。二是AI能源需求对基础设施产生深远影响。预计到2027年,AI服务器的能源需求可能与阿根廷、荷兰等国家的能源需求总和相当。特斯拉CEO埃隆·马斯克曾指出,电力短缺可能成为限制AI发展的关键因素。这表明,AI能源需求的快速增长正导致对能源结构与电力基础设施的巨大压力。三是AI发展或加剧环境污染问题,促使科技巨头寻求解决方案。谷歌、亚马逊等跨国企业正积极推动数据中心的绿色转型,努力减少环境足迹。

  我国AI产业面临三重能源挑战

  近年来,我国在AI专利申请与应用层面展现出强劲的发展势头,AI专利申请量处于全球领先水平。2022年,我国企业和机构申请AI相关专利29853项,占该年全球AI专利申请量的40%以上,比美国的申请量多出近80%。同时,我国AI产业发展更强调算法与大数据的深度融合。在产品层面,我国企业把算法应用到了网络购物、打车等一系列消费业务场景。在产业层面,相关企业正积极推动智能制造、城市管理和公共安全等领域的智能化转型和产业升级。

  我国AI应用快速推进,但在可再生能源的使用和环境可持续性方面还有提升空间。

  总体来看,我国AI产业面临的能源挑战主要表现在三个方面。一是我国AI产业迅速崛起,数据中心建设和运营数量激增。数据中心作为云计算和大数据服务的基础设施,其能耗占全国总能耗的比重逐年上升。在“十三五”期间,全国数据中心机架数量增长超过两倍,预计机架数量将突破300万架,数据中心数量超过7.4万家。全国数据中心耗电量增长率连续八年超过12%,远高于其他用能行业,数据中心的节能减排工作显得尤为迫切。二是我国经济仍然依赖以化石能源为主的能源结构,相关数据显示,2023年我国数据中心的可再生能源使用率仅约23%。三是AI算力布局与可再生能源分布错配,我国数据中心和AI企业主要集中在环渤海、长三角、珠三角等经济发达地区,但可再生能源资源集中于中西部地区,资源的错配影响了可再生能源的高效利用和环境保护。

  值得注意的是,随着AI模型训练和数据处理所需计算资源的增加,依赖单一可再生能源供应已无法满足日益增长的数据中心电力需求。同时,AI发展可能提升可再生能源的效率和可负担性,存在推动化石能源消费量反弹的风险。AI的能源回弹效应不仅将增加企业运营成本,还会加剧温室气体排放,对可持续发展产生负面影响。根据国际能源署的数据,全球数据中心的能耗约占全球电力消耗的1%至3%,大约40%的数据中心能源依赖化石燃料,直接导致碳排放量增加,2020年数据中心产生的碳排放量接近200百万吨。除二氧化碳之外,化石燃料的燃烧不仅释放二氧化碳,还可能排放二氧化硫、氮氧化物等其他污染物和温室气体。这些气体和颗粒物将加剧酸雨、空气质量下降和其他环境污染问题,并影响生物多样性和生态系统完整性。

  促进AI产业绿色化的四条路径

  当前,我国相关部门正积极推动“绿色数据中心”建设,加大环境保护与投资力度,努力减少AI技术的环境足迹,并取得显著成效。为进一步解决AI技术高耗能问题,建议从以下几方面入手。

  一是优化能源结构和管理。为有效降低能耗,应全面优化数据中心设计与运营,部署高效能源解决方案,包括采用先进冷却系统与电源管理技术,合理布局服务器以减少资源冗余,并灵活运用需求响应技术,确保能源供应与电网波动的适应性。支持AI领域大规模采用可再生能源,优化AI算力中心地理布局,积极推进“东数西算”战略,集中数据中心于可再生能源资源丰富地区,以提升能源利用效率。推动储能技术与AI技术的融合发展,建立大规模电池储能系统,提供多元化的储能解决方案,确保AI技术的能源需求。

  二是大力推广技术创新和节能措施。加强技术创新是推动AI绿色发展的关键。建议鼓励开发低能耗AI算法和模型以减少计算资源需求,并推动AI与能源技术融合,通过开发能源预测和负载调节技术等智能能源管理系统,优化能源生产和利用效率。

  三是加强国际合作与标准制定。一方面,制定国际标准,规范AI产业与产品的能源消耗和环境影响评估;另一方面,加强能源使用和环境保护方面的国际合作;同时,积极推动全球能源治理,促进相关国际技术转让与共享;此外,开展跨国可再生能源项目与数据中心建设,共享技术和绿色资源。

  四是健全政策支持与激励机制。在标准规范层面,亟需制定行业与产品能效标准,明确AI产品用能要求与规范。在政策激励层面,建议提供财政补贴和税收优惠,鼓励企业采用绿色能源和高效技术;同时,可探索实行绿色信贷和投资支持,设立绿色发展基金,支持可再生能源和节能减排技术的研发与应用。

  (作者系北京航空航天大学副教授)