傳言人工智能的運轉(zhuǎn)需要全球10%的用電量

目前，業(yè)界就人工智能巨大的能源需求發(fā)出了一些可怕的警告，稱其為氣候變化的下一個大威脅，但新的芯片技術(shù)，甚至人工智能本身，都可能有助于控制人工智能的電力消耗。在最近于舊金山舉行的一次會議上，半導(dǎo)體行業(yè)大型供應(yīng)商Applied Materials的首席執(zhí)行官加里·迪克森(Gary Dickerson)發(fā)表了一個大膽的預(yù)測。他警告稱，由于材料、芯片制造和設(shè)計方面缺乏重大創(chuàng)新，到2025年，數(shù)據(jù)中心的人工智能運轉(zhuǎn)可能占全球用電量的十分之一。

今天，世界上數(shù)以百萬計的數(shù)據(jù)中心所占用的用電量還不到2%——這個統(tǒng)計數(shù)據(jù)包含了在它們龐大的服務(wù)器陣列上處理的各種工作負(fù)載。Applied Materials估計，運行人工智能的服務(wù)器目前只占全球電力消耗量的0.1%。其他的科技公司高管也發(fā)出了警告。華為的安德斯安德烈(Anders Andrae)認(rèn)為，到2025年，數(shù)據(jù)中心最終可能消耗全球十分之一的電力 ，不過他的估算涵蓋了數(shù)據(jù)中心的所有用途，而不僅僅是人工智能。

落基山研究所的特別顧問喬納森·庫米(Jonathan Koomey)則相對樂觀。他預(yù)計，盡管人工智能相關(guān)活動呈井噴式增長，但數(shù)據(jù)中心的能源消耗在未來幾年仍將保持相對平穩(wěn)。這些大相徑庭的預(yù)測突顯出，人工智能對大規(guī)模計算未來的影響以及對能源需求的最終影響存在著不確定性。

毫無疑問，人工智能電力消耗非常大。訓(xùn)練和運行像深度學(xué)習(xí)模型這樣的東西需要處理大量的數(shù)據(jù)，因而占用內(nèi)存和處理器。人工智能研究機(jī)構(gòu)OpenAI的一項研究表明，驅(qū)動大型人工智能模型所需的計算能力已經(jīng)每三個半月翻一番。

Applied Materials自己也承認(rèn)，它的預(yù)測是一種最糟糕的情況，意在突出缺乏軟硬件新思維可能會造成的狀況。該公司的企業(yè)戰(zhàn)略和市場情報主管桑迪普·巴吉卡爾(Sundeep Bajikar)表示，公司假定，隨著時間的推移，被用來訓(xùn)練人工智能模型的信息組合將會發(fā)生改變，相對于文本和音頻信息，視頻和其他圖像的占比將會攀升。視覺數(shù)據(jù)的計算量更大，因此需要消耗更多的能量。

隨著自動駕駛汽車和嵌入其他智能設(shè)備的傳感器等設(shè)備的興起，人工智能模型還將要處理有更多的信息。超高速5G無線連接的普及，將使得數(shù)據(jù)更容易在數(shù)據(jù)中心之間傳輸。

巴吉卡爾指出，這些趨勢和其他的趨勢突顯出，業(yè)界迫切需要為人工智能時代帶來材料和制造技術(shù)方面的創(chuàng)新。一些研究人員認(rèn)為，人工智能極大的電力消耗甚至可能變成一個重大的環(huán)境問題：馬薩諸塞大學(xué)阿姆赫斯特分校的研究小組最近發(fā)表的一項研究顯示，訓(xùn)練幾款受歡迎的大型人工智能車型，所引發(fā)的廢氣排放量幾乎是美國汽車使用壽命期內(nèi)的平均排放量的五倍。

但悲觀的預(yù)測忽略了幾個可能限制人工智能電力消耗的重要進(jìn)展。其中之一是由Facebook和亞馬遜等公司開創(chuàng)的“超大規(guī)?！睌?shù)據(jù)中心的興起。這種數(shù)據(jù)中心使用大量專門為特定任務(wù)定制的基本服務(wù)器陣列。這些機(jī)器比傳統(tǒng)數(shù)據(jù)中心的服務(wù)器更加節(jié)能，因為后者需要處理更廣泛的功能。當(dāng)前向超大規(guī)模數(shù)據(jù)中心的過渡，再加上冷卻和其他技術(shù)的進(jìn)步，是過去幾年新數(shù)據(jù)中心的能源消耗基本上被運轉(zhuǎn)效率提高所抵消的一個重要原因。

新型微芯片也會有所幫助。Applied Materials的預(yù)測假定，人工智能的工作負(fù)載將繼續(xù)在現(xiàn)有硬件上運行，這些硬件的效率在未來幾年將會逐步提高。但許多的初創(chuàng)企業(yè)以及英特爾、AMD等大公司，都在開發(fā)利用光子學(xué)等技術(shù)的、節(jié)能性大幅提升的半導(dǎo)體，來驅(qū)動神經(jīng)網(wǎng)絡(luò)和其他的人工智能工具。

庫米表示，危言聳聽的預(yù)測也忽略了一點：對于某些類型的人工智能任務(wù)，比如模式識別，模型提供粗略輸出結(jié)果就足夠了。這意味著能量不需要將計算結(jié)果擴(kuò)展到小數(shù)點后數(shù)百位。

具有諷刺意味的是，對人工智能功耗限制貢獻(xiàn)最大的實際上可能是人工智能本身。谷歌已經(jīng)在使用其2014年收購的DeepMind開發(fā)的技術(shù)，來更有效地冷卻它的數(shù)據(jù)中心。通過向人類操作員提出建議，人工智能已經(jīng)幫助該公司削減了40%的冷卻費用;現(xiàn)在它能有效地獨立運行數(shù)據(jù)中心的冷卻系統(tǒng)。

人工智能還將用于優(yōu)化數(shù)據(jù)中心運營的其他方面。而且，就像谷歌在冷卻方面的成果一樣，這將使得各類工作負(fù)載受益。這并不意味著，數(shù)據(jù)中心最終不會因為對人工智能魔法的需求不斷增長而消耗更多的能量，但這是當(dāng)下做出預(yù)測如此困難的又一個原因。