没有能源革命，AI革命是不可能的
作者：Aya Saed
贡献者
OpenAI首席执行官山姆·阿尔特曼在国会面前作证，就人工智能监管的未来向国会山作证。在他的听证会上，他阐明了关于AI能走多远的局限性的真相：”AI的成本将趋同于能源的成本。”
人工智能通常被描述为一种纯粹的数字现象，在代码和算法的无形领域中无缝运行。但每张生成的图片、每条精心设计的回复背后，都存在着显著且可衡量的能源成本。我们所有人使用的这项技术依赖于矿物、芯片、半导体和数据中心，你的数据正在这些地方被处理和运算。技术需要能源来驱动，而制造这些技术需要稀缺矿物的开采。因此，当我们思考加速技术发展时，前方面临的不仅是计算挑战，更是基础设施和生态挑战。
尽管人工智能作为一项具有无限和无限潜力的技术被宣传，但其增长却有一个非常现实的限制因素。在作证时，阿尔特曼跳过了所有花哨的说辞：”最终，芯片、网络设备……将由机器人制造，我们会使其变得越来越高效且越来越便宜，但电子是电子。”这是一个将塑造人工智能未来的基本经济原则。随着人工智能制造过程日益自动化和优化，硬件生产的可变成本将稳步下降。唯一不变的是计算本身的物理规律：为这些系统供电所需的能源。在一个成熟的人工智能经济中，智能的边际成本将接近电力的边际成本。这在能源创新和人工智能能力之间建立了直接关系；拥有丰富、可靠且廉价能源的地区将在计算能力上获得决定性优势。
能源是创新的主要限制因素。一些估计表明，美国将需要多达90吉瓦的额外电力，相当于90座核电厂来为数据中心供电。能够大规模生产清洁能源的国家或公司实际上将设定人工智能可能的上限。美国必须采用两种方法来建立能源高效的AI基础设施并引领全球AI竞赛：大规模测量AI排放，并将能源政策和AI政策视为相互关联的利益，而不是相互分离的利益。
碳足迹是我们量化人工智能系统真正未来成本的最全面指标。然而，OpenAI和其他主要公司并未披露其模型的碳密集度，使用户无法了解他们的AI能源使用情况。尽管缺乏透明度，数据科学家已经找到了几乎精确估算各种流行模型的碳成本的方法。在OpenAI发布其图像生成工具的第一周，用户创建了7亿张图像。每张图像使用约7瓦时的电力。总共超过500万瓦时——大约相当于美国24,000户家庭一周的用电量。现在测量并优化碳效率的组织将在法规收紧和能源成本波动时获得关键优势。随着能源成为人工智能进步的限制因素，碳强度直接转化为经济竞争力。虽然今天的市场可能没有完全将环境外部性定价，但前瞻性政策和市场压力将不断增加。
通过今天实施人工智能操作的碳核算和报告框架，公司和政府可以建立推动有意义优化所需的测量基础设施。这些指标提供了关于能源消耗地点以及在整个模型训练、推理和支持基础设施中能源利用效率的重要可见性。
我最近与一家主要的广告技术公司合作，这段经历生动地展示了这一原则。当他们从CPU迁移到GPU时，我们的测量显示碳排放减少了62%，用水量减少了55%——通过精确测量和有针对性的基础设施变更实现了显著的效率提升。这清楚地表明了另一种前进路径是可能的。而这一切始于跟踪和优化。立即启动这个测量过程可以让组织识别优化机会，建立性能基准，并开发可持续人工智能领导所需的组织能力。
根据碳披露项目的数据，”未能应对供应链中的气候相关风险的成本几乎是采取缓解这些风险所需行动成本的三倍。”今天投资人工智能基础设施的企业和政府也必须投资于可持续创新的方式，以造福后代。随着令人难以置信的雄心勃勃的人工智能项目逐步实施，我们别无选择，只能加速创新以支持最高效的模型。人工智能霸权的竞争最终可能演变为能源霸权的竞争，最大的突破可能不是来自硅谷的软件工程师，而是来自我们如何更可持续地使用人工智能的创新。
在5月与阿尔特曼举行的参议院商业委员会听证会上，参议员泰德·巴德（R-NC）表示：”美国部署新的能源发电能力和升级电网的能力在很大程度上是与中国竞争的关键。能源是我们可以赢，也可以输的地方。” 根据国际能源署，中国已经是可再生能源领域的全球领导者，预计到本十年末将占全球总可再生能源的近一半。虽然美国正专注于与中国的人工智能模型竞争，但要有效竞争并引领全球人工智能，我们也需要在运营人工智能能力方面领先。能源和人工智能密不可分；这一方法必须反映在我们的政策中。
尽管转向可再生能源对于可持续的人工智能发展至关重要，但要扩大可再生能源基础设施以满足人工智能指数级增长的需求，将需要数十年的协调投资和政策一致。我们无法承受等待那么长时间。为了充分应对今天的紧迫需求，我们可以首先通过捕捉生成式人工智能的碳和水足迹来识别和缓解低效问题。
2024年马萨诸塞州提出的《人工智能环境影响法案》是首批旨在将我们的AI雄心与能源现实相一致的法案之一，要求开发全面的测量和报告工具，考虑人工智能环境影响的全部范围。
如果没有现在采取协调行动，我们将面临将浪费性做法嵌入日益由人工智能驱动的经济基础的风险。我们必须采用以政策为导向的战略，通过一致的测量、跟踪并在存在效率的地方要求效率来激励能源高效的数据中心。
上周，山姆·阿尔特曼阐述了他的愿景，即人工智能如何在2030年代改变人类，并重申了前方的可能性：”[智能和能源]长期以来一直是人类进步的根本限制因素；在拥有充足的智能和能源（以及良好的治理）的情况下，我们理论上可以拥有其他任何东西。”
毫无疑问，人工智能的成本就是能源。让我们确保它是可持续的。
