AI數據中心耗電急增！香港都要諗諗計慳電！

隨著對人工智能的需求上升，數據中心的能耗隨之增加

當你下次參加Zoom會議或向ChatGPT提問時，試想一下：這些信息瞬間穿過一間間高溫嗡嗡作響的伺服器房，可能經過數百、甚至數千英里的旅程，才在一兩秒內回到你面前。

麻省理工學院林肯實驗室的高級科學家Vijay Gadepally表示，這一切難以讓人完全理解，但如今幾乎所有的人工智能系統和計算都是在大型數據中心進行的。

“每一個AI模型都必須在某個伺服器上運行，而這些伺服器通常非常龐大，”他說。“因此，如果有數百萬或數十億的用戶同時與系統交互，計算系統就必須不斷擴張。”

隨著美國致力於成為全球人工智能超級大國，數據中心的數量也隨之激增，這些建築物存儲並維護進行信息計算所需的實體設備。

對於新興的熱門AI工具的用戶來說，這些變化似乎全在網絡上，沒有實體痕跡。然而，AI的興起卻帶來了實際影響——數據中心及其運行所需的物理基礎設施消耗了大量的能源、水和其他資源，專家們指出。

“我們確實試圖以批判的眼光來思考氣候問題，”科學和可持續性顧問Jennifer Brandon說。“這些地方的電網突然承受了巨大的壓力。”

數據中心的興起

隨著社會將大型桌面電腦替換為時尚的筆記本電腦，互聯網基礎設施開始支持AI模型和其他軟件工具，美國建立了支持不斷增長的計算能力的實體基礎設施。

大型語言模型（LLMs）和機器學習（ML）技術——現代大多數AI工具的基礎，已被技術專家使用了幾十年，但只有在過去五到七年，它們才開始商業化並被公眾使用，ARBOai的聯合創始人兼首席人工智能官David Acosta表示。

這些快速學習的AI模型需要圖形處理單元（GPUs）、伺服器、存儲、電纜和其他網絡設備來進行訓練和處理，這些都存放在全國各地的數據中心。數十年來，計算機一直在專用的數據中心進行數據存儲和處理，但2000年代初的網絡泡沫和向雲存儲的轉變在過去十年中對存儲能力的需求大幅增加。

隨著更多事物上網，以及計算硬件和芯片技術支持更快的處理，AI模型變得對普通公眾可及，Acosta說。當前的AI模型需要數千個GPU來運行，訓練一個像ChatGPT這樣的聊天機器人所需的能量大約相當於100個家庭一年的用電量。

“然後再將這個數量乘以正在訓練的數千個模型，”Acosta說。“這相當驚人。”

目前，美國擁有超過3600個數據中心，但約80%的數據中心集中在15個州，數據中心地圖顯示。根據《福布斯》報導，市場自2020年以來增長了一倍，每年增長21%。多年來，幾乎所有的數據中心都位於維吉尼亞州，該州被認為是全球的樞紐，幾乎70%的全球互聯網流量通過其近600個數據中心。德克薩斯州和加州分別以336和307個數據中心緊隨其後。

需要大量計算能力的科技公司、投資於它們的私募股權公司和銀行，以及其他房地產或專業公司是數據中心的主要資金來源。去年9月，黑石集團、全球基建夥伴、微軟和AI投資基金MGX投資了300億美元用於新建和擴展主要在美國的數據中心，並表示將尋求總計1000億美元的投資，包括債務融資。

考慮到我們正處於全球“AI軍備競賽”中，對美國數據中心基礎設施的投資令人鼓舞，Acosta說。

“如果你擁有數據，你就擁有權力，”Acosta說。“我認為我們必須確保這一切都是道德的，並儘可能預防。”

能源和環境影響

目前的估計顯示，數據中心約占美國能源需求的2%，但可持續能源研究公司Cleantech Group的研究經理Anthony DeOrsey預測，到2027年，數據中心將占到約10%的需求。

隨著數據中心在全國新社區的發展，居民及其州立法者看到經濟利益與能源和環境挑戰的混合。

數據中心的發展為一個地區帶來了一些基礎設施工作，在忙碌的數據中心社區，如維吉尼亞州的拉登和威廉王子縣，數據中心可以創造數百萬的稅收收入，《維吉尼亞水星報》報導。

當地政府可能會急於與尋求建設的科技公司或私募股權公司達成協議，但電力的可用性和成本是主要考慮因素。根據可持續性顧問公司BSI和房地產服務公司CBRE的報告，新的大型數據中心所需的電力相當於約75萬個家庭的用電量。

在許多州的公用事業結構下，當地居民可能會因滿足數據中心的巨大電力需求而面臨電費上漲。一些立法者，如喬治亞州的州參議員Chuck Hufstetler，已試圖保護住宅和商業客戶免受更高的公用事業費用影響。

康涅狄格州東海岸的律師Granville Martin表示，他所在社區也出現了同樣的問題。

“爭論是，當地居民不希望這個數據中心進駐，因為它會消耗大量可用電力，他們認為——無論是對還是錯，我認為是對的——這只會提高我們的電費，”Martin說。

一些州正在探索替代能源來源。在賓夕法尼亞州，Constellation Energy與微軟達成協議，將重啟其三哩島核電站，以提供無碳電力來抵消微軟附近數據中心的用電需求。

但氣候專家對數據中心的關注不僅限於其電力需求。

“公眾普遍不知道，冷卻工業設施無論其類型如何，實際上是其功能中非常重要的一部分，”Martin說。

數據中心的設備，許多設備24小時運行，會產生大量熱量。為了調節溫度，大多數數據中心會通過環繞IT設備的管道泵水，並使用空調系統保持這些結構的涼爽。《Cleantech Group》的研究發現，數據中心約40%的能源消耗用於冷卻。

有些數據中心採用閉環系統，通過相同的系統回收灰水，但許多則使用新鮮飲用水。Brandon指出，冷卻所需的水和能源消耗巨大。

“目前的AI數據中心使用的水量是丹麥的六倍，”她說。“而且我們目前使用的能源與日本相同，而日本是世界第五大能源消耗國。”

數據中心的可持續未來

DeOrsey表示，能源現在已成為運營AI公司的重要問題，無限制、快速演變的AI模型訓練和運行成本非常高。DeOrsey提到中國AI公司DeepSeek，該公司在1月份發布了其成本意識強、能源效率高的大型語言模型R1。

該公司聲稱其模型在2000顆芯片上進行訓練，遠少於OpenAI（ChatGPT的母公司）和谷歌使用的約16000顆芯片。目前尚不清楚該模型在使用過程中是否真的達到了其能源效率的聲稱，但這表明公司正感受到提高效率的壓力，DeOrsey說。

“我認為像DeepSeek這樣的公司是一個進行約束優化的例子，”他說。“他們假設不會獲得他們所需的所有電力，也無法獲得所有的芯片，只能用現有的資源。”

對於同時擔任AI公司Radium Cloud首席技術官的Gadepally來說，他希望更多的公司開始使用這種選擇性優化。他在麻省理工學院林肯實驗室超級計算中心的近期工作集中在該實驗室自身的數據中心消耗上。當他們意識到設備產生的熱量有多高時，他們進行了審計。

Gadepally表示，像使用更便宜、穩健性較低的AI模型這樣的簡單調整可以減少能源消耗。在非高峰時段使用AI模型可以節省成本，而“電力限制”或限制供應給計算處理器的電力也能起到作用。這種差異是微小的——例如，你可能需要多等一兩秒才能從聊天機器人那裡獲得回應。

與東北大學合作，麻省理工學院開發了一款名為Clover的軟件，監測碳強度在高峰期間的變化並進行調整，比如在能源需求高時自動使用一個質量較低、計算能力較弱的AI模型。

“我們已經向人們提出質疑很長一段時間，這真的值得嗎？”Gadepally說。“你可能會從這個聊天機器人那裡得到一個更好的笑話，但這樣卻使用了十倍的電力。這值得嗎？”

Gadepally和Acosta都提到了本地化AI工具作為公司和數據中心節能減排的另一種策略。實際上，這意味著建立正好滿足需求的工具，而不多於此，並將其托管在不需要將計算傳送到數百英里外的本地伺服器上。

Acosta表示，醫療保健和農業等領域是一個很好的例子，這些領域可以建立專門服務於這些特定環境的工具，而不是在“過度膨脹”的大型數據中心中處理數據。

儘管兩位AI開發者都不認為對AI和數據中心的處理能力的需求會減緩，但Gadepally指出，環境和能源問題將在科技公司意識到節能可以節省成本時達到高潮。DeepSeek是否能與一些美國競爭對手取得相同的成功尚未可知，但這將使他們質疑自己的做法。

“這至少會讓人們在有人說‘我需要十億美元來購買新基礎設施’或‘我下個月需要花十億美元在計算上’之前進行質疑，”Gadepally說。“現在他們可能會問，‘你有沒有嘗試優化它？’”

在當今全球對AI的需求不斷上升的背景下，數據中心的能耗問題越來越引起關注。這不僅僅是科技公司需要考慮的經濟問題，更是環境保護的重要課題。隨著AI技術的進步，業界有必要積極探索更為可持續的運營模式，平衡技術發展與環境影響，這將對未來的科技進步與生態保護都具有深遠的意義。

以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。