作者簡(jiǎn)介

本文是第二屆電力電子科普征文大賽的獲獎(jiǎng)作品，來(lái)自上海科技大學(xué)的諸葛英健投稿。

2

AI還是個(gè)耗水狂魔

根據(jù)蘭道爾原理，處理信息是有能量成本的。但這一部分只是AI耗電中的一小部分，更多的能量消耗來(lái)自焦耳定律。

當(dāng)芯片在進(jìn)行信息處理時(shí)，其中的晶體管會(huì)在開(kāi)關(guān)狀態(tài)中進(jìn)行切換，而這就產(chǎn)生了電流。又由于電路中電阻的存在，這些能量不可避免地轉(zhuǎn)化成熱能。目前臺(tái)積電等芯片巨頭已經(jīng)在積極推進(jìn)2nm工藝節(jié)點(diǎn)，在每平方毫米的面積上，植入3億顆晶體管。即使單個(gè)晶體管產(chǎn)生的熱量微乎其微，但在這么大的體量下，熱量還是不容忽視的。以英偉達(dá)最新的B200芯片為例，其內(nèi)含超過(guò)2080億個(gè)晶體管，可想而知熱量一定相當(dāng)可觀。

要進(jìn)行散熱，早些年利用空調(diào)冷卻系統(tǒng)來(lái)降溫，但這因?yàn)樘M(fèi)電而逐漸淘汰，轉(zhuǎn)為利用水。

根據(jù)美國(guó)加州大學(xué)河濱分校的一項(xiàng)研究發(fā)現(xiàn)，ChatGPT等大模型的用水量令人吃驚。僅僅是訓(xùn)練GPT-3，15天就用掉了70萬(wàn)升水，更別說(shuō)GPT-4等參數(shù)更多的大模型了。而在后續(xù)的使用中，據(jù)估計(jì)，每交流10-50個(gè)問(wèn)題，就需要500ml水來(lái)降溫。根據(jù)谷歌2024年環(huán)境報(bào)告，2023年谷歌總用水量為64億加侖，同比增長(zhǎng)了14%，其中數(shù)據(jù)中心用水用水量61億加侖，同比增加17%[5]。61億加侖，換算過(guò)來(lái)大約2379萬(wàn)立方米，足足可以裝滿一個(gè)半西湖。

除了運(yùn)營(yíng)維護(hù)過(guò)程中耗水，在生產(chǎn)芯片階段，也需要消耗大量的水資源。制造芯片需要在晶圓上燒刻電路，而這一過(guò)程中需要大量的超純水進(jìn)行沖洗。據(jù)悉，制造8英寸晶圓每小時(shí)耗水250立方米，12英寸晶圓耗水則達(dá)到500立方米，也就是說(shuō)，平均生產(chǎn)一個(gè)2克重的計(jì)算機(jī)芯片，就需要32公斤的水資源。根據(jù)報(bào)道，臺(tái)積電2nm晶圓代工廠每日用水量預(yù)計(jì)約為4.3萬(wàn)噸。

根據(jù)預(yù)測(cè)，到2027年，全球人工智能需求可能會(huì)產(chǎn)生42-66億立方米的取水量，這相當(dāng)于丹麥每年取水總量的4-6倍。

耗水問(wèn)題也制約著人工智能的飛速發(fā)展。盡管業(yè)界已經(jīng)采取了許多措施來(lái)應(yīng)對(duì)這些挑戰(zhàn)，包括提高水資源利用率、推廣水資源循環(huán)利用技術(shù)、加強(qiáng)廢水處理、利用再生水等。另一方面，利用天然冷水資源為數(shù)據(jù)中心降溫，例如阿里云千島湖數(shù)據(jù)中心、微軟北方群島數(shù)據(jù)中心等，但這依然面臨著嚴(yán)峻的挑戰(zhàn)。

3

能耗優(yōu)化新動(dòng)態(tài)

在解決AI能耗的問(wèn)題上，業(yè)內(nèi)已經(jīng)使出了渾身解數(shù)。

第一個(gè)辦法就是開(kāi)源。

利用風(fēng)能、光伏等可再生能源，以及核能，作為數(shù)據(jù)中心的運(yùn)行能量。早在2021年，OpenAI CEO Sam Altman就投資了核聚變初創(chuàng)公司Helion Energy。2023年，亞馬遜總購(gòu)電量8.8GW，其中超60%的交易為購(gòu)買光伏發(fā)電，其余為購(gòu)買風(fēng)電。亞馬遜表示，其目前90%的電力都來(lái)自可再生能源，并在2025年將比例提升至100%。而開(kāi)源這一辦法與我國(guó)之前提出的“東數(shù)西算”工程相契合，引導(dǎo)數(shù)據(jù)中心向西部資源豐富地區(qū)聚集。

圖7. 東數(shù)西算八大樞紐 | @ 國(guó)際科技創(chuàng)新中心

第二個(gè)辦法就是節(jié)流。

節(jié)流一方面要從AI本身去降低能耗。剪枝（pruning）、量化（quantization）、蒸餾（distillation）等技術(shù)有望帶來(lái)更好的算法，讓 AI 模型更快、更節(jié)能。通過(guò)優(yōu)化大模型架構(gòu)，優(yōu)化模型參數(shù)，從而降低訓(xùn)練及使用的能耗。例如，微軟在4月發(fā)布的Phi-3小語(yǔ)言模型，其中Phi-3 small僅僅使用70億個(gè)參數(shù)，在性能表現(xiàn)上就優(yōu)于GPT3.5-T等大模型。在硬件層面，通過(guò)設(shè)計(jì)更加高效的芯片，例如AI模型訓(xùn)練專用芯片、專用推理芯片等，可以大大提升效率以及降低能耗。例如，英偉達(dá)最新集成了Blackwell芯片的GB200 NVL72，相較之前提出的Hopper，推理能力提升了30倍，訓(xùn)練能力提升4倍，能源使用效率提升25倍。

圖8. GB200 NVL72 | @ NVIDIA

節(jié)流的另一方面就是降低冷卻能耗和能量回收。華為蕪湖數(shù)據(jù)中心利用直通風(fēng)、液冷和云軟件智能調(diào)節(jié)，將液冷機(jī)房年均PUE降至1.1，遠(yuǎn)高于行業(yè)水平，每100萬(wàn)臺(tái)服務(wù)器每年可節(jié)省約10億度電。除了利用自然冷卻、液冷等技術(shù)降低數(shù)據(jù)中心能耗以外，利用余熱回收技術(shù)進(jìn)行跨季節(jié)儲(chǔ)熱，可以在供暖期間將儲(chǔ)存的熱量供給需求側(cè)，如騰訊天津數(shù)據(jù)中心、阿里巴巴千島湖數(shù)據(jù)中心、Facebook丹麥數(shù)據(jù)中心等。

除此以外，政策層面也需要一定程度的監(jiān)管。截至2023年，美國(guó)AI相關(guān)的監(jiān)管機(jī)構(gòu)已經(jīng)增加到了21個(gè)，并頒布了相關(guān)法規(guī)[5]。2024年3月，歐盟通過(guò)了世界上第一個(gè)全面的人工智能法律框架——《人工智能法案》。法案要求AI企業(yè)進(jìn)行一定的信息披露，并致力于更高效、可持續(xù)的大模型開(kāi)發(fā)。2023年4月11日，國(guó)家網(wǎng)信辦發(fā)布了《生成式人工智能服務(wù)管理辦法（征求意見(jiàn)稿）》，對(duì)生成式人工智能發(fā)展和規(guī)范應(yīng)用提出了一系列要求。除此以外，北京及內(nèi)蒙古等地都發(fā)布文件，限制數(shù)據(jù)中心冷卻使用地下水、引導(dǎo)利用再生水等。

4

結(jié)語(yǔ)

人工智能正在引領(lǐng)一場(chǎng)科技革命，帶給世界深遠(yuǎn)影響和巨大潛力。而人工智能的飛速發(fā)展，我們也面臨著前所未有的挑戰(zhàn)。在人工智能重塑世界的同時(shí)，我們也應(yīng)該關(guān)注能源領(lǐng)域的進(jìn)展，也許聚變的科技點(diǎn)就在AI之后。