jn江南app

工信部信息通信经济专家委员会委员刘兴亮也表示，科技大佬预言AI“缺电”，可能是想让大家重视起这个问题，这只说明，AI确实耗电，电力成本也确实很高，但是目前能源问题还没有到影响AI发展的程度。

北京、贵州、甘肃庆阳等多地纷纷面向企业、高校、科研机构等发放“算力券”，降低使用算力的成本，来支持人工智能产业发展。

国家级人工智能训练场落户贵州贵阳；贵州省与深圳市签订算力协同发展战略合作协议；华为云计算与贵安新区合作打造全球领先的智算中心；华为云盘古、讯飞星火两个基础大模型启动在贵州产业化项目；贵州与浙江联合打造文旅宣传虚拟数字人“杭小忆”……

以GPT-3的训练为例，GPT-3有1750亿个参数，据估计，训练过程使用了大约1287兆瓦时(也就是128.7万度)的电力。

因此，引导数据中心向西部资源丰富地区聚集，既能推动西部地区数据中心低碳、绿色、可持续发展，又能满足东部地区的算力需求。

在人工智能飞速发展的背后，能源消耗问题也日益凸显，成为业内关注的焦点。甚至有人提出，“AI的尽头是算力，而算力的尽头是电力”。

刘兴亮同意未来可能面临的隐忧，如果继续无节制地扩大参数规模，并且伴随着用户越来越多，而能耗技术没有进步，耗电将很快成为一个问题。但与此同时，他也作出了比较乐观的展望，认为可以通过技术进一步降低能耗。

AI当然不只ChatGPT，但它的耗能数据可以作为一个切口。可以看出，尽管随着AI算力的迅猛增长，电力需求也持续增长，但目前其在整体电力消耗中所占比例较小。

我国在电力方面具有优势，已建成全球规模最大的电力供应系统和清洁发电体系，其中，水电、风电、光伏、生物质发电和在建核电规模多年位居世界第一。

一方面，数据中心的高效运转离不开大量电力支撑；另一方面，电力系统的平稳高效运行也离不开算力支撑。统筹算力电力协同布局，有助于促进风光绿电消纳和数据中心零碳发展。

国际能源署(IEA)在今年1月的一份报告中曾表示，ChatGPT响应一个请求平均耗电2.9瓦时——相当于将一个60瓦的灯泡点亮略少于三分钟。

另外，据美媒报道，ChatGPT每天响应约2亿个需求，消耗超过50万度电力，相当于1.7万个美国家庭平均一天的用电量。

jn江南app他表示，人工智能计算的约束条件是可预测的，“我在一年多前就预测过芯片短缺，下一个短缺的将是电力。我认为明年将没有足够的电力来运行所有的芯片。”

我们当然要看到，客观上，由于网络时延等限制存在，并非所有算力服务场景都适用“东数西算”。比如自动驾驶、证券交易等低时延业务场景就需要就近计算。

GPT-3是在2020年发布的，很多人也许会问，更新的模型能耗如何呢？因为近年来不少AI科技公司不再公布训练细节，比如用了什么硬件、耗时多久，这使得能耗计算变得困难。

总而言之，尽管短期内还不会出现AI缺电的问题，但相关的讨论确实给大力发展AI的世界提了个醒——随着AI大模型规模和数量的高速增长，未来可能面临的能源需求激增不容忽视。

近年来，人工智能带来的能耗问题引发广泛讨论，而我国早在2021年就开始布局“东数西算”，这无疑极具前瞻性，也大大助力了我国在此轮算力竞赛中占得优势。

当下人工智能大模型的竞争，颇像一场“算力军备竞赛”。在规模效应(Scaling Law)的驱动下，各公司通过不断增加模型参数和数据量，期待实现“大力出奇迹”，相应地，算力需求也成倍增加。

根据公开资料，2023年，美国全口径净发电量为41781.71亿千瓦时(1千瓦时=1度)，以ChatGPT每天耗电50万度计算，按一年365天，耗电量约为18250万度，这也只占全美发电量的约0.0044%。

该如何理解这个耗电量？这相当于美国约121个家庭一整年的用电量。也曾有专家打了这么一个比方，大概相当于3000辆特斯拉电动汽车共同开跑，每辆车跑20万英里。

2022年2月，国家发展改革委等部门联合印发通知，同意在内蒙古、贵州、甘肃、宁夏等8地启动建设国家算力枢纽节点，并规划了10个国家数据中心集群。“东数西算”工程正式全面启动。

但GPT-3的能耗可以作为一个参考，GPT-3模型参数为1750亿，而GPT-4曾被曝包含1.8万亿参数，随着参数的翻倍，能耗也会大幅增加。

北京首都在线与甘肃省庆阳市签订人工智能产业合作框架协议；百度智能云与成都高新区签订战略合作签约仪式，打造大模型产业……

他表示，目前AI发展的路线是不断增加模型参数、叠加芯片，如果继续按照这个路线发展，将来消耗的电力将更多，从这个角度来讲，未来AI的能耗问题可能会越来越突出，尤其是对于电力供应本身比较紧张的国家。但就目前而言，能源还没有成为限制AI发展的因素。

当下训练AI大模型使用的主流算力芯片英伟达H100芯片，一张最大功耗为700瓦，这意味着运行一小时就要耗电0.7度。而此前有消息称，OpenAI训练GPT-5，需要数万张H100芯片。

让我们做一道简单的数学题，GPT-3训练耗电约128万度，ChatGPT每天为响应需求耗电50万度，GPT-3在训练阶段消耗的电量，甚至无法支撑ChatGPT运行3天。

而且，数据中心建到青海，不仅能解决电力问题，还能大大降低散热能耗。青海气候干燥、冷凉，数据中心可实现全年314天自然冷却，制冷用电比全国平均水平低40%左右。

AI算力需要消耗大量电力，青海的绿电又用不完，如果把数据中心搬到青海，将“绿电”变为“绿算”，将绿色“瓦特”变为绿色“比特”，岂不是双向奔赴？

一项发表于《科学》期刊的研究指出，在2010年至2018年间，全球数据中心的运算量增长了550%，存储空间增长了2400%，但耗电量仅增长6%。

此外，有运营商已经面向普通消费者推出了“算力卡”。相关业务负责人表示，未来，算力服务也会成为像流量、宽带一样的大众化产品。

波士顿咨询集团曾发布报告称，到2030年底，仅美国数据中心的用电量预计就将是2022年的三倍，而这一增幅主要来自AI模型训练和更高频的AI查询。

去年，贵州部署智算芯片达8万张，总算力规模增长28.8倍。贵州的目标是，面向东部模型训练，提供低成本、高品质、易使用的算力服务。

而在供应方面，电力问题涉及能源、基建、政策、技术等多个方面，难以通过简单的“有”或“没有”“充足”或“不充足”来一言以蔽之。更多样化的能源组合、电力技术革新、国家调控等都将有助于应对这个问题。

比如，国际能源署(IEA)对清洁能源能起到的作用就相当乐观，其在一份报告中指出，预计到2026年底，包括可再生能源和核能在内的低碳能源将占全球发电量的46%，并可满足所有额外需求增长，其中就包括用电需求将翻番的人工智能。

然而，人工智能模型训练推理这样高时延业务场景，正好是“东数西算”的“舒适区”，“东数西训”成为“东数西算”的典型应用场景。