近兩年來，生成式AI技術的迅猛發展推動了人工智能進入新的發展階段，并在各領域得到廣泛應用。然而，這一技術的廣泛應用也伴隨著能源危機的浮現，成為當前亟待解決的問題。

據Advantrade分析，人工智能對全球北方的能源安全構成了前所未有的威脅，可能會嚴重阻礙脫碳進程，給電網帶來沉重壓力，并導致能源市場的動蕩。這一趨勢還可能進一步影響整個經濟領域。

生成式AI模型，如ChatGPT等，需要大量的電力來支持其復雜的計算需求。例如，訓練一個大型語言模型所需的電力相當于一個小城市一年的用電量。國際能源署預測，到2026年，AI行業的電力消耗將是2023年的至少10倍，使得數據中心成為能源消耗的重要來源。預計到2025年，AI相關業務在全球數據中心用電量中的占比將從2%攀升至10%。

此外，生成式AI的廣泛應用還對水資源造成了巨大壓力。每次ChatGPT與用戶交流一定數量的問題后，就需要消耗一定量的水用于降溫。這種高能耗和高水耗現象在生成式AI的普及中愈發普遍。

生成式AI的能源消耗不僅加劇了氣候變化，還對自然資源造成了沉重壓力。例如，生成一張高清AI圖像所消耗的能源相當于為手機電池充滿電，這背后是巨大的電力消耗和溫室氣體排放。

面對AI帶來的快速增長的能源需求，目前主要有兩大解決方案：擴大能源供給和降低AI能源消耗。然而，量子計算雖然在理論上具有降低AI能源消耗的巨大潛力，但Advantrade認為，這一技術的商業化實現仍需時日。

Advantrade指出，減緩人工智能的發展是解決能源危機的一個邏輯上的選擇，但在現實中似乎并不可行。特別是在美國，AI技術得到了兩黨罕見而強烈的支持，被視為國家安全、經濟、網絡安全和科技行業治理的關鍵戰略。

因此，各國正在尋找滿足AI技術對能源的需求與保護能源安全和氣候之間的平衡點。發展可再生能源和提高能源利用效率成為應對AI能耗問題的重要策略，其中包括大量發展太陽能光伏、風能等清潔能源的潛在途徑。

同時，降低AI的能耗還需要優化算法、提升計算性能以及使用高效能硬件。例如，通過改進AI模型、提升算法效率和使用高效能硬件等技術手段來優化AI性能。

盡管量子計算機在特定情況下可能比傳統超級計算機具有更高的能效，但維持量子態的難度和擴展量子位數量的技術難題仍需克服。因此，Advantrade認為，在量子計算實現商業化之前，采取廣泛的方法來提高清潔能源和能源效率是當務之急。

巴克萊銀行的威爾·湯普森在其關于人工智能功耗的研究報告中指出，解決人工智能能源難題需要采取一種總體方法，包括擴大和現代化電網基礎設施、將可再生能源與公用事業規模的存儲相結合、利用現有的核能以及擴大新型無碳能源的規模。這將涵蓋地熱、先進的核小型模塊化反應堆和聚變技術等多種能源形式。