目前，業(yè)界就人工智能巨大的能源需求發(fā)出了一些可怕的警告，稱其為氣候變化的下一個(gè)大威脅，但新的芯片技術(shù)，甚至人工智能本身，都可能有助于控制人工智能的電力消耗。

在最近于舊金山舉行的一次會議上，半導(dǎo)體行業(yè)大型供應(yīng)商Applied Materials的首席執(zhí)行官加里·迪克森（Gary Dickerson）發(fā)表了一個(gè)大膽的預(yù)測。他警告稱，由于材料、芯片制造和設(shè)計(jì)方面缺乏重大創(chuàng)新，到2025年，數(shù)據(jù)中心的人工智能運(yùn)轉(zhuǎn)可能占全球用電量的十分之一。

今天，世界上數(shù)以百萬計(jì)的數(shù)據(jù)中心所占用的用電量還不到2%——這個(gè)統(tǒng)計(jì)數(shù)據(jù)包含了在它們龐大的服務(wù)器陣列上處理的各種工作負(fù)載。Applied Materials估計(jì)，運(yùn)行人工智能的服務(wù)器目前只占全球電力消耗量的0.1%。

其他的科技公司高管也發(fā)出了警告。華為的安德斯安德烈（Anders Andrae）認(rèn)為，到2025年，數(shù)據(jù)中心最終可能消耗全球十分之一的電力 ，不過他的估算涵蓋了數(shù)據(jù)中心的所有用途，而不僅僅是人工智能。

落基山研究所的特別顧問喬納森·庫米（Jonathan Koomey）則相對樂觀。他預(yù)計(jì)，盡管人工智能相關(guān)活動(dòng)呈井噴式增長，但數(shù)據(jù)中心的能源消耗在未來幾年仍將保持相對平穩(wěn)。

這些大相徑庭的預(yù)測突顯出，人工智能對大規(guī)模計(jì)算未來的影響以及對能源需求的最終影響存在著不確定性。

毫無疑問，人工智能電力消耗非常大。訓(xùn)練和運(yùn)行像深度學(xué)習(xí)模型這樣的東西需要處理大量的數(shù)據(jù)，因而占用內(nèi)存和處理器。人工智能研究機(jī)構(gòu)OpenAI的一項(xiàng)研究表明，驅(qū)動(dòng)大型人工智能模型所需的計(jì)算能力已經(jīng)每三個(gè)半月翻一番。

Applied Materials自己也承認(rèn)，它的預(yù)測是一種最糟糕的情況，意在突出缺乏軟硬件新思維可能會造成的狀況。該公司的企業(yè)戰(zhàn)略和市場情報(bào)主管桑迪普·巴吉卡爾（Sundeep Bajikar）表示，公司假定，隨著時(shí)間的推移，被用來訓(xùn)練人工智能模型的信息組合將會發(fā)生改變，相對于文本和音頻信息，視頻和其他圖像的占比將會攀升。視覺數(shù)據(jù)的計(jì)算量更大，因此需要消耗更多的能量。

隨著自動(dòng)駕駛汽車和嵌入其他智能設(shè)備的傳感器等設(shè)備的興起，人工智能模型還將要處理有更多的信息。超高速5G無線連接的普及，將使得數(shù)據(jù)更容易在數(shù)據(jù)中心之間傳輸。

巴吉卡爾指出，這些趨勢和其他的趨勢突顯出，業(yè)界迫切需要為人工智能時(shí)代帶來材料和制造技術(shù)方面的創(chuàng)新。一些研究人員認(rèn)為，人工智能極大的電力消耗甚至可能變成一個(gè)重大的環(huán)境問題：馬薩諸塞大學(xué)阿姆赫斯特分校的研究小組最近發(fā)表的一項(xiàng)研究顯示，訓(xùn)練幾款受歡迎的大型人工智能車型，所引發(fā)的廢氣排放量幾乎是美國汽車使用壽命期內(nèi)的平均排放量的五倍。

但悲觀的預(yù)測忽略了幾個(gè)可能限制人工智能電力消耗的重要進(jìn)展。其中之一是由Facebook和亞馬遜等公司開創(chuàng)的“超大規(guī)?！睌?shù)據(jù)中心的興起。

這種數(shù)據(jù)中心使用大量專門為特定任務(wù)定制的基本服務(wù)器陣列。這些機(jī)器比傳統(tǒng)數(shù)據(jù)中心的服務(wù)器更加節(jié)能，因?yàn)楹笳咝枰幚砀鼜V泛的功能。當(dāng)前向超大規(guī)模數(shù)據(jù)中心的過渡，再加上冷卻和其他技術(shù)的進(jìn)步，是過去幾年新數(shù)據(jù)中心的能源消耗基本上被運(yùn)轉(zhuǎn)效率提高所抵消的一個(gè)重要原因。

新型微芯片也會有所幫助。Applied Materials的預(yù)測假定，人工智能的工作負(fù)載將繼續(xù)在現(xiàn)有硬件上運(yùn)行，這些硬件的效率在未來幾年將會逐步提高。但許多的初創(chuàng)企業(yè)以及英特爾、AMD等大公司，都在開發(fā)利用光子學(xué)等技術(shù)的、節(jié)能性大幅提升的半導(dǎo)體，來驅(qū)動(dòng)神經(jīng)網(wǎng)絡(luò)和其他的人工智能工具。

庫米表示，危言聳聽的預(yù)測也忽略了一點(diǎn)：對于某些類型的人工智能任務(wù)，比如模式識別，模型提供粗略輸出結(jié)果就足夠了。這意味著能量不需要將計(jì)算結(jié)果擴(kuò)展到小數(shù)點(diǎn)后數(shù)百位。

具有諷刺意味的是，對人工智能功耗限制貢獻(xiàn)最大的實(shí)際上可能是人工智能本身。谷歌已經(jīng)在使用其2014年收購的DeepMind開發(fā)的技術(shù)，來更有效地冷卻它的數(shù)據(jù)中心。通過向人類操作員提出建議，人工智能已經(jīng)幫助該公司削減了40%的冷卻費(fèi)用;現(xiàn)在它能有效地獨(dú)立運(yùn)行數(shù)據(jù)中心的冷卻系統(tǒng)。

人工智能還將用于優(yōu)化數(shù)據(jù)中心運(yùn)營的其他方面。而且，就像谷歌在冷卻方面的成果一樣，這將使得各類工作負(fù)載受益。這并不意味著，數(shù)據(jù)中心最終不會因?yàn)閷θ斯ぶ悄苣Хǖ男枨蟛粩嘣鲩L而消耗更多的能量，但這是當(dāng)下做出預(yù)測如此困難的又一個(gè)原因。