工联网消息(IItime)随着人工智能（AI）技术的飞速发展，其应用场景不断拓展，然而，AI产业也因其庞大的电力需求被打上了“高耗能”的标签。

日前，国际能源署发布《全球能源评估》报告，预测全球能源需求正以超出预期的速度增长，由数据中心建设发展和AI部署应用带动的电力需求更是成为电力需求增长的主要动力。

国际数据公司（IDC）与浪潮信息联合发布的《中国人工智能计算力发展评估报告》显示，2024年中国智能算力规模达到725.3百亿亿次/秒，同比激增74.1%，增速是通用算力的3倍有余。报告还预测，2027年，人工智能数据中心IT能耗将增长至146.2太瓦时，5年间实现6倍增长。

高耗能AI的成因

AI在众多领域展现出强大影响力的同时，其背后的高耗能问题也逐渐引发了广泛关注。这一高耗能现象并非偶然，而是由多方面因素共同作用导致的：

一是硬件运算需求大：AI尤其是深度学习中的神经网络训练与推理，高度依赖高性能的计算芯片，像GPU、TPU等。这些芯片在执行大规模矩阵运算、复杂的卷积操作时，本身功耗较高。例如，训练一个大规模语言模型，往往需要数千块甚至更多的高性能芯片并行运算，长时间的高强度运行使得电力消耗庞大。

二是海量数据处理：AI系统要处理海量的数据，从互联网文本、图像、音频到各行业收集的大量业务数据等。数据的读取、传输、存储以及分析处理每一个环节都需要消耗能量。在数据中心里，为了保证数据能快速在服务器、存储设备之间流转，众多网络设备、存储设备都处于高负荷运转状态，耗能持续增加。

三是模型复杂度高：深度学习等先进AI模型自身结构愈发复杂，包含众多的隐藏层、数以亿计甚至更多的参数。训练这些复杂模型需要不断进行迭代优化，通过大量的计算来调整参数，以达到期望的精度和效果，如此巨大的计算量必然带来高额的能耗。

四是配套设施耗能：为保障AI设备能在适宜的温度、湿度等环境下稳定运行，冷却系统、供电系统等配套设施需要持续工作。例如数据中心的冷却系统为了驱散服务器等设备散发的热量，制冷设备需要长时间开启，消耗大量电能，这也成为AI高耗能的重要组成部分。

高耗能AI绿色发展的策略

面对高耗能AI带来的能耗挑战，探寻切实可行的绿色发展策略已成为当务之急。具体来看，可以采取以下方式：

提高绿电使用比例：在新建数据中心时，依据国家“东数西算”战略进行合理选址，利用西部地区丰富的可再生能源资源，基本实现绿电直供。对于存量数据中心项目，可以逐步提高绿电采购占比，同时在数据中心园区外建设小型分布式风光储项目，推动源网荷储一体化项目，以此降低碳排放。如腾讯IDC首席能源电力专家牛凯所说，这些方式都是当前数据中心可行的降碳手段。

建立绿证消费机制：构建强制消费与自愿消费相结合的绿证消费机制，将数据中心列为重点推进行业。数据中心购入绿证，既能提高自身低碳化水平，又能助力可再生能源发展。

能效优化技术：研发和应用更高效的硬件技术，如新型芯片架构、低功耗处理器等，以提高数据处理的能效。例如，优化数据中心的制冷系统，如采用智能调节制冷技术，根据数据中心的实际负载情况动态调整制冷功率，减少能源浪费。

能源管理与调度技术：利用智能化能源管理系统，实时监测和分析数据中心的能耗情况，根据不同任务的需求动态分配能源，实现能源的精细化管理。例如，在低负载时段合理降低设备功率，在高峰时段提前预估负载并提前优化能源分配。

绿色计算技术：探索新的计算模式和算法，如量子计算等，在保证计算能力的同时降低能耗。例如，量子计算在某些特定领域的计算效率相比传统计算方式有极大的提升，有望减少计算过程中的能耗。

高耗能AI的绿色发展是一项长期而艰巨的任务，但也是AI产业可持续发展的必由之路。未来，我们期待看到AI在推动科技进步的同时，也能成为绿色能源利用和可持续发展的典范，引领全球绿色发展的新潮流。