在AI时代下，能源板块将迎来新的发展契机，不仅因为AI技术本身为能源行业带来新的需求和挑战，更因为它能够推动新能源技术的创新和应用，进而应对全球能源转型的复杂性，提高系统效率，加快转型速度，且使之朝着更高效、可持续的未来发展。
过去一年多来，以AI大模型为引领的AI技术应用备受瞩目。然而，在这一技术爆火的背后，还隐藏着巨大的能源危机。实际上，在ChatGPT等AI大模型刚推出之际，就有一些专业人士强调这一问题。似乎进入2024年之后，能源供给远期不足的问题正摆上桌面来进行广泛讨论。
在AI大模型时代，能源危机的讨论主要集中在人工智能（AI）大模型对电力和水资源的大量消耗上。根据多份预测分析报告，AI大模型如ChatGPT和GPT-3在训练过程中需要大量的电力和水资源，这不仅导致了高碳足迹，还引发了新的能源危机。
近日，Meta联合创始人兼CEO马克·扎克伯格也这一问题发表了自己的观点。他表示，困扰业界已久的AI芯片短缺问题已基本结束，但能源供应问题将成为下一个主要瓶颈。这说明越来越多人开始关注AI技术“指数式成长”将给我们带来的新的可续发展的危机。
AI大模型有多耗电、耗水？
尽管英伟达AI芯片“一枝独秀”，加上先进芯片工艺和封装技术的产能不足，使得AI GPU的供应一直处于供不应求的状态，但随着AMD、英特尔等科技巨头的加入，以及一些科技企业推进自研AI芯片，将逐渐使得GPU不再那么“紧缺”。
扎克伯格也表示，随着AI GPU短缺问题告一段落，企业将会忍不住投入大量资金建设一些东西，比如数据中心。未来，基于这一趋势，数据中心将进一步催生庞大的能源需求，而且能源不足“似乎只是个时间问题”。
根据摩尔定律，集成电路上可容纳的晶体管数目，约每隔18个月便会增加一倍，而大模型对算力的需求，则每隔3-4个月就会翻一番。
毫无疑问，算力需求不断增长，耗电量也水涨船高。相关数据显示，Huggingface的bloom的参数量是1760亿，前期训练耗电量为43.3万度，约等于中国117个家庭一年生活用电；GPT-3参数量1750亿，前期训练耗电量为128.7万度，约等于中国348个家庭一年生活用电。
然而，前期训练耗电仅仅占整个推理训练过程的20%~30%，后期训练还要占到额外70%～80%。以ChatGPT测算，日均最高访问量2.7亿次，每个人每次访问会提5个问题，一整个月下来光是推理消耗的电量就是1872万度。
美国半导体行业协会(SIA)与半导体研究公司（SRC）此前联合发布的《半导体10年计划》报告预测，世界能源的供应增长日趋平缓，AI系统能耗却正呈现倍增态势。如果这一趋势不发生扭转，必将导致能源供应短缺或者AI系统价格上涨、难持续发展的问题。
有分析数据预测，到2027年，整个人工智能行业每年将消耗85至134太瓦时的电力，相当于荷兰或阿根廷一年的用电量。
当然，除了庞大的耗电，AI模型旺盛的算力需求还要求与之匹配的散热能力，将带来庞大的耗水量。据国际能源署数据，在全球范围内，数据中心目前约占全球用电量的1%至1.5%。全球人工智能领域的蓬勃发展可能会导致这一数字大幅上升，而且速度会很快。与此同时，大量的碳排放和数百万加仑淡水的消耗也不容小觑，比如AI大模型需要耗费大量水用于冷却超级计算机。
新能源生产正成为新的投资风口
随着AI大模型的技术竞争进入纵深阶段，行业开始将注意力转向模型训练所需的能源领域。这反映了AI对清洁能源突破的依赖，以及产业界对光伏和储能等新能源形式的关注。比如，OpenAI创始人Sam Altman就强调AI的未来取决于清洁能源的突破；英伟达CEO黄仁勋也指出"AI的尽头是光伏和储能"。
目前来看，建造新的发电厂，无论是火力发电，还是水力发电，都将需要一个漫长的周期，毕竟涉及到环境评估、项目评估以及其他法律问题，同时还需一些基础设施以满足长距输电的需求。这就需要考量能源生产的灵活性，而太阳能光伏、风能等新能源形式，以及储能设备设施，将提供能源供给便利性，同时还有助于“双碳”目标的实现。
根据彭博新能源财经(BNEF)发布的《2024年能源转型投资趋势》报告，2023年全球低碳能源转型投资激增17%，达到1.77万亿美元，可再生能源、电动汽车、氢能和碳捕集都推动了投资的同比增长。其中，2023年，全球对清洁能源供应链的投资达到1350亿美元，到2025年可能增至2590亿美元。
以上数据还是在在地缘政治动荡、高利率和成本通胀的情况下出现的，足见清洁能源转型的韧性。这其中除了全球力推“双碳”目标之外，以AI为代表的新技术应用催生的庞大的能源需求，也是新能源投资上涨的重要助推因素之一。
目前，光伏发电已经成为全球电力供应的重要部分。数据显示，2023年全球用电量达到了28.5万亿千瓦时，发电量为30.6万亿千瓦时，其中光伏发电占比高达12.2%。未来几年，随着能源需求增长，光伏发电将主导电力产能之一。尽管此前光伏行业曾面临供过于求的局面，但AI数据中心等迅猛发展将带来新机遇。
除了太阳能光伏，风能、氢能、地热发电、生物发电以及核能等都将是新能源重要供给端。
此外，全球能源转型的趋势也为储能行业提供了新的增长机遇。在新能源发电量快速增长的背景下，储能技术成为平衡供需、提高能源利用效率的关键技术之一。比如，特斯拉就在大力推进储能技术，而上海储能超级工厂的建设就是其在储能领域布局的重要一环。
AI技术还将“反哺”能源危机的解决
诚然，AI技术的发展带来了庞大的能源需求问题，如数据中心的用电量增长，对能源基础设施和环境构成了重大挑战。面对新的能源挑战，除了增加能源供给之外，提高能源生产与利用效率也是重要的解决方案之一。
未来，随着全球科技的发展，对能源的需求将进一步上升，AI技术也可将通过自身优势“反哺”解决能源危机。
其中，在预测和需求分析上，可利用AI技术进行能源需求预测，帮助电网更有效地管理和分配风力、太阳能等可再生能源。比如，通过分析天气预报数据和历史风力发电数据，AI模型可以提前36小时预测风电产出，从而帮助电网更有效地管理这些资源。
在智能电网和资源配置上，AI技术可以通过监测和分析能源系统的实时数据，优化能源结构和资源配置。这包括通过学习设备的行为和确定断电的方法，帮助优化用电，减少用电需求，同时匹配电力需求以适应可再生能源发电。
在降低能源浪费上，通过实时监测能源消耗信息，AI可以识别能源使用的潜在问题，并提供优化建议，减少能源浪费和损耗。此外，将机器学习算法用于设备的智能监控和预测维护，可以进一步提高能源系统的工作效率。
在推动可持续发展上，AI技术还能通过提高能源效率和降低成本，推动可持续发展。这不仅可以减少环境污染和气候变化，还可以提高能源安全和可靠性。
因此，在AI时代下，能源板块将迎来新的发展契机，不仅因为AI技术本身为能源行业带来新的需求和挑战，更因为它能够推动新能源技术的创新和应用，进而应对全球能源转型的复杂性，提高系统效率，加快转型速度，且使之朝着更高效、可持续的未来发展。
从这个角度，这也是AI大模型其中一项具有重要意义的应用所在。
您可能感兴趣
