双碳视角下人工智能发展再思考——投产相抵还是能耗胁迫？

最近，火电影《流浪地球2》中的超级MOSS引起了热烈的讨论，它代表了人类对人工智能终极形式的幻想和对超级计算机迭代结果的展望。投射到现在，基于OpenAI训练的大语言模型——ChatGPT，也进入了公众的视野。随着同一家族GPT4的迭代出现，ChatGPT向世界展示了无限的潜力，为深度人工智能的发展开辟了一个洞，也激发了公众对人工智能领域的兴趣和关注——相关市场随之而来，大量的研发投资也随之而来。然而，如此受欢迎的现状也可能包含潜在的能耗胁迫问题。从双碳目标的角度来看，盲目投资超级人工智能可能是不可取的。

人工智能模型本身没有感知和思考的能力，它只能根据输入数据计算和生成输出结果。因此，人类对人工智能的研发和更新主要集中在优化算法和改进数据集上，可以简单地概括为提高其计算能力。然而，由于超级计算机需要大量的电力来支持其高强度的计算工作，在计算能力支持的背后是巨大的潜在能源投资。马萨诸塞大学阿默斯特校区的研究人员以几种常见的大型人工智能模型的培训周期为例，发现该过程可排放6.26万磅以上的二氧化碳，几乎是普通汽车寿命周期的五倍（包括汽车本身的制造过程）。本文结果表明，训练一个人工智能模型产生的能耗高达五辆汽车终身排放的碳总量，因为这种观察只针对一个模型，这显然只是一个基础。在通常的认知中，人工智能的培训和开发似乎只是超级计算机的使命。我们只需要更改几个参数，等待程序运行，就能得到满意的答案。然而，硬件的支持是软件迭代背后不可或缺的，而硬件的支持直接将人工智能的发展问题引向能源消耗问题，这是显而易见的，但也很容易被忽视。

据估计，目前人工智能的能耗约占全球能耗的3%％，据此推断，直到2025年，人工智能才会消耗15％全球电力供应意味着人工智能的快速发展将对能源消耗和环境产生巨大影响。此外，除了硬件开发所必需的“固定碳成本”外，人工智能日常环境的维护投资也不容低估。随着人工智能计算能力的提高，这个问题将更加严重。归根结底，我们甚至无法判断热人工智能研发是否能达到“生产抵消”的结果。无论成本如何，研究理念都会导致规模不经济的结果，这显然违反了自然规律和最初的起点。地球资源有限，人类可以照亮的科技树也很穷。如果我们不能解决人工智能研发面临的能耗限制，我们的科技想象力和技术发展可能总是“卡在喉咙里”。

目前，中国仍面临着严重的短缺问题。虽然太阳能、风能、水能等清洁能源被引入能源结构，但如果允许大规模人工智能开发无序进行，无疑会导致极其可怕的结果。我们可以把现有的能源系统看作是一个定量的大蛋糕，研发显然是主要的食客之一；在能源库存竞争中，如果鲁莽的食客吃大蛋糕，原蛋糕就无法满足其他项目的能源需求，其次是化石能源的巨大消耗和新的高潮。这显然违背了中国30-60的双碳目标，不利于环境的可持续发展和资源的存在。

在不久的将来，大量的人工智能集成服务集团可能会聚集在一起，各种超级计算中心也会聚集在主要城市周围，这背后的潜在电力支持将是能源账户上的巨额支出。当现有的清洁能源无法抵消能耗需求时，传统化石能源的过度增加将成为不可避免的结果；此外，超级计算中心所需的水冷设施也可能导致废热废水等环境污染问题，不利于大中城市的发展。目前，双碳计划的提出和相关政策的协调已将我国碳减排工作保持在可控范围内；然而，人工智能研发的无序干预很可能成为节能减排的不可控变量，值得思考和谨慎对待。

为了确保未来的可持续发展，能耗胁迫是我们必须面对和解决的主要问题。对于人工智能的发展来说，优化算法和减少计算资源是非常关键的，在应用过程中，我们可以采取各种措施来减少碳足迹，包括使用可再生和优化硬件设备。此外，还可以采用先进的制冷技术、更高效的电源设计、优化硬件配置等多种策略来提高能源效率。对于能源消耗，优化能源结构仍然是我们需要面对的主要方面。我们可以增加对可再生能源的投资，减少对传统化石能源的依赖，减少对环境的不利影响，逐步实现能源的可持续发展。

一般来说，人工智能的快速发展和应用带来了能源消耗和环境问题，我们需要在技术和政策上寻求解决方案。在此过程中，寻求可持续能源供应、开发高效人工智能算法、促进可持续发展的政策法规至关重要。