作者 | 楊銳

排版校對 | 甘惠淇

春節(jié)期間，最火爆的話題莫過于深度求索（DeepSeek）。

農(nóng)歷新年期間，筆者也問了DeepSeek一個問題：相比于GPT-4，你能節(jié)省多少算力？

但DeepSeek沒有具體回答，而是提示筆者查詢公司產(chǎn)品說明。

事實上，自從2022 年開始的生成式AI熱潮興起，有關(guān)AI和大模型發(fā)展與電力消耗之間的關(guān)系，一直都是熱門話題，人工智能行業(yè)普遍將能源看作行業(yè)的瓶頸。

一篇發(fā)表在《Joule》雜志上的論文預(yù)測，到2027年，全球人工智能產(chǎn)業(yè)的年電力消耗將達到85.4至134太瓦時（TWH），這個數(shù)字大約等于荷蘭、瑞典或阿根廷等國家一年的總用電量，也約占全球總電力消耗的0.5%。研究還發(fā)現(xiàn)，近年流行的生成式人工智能ChatGPT每天需處理約2億次請求，這一過程的電力消耗超過50萬千瓦時，相當(dāng)于1.7萬戶美國家庭的日用電量。

在2024年博世互聯(lián)世界大會上，埃隆·馬斯克警告說，人工智能和電動汽車的快速增長可能會導(dǎo)致全球電力和變壓器供應(yīng)短缺。同時，OpenAI的首席執(zhí)行官薩姆·奧爾特曼在2024年達沃斯世界經(jīng)濟論壇上表示，人工智能行業(yè)正面臨能源危機，新一代生成式AI的能源需求顯然超出預(yù)期，現(xiàn)有的能源供應(yīng)將疲于應(yīng)對。一時間，漫天飛來的AI能源危機論遍布全球。

但隨著DeepSeek的出現(xiàn)，可能改變這一局面。通過更高效的計算，DeepSeek的算力需求相比OpenAI銳減，“分布式”部署算力，即人手一套DeepSeek也成為選項之一，AI可能不再是電力“巨獸”。

不過，雖然目前尚未有研究來比較DeepSeek相對于其競爭對手的能源使用情況，但從現(xiàn)在來看，能源依舊是影響AI發(fā)展最大的一個變量。

01

近日，美國麻省理工學(xué)院技術(shù)評論（MIT Technology Review）網(wǎng)站發(fā)表的一篇文章提到，在40個提示的測試中，DeepSeek被發(fā)現(xiàn)與Meta模型具有類似的能源效率，但DeepSeek傾向于生成更長的回答，因此被發(fā)現(xiàn)多使用了87%的能源。

一位業(yè)內(nèi)人士向筆者表示，去年大家在AI的算力上投入非常大，好多公司把數(shù)據(jù)中心建在了電價便宜的地方，比如在甘肅、青海、西藏、內(nèi)蒙古等等這些地區(qū)，雖然并沒有想到今天的DeepSeek會出來，改變了整個的底層的邏輯，但其實DeepSeek現(xiàn)在對于算力的消耗也是不低的，除了卡之外就是電，電價會影響它整個的成本。

當(dāng)前，大型AI模型的發(fā)展勢頭迅猛，它們能夠處理和學(xué)習(xí)龐大的數(shù)據(jù)集。這一能力背后需要巨大的計算資源支持，而這些資源通常由高性能處理器提供，包括GPU、TPU和ASIC芯片等。這些處理器需要大量的電力來驅(qū)動數(shù)據(jù)中心的服務(wù)器、存儲設(shè)備和冷卻系統(tǒng)。而以GPT為代表的生成式預(yù)訓(xùn)練大型語言模型，其計算需求正向依賴參數(shù)量和token數(shù)兩個變量，極大影響著模型的潛在規(guī)模和復(fù)雜程度。參數(shù)量從十億級到萬億級的指數(shù)變化，僅僅用了3年時間。

自2012年以來，AI訓(xùn)練應(yīng)用的電力需求每3到4個月就會翻一倍。訓(xùn)練大模型需要大量的能源，AI服務(wù)器相較于傳統(tǒng)服務(wù)器通常需要更高功率密度的硬件，例如AI服務(wù)器可能需要4顆1800W的高功率電源，而通用型服務(wù)器可能只需要2顆800W的電源。有機構(gòu)測算，相比于傳統(tǒng)的普通服務(wù)器，AI服務(wù)器的功率高出將近6-8倍，電源的需求也將同步提升6-8倍。

據(jù)中國國際工程咨詢有限公司資源與環(huán)境業(yè)務(wù)部張雅欣和木其堅的研究測算，到2030年，僅人工智能大模型領(lǐng)域的算力能耗就預(yù)計將達到全國1.93%～5.25%的電力消耗量。

在保守增長情景下，預(yù)計人工智能算力將消耗約2177 億千瓦時電力，占全國電力消費的1.93%，折合標準煤約為2675 萬噸，占全國能源消費的0.45%。若按快速增長情景預(yù)測，預(yù)計電力消耗和能源消費占比將分別升至5.25%和1.21%。

而且，隨著人工智能產(chǎn)業(yè)的不斷發(fā)展，未來可能會出現(xiàn)更加復(fù)雜多樣的人工智能模型和應(yīng)用場景，這也意味著能耗影響將在一定程度上呈現(xiàn)持續(xù)增長趨勢。

更為重要的是，未來人工智能能耗影響的時空分布可能將呈現(xiàn)不平衡現(xiàn)象。

從時間分布上看，人工智能能耗呈現(xiàn)“夏冬高，春秋低”的季節(jié)性波動規(guī)律。季節(jié)性氣溫變化是影響算力基礎(chǔ)設(shè)施能耗的關(guān)鍵因素，例如夏季溫度升高導(dǎo)致數(shù)據(jù)中心需要依賴大量冷卻設(shè)備和電力來維持設(shè)備正常運行的環(huán)境溫度，大大增加了能源消耗；而冬季嚴寒氣溫下，數(shù)據(jù)中心需要額外的能源來保持適宜的室內(nèi)溫度，以防設(shè)備因低溫而出現(xiàn)性能下降。

從空間分布上看，我國“東數(shù)西算”工程正重塑人工智能能耗的地理布局。整體上，我國正建立京津冀、長三角、粵港澳、成渝、內(nèi)蒙古、貴州、甘肅、寧夏八大算力樞紐節(jié)點，并依托樞紐節(jié)點規(guī)劃張家口集群、蕪湖集群、長三角生態(tài)綠色一體化發(fā)展示范區(qū)、韶關(guān)集群、天府集群、重慶集群、貴安集群、慶陽集群、和林格爾集群等十大國家數(shù)據(jù)中心集群。隨著算力基礎(chǔ)設(shè)施樞紐節(jié)點和數(shù)據(jù)中心集群的建設(shè)與發(fā)展，人工智能的能耗壓力將主要轉(zhuǎn)移至這些集中區(qū)域。

短期而言，人工智能技術(shù)的迅猛發(fā)展可能帶來顯著的季節(jié)性、局域性用能壓力。

一方面，由于季節(jié)性氣溫變化，如夏季高溫和冬季嚴寒，算力基礎(chǔ)設(shè)施需要額外的能源消費用以保障其穩(wěn)定運行。在夏冬季能源供需本就偏緊的情況下，算力基礎(chǔ)設(shè)施用能需求激增可能進一步加劇能源保供壓力。

另一方面，隨著“東數(shù)西算”工程一體化算力網(wǎng)的推進，人工智能能耗影響主要集中在京津冀、長三角等東部地區(qū)，以及甘肅、內(nèi)蒙古等西部省份。結(jié)合東、西部地區(qū)的能源供需差異來看，這種空間分布可能導(dǎo)致能源供應(yīng)“東部吃緊，西部過�！钡木置姘l(fā)生，不僅影響能源利用效率，也可能成為區(qū)域經(jīng)濟協(xié)調(diào)發(fā)展的掣肘因素。

近年來，我國能源消耗總量持續(xù)較快增長，能耗強度降幅收窄，部分地區(qū)能耗強度下降不及預(yù)期，使得“十四五”后期完成節(jié)能目標和“十五五”期間開展節(jié)能工作面臨一定的難度和挑戰(zhàn)。

而人工智能在短期引發(fā)的季節(jié)性、局部性能耗壓力可能與當(dāng)前嚴峻的節(jié)能形勢形成沖突。部分地區(qū)可能受限于節(jié)能指標完成空間，或出于能源保供的考慮，在項目能評、環(huán)評階段加強對數(shù)據(jù)中心類項目的審批管理，甚至采取限制措施。例如，地方政府在數(shù)據(jù)中心類項目能評中多以數(shù)據(jù)中心的電能利用效率為主要監(jiān)管抓手，并持續(xù)收緊相關(guān)標準。目前，北京、上海等地對于新建數(shù)據(jù)中心PUE的審批要求已經(jīng)提升至1.15 -，遠遠嚴于歐美國家平均水平。

02

那么，破解AI能耗的解藥又在何處？

解決問題的首要方案當(dāng)然是優(yōu)化大模型，這不僅是行業(yè)各方的可行選擇，也是力所能及的實施策略。比如簡化模型復(fù)雜度，減少不必要的層和結(jié)構(gòu)，或者通過參數(shù)共享減少模型的總參數(shù)量。同時，可以選擇使用更高效的神經(jīng)網(wǎng)絡(luò)架構(gòu)，如卷積神經(jīng)網(wǎng)絡(luò)（CNN）代替全連接神經(jīng)網(wǎng)絡(luò)（FCN），以降低訓(xùn)練時的計算量。

此外，優(yōu)化電源管理方案、改進電路設(shè)計都是很好的節(jié)能思路。新型電源管理技術(shù)，如功耗管理單元（ PMU）和智能電源管理芯片，能夠根據(jù)實際需求動態(tài)調(diào)整電源供電策略。這種動態(tài)調(diào)整可以確保設(shè)備在不同負載情況下都能實現(xiàn)最佳的能耗效率。電路設(shè)計上，減少功耗消耗點、降低開關(guān)頻率、優(yōu)化排布等方式也能顯著減少設(shè)備在運行時的電路能耗。

第二，在政策層面，強化人工智能戰(zhàn)略產(chǎn)業(yè)發(fā)展的要素保障。

一方面，深入貫徹國家重大項目能耗單列政策，積極推動人工智能相關(guān)項目列入國家重大項目能耗單列范圍，為產(chǎn)業(yè)發(fā)展預(yù)留充足的用能空間。另一方面，加強對算力樞紐節(jié)點、數(shù)據(jù)中心集群等人工智能算力集中部署地區(qū)的能源供給保障，提升電源匹配和電網(wǎng)支撐能力，推動建立“算電協(xié)同”體制機制，確保人工智能產(chǎn)業(yè)穩(wěn)健發(fā)展。

為此，業(yè)內(nèi)人士建議相關(guān)機構(gòu)應(yīng)盡快摸排人工智能產(chǎn)業(yè)情況，全面把握產(chǎn)業(yè)現(xiàn)狀，有必要由國家有關(guān)部門牽頭，集合相關(guān)領(lǐng)域研究機構(gòu)、行業(yè)專家力量，開展針對國內(nèi)重點地區(qū)的人工智能產(chǎn)業(yè)調(diào)研工作。

通過實地走訪相關(guān)企業(yè)和項目，系統(tǒng)摸排人工智能企業(yè)運營現(xiàn)狀、項目進展情況、技術(shù)創(chuàng)新方向等方面情況，并選取具有代表性的企業(yè)及項目，進行定期人工智能企業(yè)能源消費情況的監(jiān)測分析，為精準研判產(chǎn)業(yè)能源消費形勢、科學(xué)引導(dǎo)人工智能產(chǎn)業(yè)發(fā)展提供堅實的數(shù)據(jù)基礎(chǔ)。

第三，在給予充足要素保障的同時，緊抓人工智能產(chǎn)業(yè)發(fā)展戰(zhàn)略窗口期，積極引導(dǎo)其產(chǎn)業(yè)向綠色低碳方向轉(zhuǎn)型升級，加快探索建立適用于我國人工智能產(chǎn)業(yè)發(fā)展的綠色低碳管理機制。

事實上，由于散熱往往消耗較多電量，數(shù)據(jù)中心未來更傾向于部署在相對涼快的地方，以減少空調(diào)負荷消耗，而隨著國內(nèi)對綠電消費的要求逐步提高，水（儲）、風(fēng)、光一體化或核電將成為其優(yōu)選。

此外，AI驅(qū)動的協(xié)同優(yōu)化，將是電算協(xié)同的技術(shù)支撐和創(chuàng)新方向之一，即通過AI模型同時優(yōu)化算力分配任務(wù)和電力調(diào)度，例如任務(wù)遷移，將高耗能計算任務(wù)遷移至綠電充足時段；動態(tài)降頻，在電力緊張時降低服務(wù)器頻率以減少能耗等。

對此，業(yè)內(nèi)人士建議，當(dāng)前需要廣泛調(diào)研國內(nèi)外人工智能產(chǎn)業(yè)先進能效水平和綠色低碳管理體制機制，形成可供參考的成功案例經(jīng)驗，并采取行業(yè)標準、獎勵資金、分級評價等管理措施，從人工智能模型優(yōu)化、芯片效率及算法效率提升、數(shù)據(jù)中心綠色架構(gòu)以及綠色能源使用等方面，探索建立覆蓋人工智能全生命周期的綠色低碳管理機制。最后，選取具有代表性的地區(qū)作為試點，通過地區(qū)先行先試積累人工智能產(chǎn)業(yè)綠色低碳管理經(jīng)驗，以高標準推動人工智能產(chǎn)業(yè)綠色低碳發(fā)展。

最后，需要優(yōu)化人工智能產(chǎn)業(yè)的空間格局。

當(dāng)前，在土地、能源等資源緊張的形勢下，東部地區(qū)大規(guī)模發(fā)展數(shù)據(jù)中心已顯困難。因此，有必要進一步深化空間布局，統(tǒng)籌算力電力協(xié)同布局，引導(dǎo)人工智能項目所依托地對延時要求不高的算力基礎(chǔ)設(shè)施優(yōu)先布局于西部地區(qū)，充分利用西部豐富的算力資源，支撐東部人工智能項目的運算需求。

“我覺得2025年將是一個全面整合的一年，能源和科技將你中有我，我中有你。”上述業(yè)內(nèi)人士最后表示。

實際上，整體而言，人工智能正逐漸成為能源密集型行業(yè)，電力與算力的協(xié)同也不僅是技術(shù)問題，更是涉及經(jīng)濟、政策、生態(tài)的系統(tǒng)工程，業(yè)界必須采取積極的措施，未雨綢繆。

       原文標題 : 展望③｜DeepSeek爆火，AI的盡頭還是電力嗎？