Каждый раз, когда вы задаете вопрос ChatGPT, чтобы сгенерировать изображение или дать искусственному интеллекту сжать ваше электронное письмо, за кулисами происходит что-то большое. Не на вашем устройстве, а в огромных центрах обработки данных, наполненных серверами, графическими процессорами и системами охлаждения, потребляющими огромное количество электричества.
Бум современного искусственного интеллекта выводит нашу энергетическую сеть на пределы ее возможностей. ChatGPT один лишь обрабатывает примерно 1 миллиард запросов в день, каждый из которых требует ресурсы центра обработки данных, далеко выходящие за пределы вашего устройства.
Фактически, энергия, необходимая для поддержки искусственного интеллекта, растет настолько быстро, что уже задержала вывод из эксплуатации нескольких угольных электростанций в США, а также ожидаются дальнейшие задержки. Некоторые эксперты предупреждают, что гонка вооружений в области искусственного интеллекта опережает инфраструктуру, предназначенную для ее поддержки. Другие утверждают, что это может спровоцировать долгожданные инновации в области чистой энергии.
Искусственный интеллект меняет не только приложения и поисковики. Он также меняет то, как мы строим, питаем и регулируем цифровой мир. Гонка за увеличением возможностей искусственного интеллекта ускоряется быстрее, чем большинство инфраструктуры может обработать, и энергия становится следующим крупным узким местом.
Давайте рассмотрим, как искусственный интеллект меняет энергетическое уравнение, и что это может значить для будущего климата.
Получайте мои лучшие технические советы, срочные предупреждения о безопасности и эксклюзивные предложения прямо в ваш почтовый ящик. Кроме того, вы получите мгновенный доступ к моему бесплатному Руководству по выживанию от мошенничества - бесплатно при вступлении.
Почему ИИ потребляет так много энергии и что стимулирует спрос
Для масштабного запуска искусственного интеллекта требуется огромная вычислительная мощность. В отличие от традиционной интернет-активности, которая в основном связана с извлечением хранимой информации, инструменты искусственного интеллекта выполняют интенсивную обработку в реальном времени. Будь то обучение масштабных языковых моделей или ответ на запросы пользователей, системы искусственного интеллекта полагаются на специализированное оборудование, такое как графические процессоры (GPU), потребляющие гораздо больше энергии, чем унаследованные серверы. Графические процессоры предназначены для выполнения множества вычислений параллельно, что идеально подходит для рабочих нагрузок, требующих много матриц, на которых основаны генеративные ИИ и системы глубокого обучения.
Чтобы дать вам представление о масштабе: один графический процессор Nvidia H100, обычно используемый в обучении ИИ, потребляет до 700 ватт сам по себе. Обучение одной большой модели ИИ, например, GPT-4, может потребовать тысячи таких графических процессоров, работающих непрерывно в течение недель. Умножьте это на десятки моделей и сотни центров обработки данных, и числа быстро возрастают. Традиционный стойка в центре обработки данных может потреблять около 8 киловатт (кВт) энергии. Оптимизированная для ИИ стойка с использованием графических процессоров может потреблять 45-55 кВт или больше. Умножьте это на весь здание или кампус стоек, и разница поражает.
Охлаждение всего этого оборудования требует дополнительного уровня энергопотребления. Поддержание серверов ИИ в рабочем состоянии для предотвращения перегрева составляет 30-55% от общего энергопотребления центра обработки данных. Продвинутые методы охлаждения, такие как жидкостное погружение, помогают, но масштабирование их по всей отрасли займет время.
С другой стороны, исследователи в области ИИ разрабатывают более эффективные способы работы с этими системами. Одним из перспективных подходов является архитектура модели "смесь экспертов", которая активирует только часть полной модели для каждой задачи. Этот метод может значительно сократить количество требуемой энергии без ущерба для производительности.
О каких мощностях идет речь?
В 2023 году глобальные центры обработки данных потребляли около 500 тераватт-часов (ТВтч) электроэнергии. Этого достаточно для питания каждого дома в Калифорнии, Техасе и Флориде вместе взятых на целый год. К 2030 году это число может утроиться, и основным двигателем станет ИИ.
Для наглядности: средний дом использует около 30 киловатт-часов в день. Один тераватт-час в миллиард раз больше киловатт-часа. Это означает, что 1 ТВтч может обеспечить энергией 33 миллиона домов в течение дня.
Потребность ИИ в энергии опережает энергосеть
Потребность в ИИ растет быстрее, чем сеть энергоснабжения может адаптироваться. В США потребление электроэнергии центров обработки данных ожидается превысить 600 ТВтч к 2030 году, утроив текущие уровни. Для удовлетворения этого спроса требуется эквивалент добавления к сети 14 крупных электростанций. Каждый большой центр обработки данных ИИ может потреблять от 100 до 500 мегаватт (МВт), а самые крупные учреждения могут вскоре превысить 1 гигаватт (ГВт), что примерно равно мощности ядерной электростанции или небольшого штата США. Один центр обработки данных мощностью 1 ГВт может потреблять больше энергии, чем вся Сан-Франциско. Умножьте это на десятки кампусов по всей стране, и вы начинаете понимать, насколько быстро растет этот спрос.
Чтобы идти в ногу, утилиты по всей стране откладывают вывод из эксплуатации угольных электростанций, расширяют инфраструктуру природного газа и откладывают проекты чистой энергии. В штатах, таких как Юта, Джорджия и Висконсин, энергетические регуляторы утвердили новые вложения в ископаемое топливо, непосредственно связанные с ростом центров обработки данных. К 2035 году центры обработки данных могут потреблять 8,6% всего потребления электроэнергии в США, по сравнению с 3,5% сегодня.
Несмотря на общественные обещания поддержки устойчивости, технологические компании неосознанно способствуют возвращению ископаемых видов топлива. Для обычного человека этот сдвиг может привести к увеличению стоимости электроэнергии, напряжению на региональные энергоснабжения и осложнению целей штатов в области чистой энергии.
Смогут ли крупные технологические компании сдержать свои обещания о зеленой энергии?
Техногиганты Microsoft, Google, Amazon и Meta утверждают, что работают над будущим с нулевыми выбросами. Проще говоря, это означает балансирование количества выбросов парниковых газов, которые они выделяют, с количеством, которое они удаляют или компенсируют, идеально сводя свой чистый вклад в изменение климата к нулю.
Эти компании закупают большие объемы возобновляемой энергии для компенсации своего потребления и инвестируют в энергетические решения нового поколения. Например, у Microsoft есть контракт с стартапом по ядерному синтезу Helion на поставку чистой электроэнергии к 2028 году.
Однако критики утверждают, что эти покупки чистой энергии не отражают реальности на месте. Поскольку сеть является общей, даже если технологическая компания покупает солнечную или ветровую энергию на бумаге, ископаемые топлива часто заполняют пробел для всех остальных.
Некоторые исследователи считают, что этот подход более выгоден для учета компании, чем для прогресса в области климата. Хотя цифры могут выглядеть чисто в отчете о выбросах компании, фактическая энергия, питающая сеть, все еще включает уголь и газ. Microsoft, Google и Amazon обещали питать свои центры обработки данных на 100% чистой энергии, но поскольку сеть общая, ископаемые топлива часто заполняют пробел, когда возобновляемые источники энергии недоступны.
Некоторые критики утверждают, что только добровольные обязательства недостаточны. В отличие от традиционных отраслей, нет стандартизованной регулирующей структуры, требующей от технологических компаний раскрывать подробную энергопотребность от операций с ИИ. Эта недостаточная прозрачность затрудняет отслеживание того, переводятся ли зеленые обещания на практике, особенно по мере переноса рабочих нагрузок на подрядчиков или зарубежные операции.
Будущее чистой энергии для ИИ и его ограничения
Для удовлетворения растущих потребностей в энергии без ухудшения выбросов техногиганты инвестируют в передовые энергетические проекты. Среди них могут быть малые ядерные реакторы, построенные непосредственно рядом с центрами обработки данных, глубокие геотермальные системы и ядерный синтез.
Несмотря на перспективность, эти технологии сталкиваются с огромными техническими и регулирующими препятствиями. Например, синтез до сих пор не достигал коммерческого уровня окупаемости, что означает, что он еще не производил больше энергии, чем потреблял. Даже самые оптимистичные эксперты говорят, что мы можем не увидеть масштабируемого синтеза до 2030-х годов.
Помимо технических барьеров, у многих людей есть опасения относительно безопасности, стоимости и долгосрочного управления отходами новых ядерных систем. Хотя сторонники утверждают, что эти конструкции безопаснее и эффективнее, обществен
