近日，资深电子工程师比尔·施韦伯（Bill Schweber）在EEtimes上发表了标题为《人工智能计算实际上需要多少电力？1》的文章。作者深耕技术领域多年，在本文中，他通过探讨人工智能（AI）计算所需的电力消耗，引发了对未来AI发展中能源需求的思考和讨论。中国出海半导体网今日将跟您一同来读一读这篇文章。
文章一开头，施韦伯巧妙地引用了著名棒球运动员Yogi Berra的经典话语：“预测未来非常困难”，直接点出人工智能未来的电力需求尚不可知的事实。尽管这个问题被广泛讨论，但实际答案充满不确定性。作者批判了当前一些市场研究和媒体报道通过不完整的数据或推断，制造关于电力短缺的恐慌性结论，如高盛、彭博社、国际能源署等发布的预测。
施韦伯指出，这些预测通常依赖于“趋势延伸法”，即将现有趋势简单延续至未来，忽视了现实中的技术拐点、市场事件和不可预测的因素。特别是媒体常用此类预测引发焦虑，以吸引更多关注和资金支持。即使个别报告中提到的“ChatGPT比谷歌搜索消耗更多电力”的数据，在没有整体背景的情况下，也容易误导公众。
作者并非完全否定人工智能在未来可能增加电力消耗的可能性，但他强调，AI算法及其相关硬件芯片正不断变得更高效。例如，谷歌新一代TPU处理器的效率显著提升，且训练AI模型的能耗较2016年下降了数百倍。施韦伯认为，虽然AI电力需求确实值得关注，但其增长速度和规模并未达到“即将吞噬全球”的程度。
对人工智能电力消耗的合理解读
文章中的一个关键观点在于，虽然人工智能的电力消耗是个潜在问题，但并不意味着其影响会如一些预测所声称的那样巨大和不可控制。施韦伯列举了Koomey定律的例子，说明计算机效率的进步可能会抵消部分能源需求增长。此外，AI技术的电力需求目前在全球总电力消耗中的比例并不大，数据中心的电力消耗虽然在上升，但人工智能占比相对较小。
同时，作者指出，市场中还存在许多未知因素，可能对电力消耗产生重大影响，例如技术突破、社会政治环境变化等。这些因素都无法通过当前的预测模型进行精确计算。因此，施韦伯建议我们不应过度依赖现有的数据点来推断未来。
图：“数字中心”电力消耗可分为三大部分：传统数据中心、加密货币挖矿和专用 AI 设施。（来源：IEA via SemiAnalysis）
反思与个人见解
在解读Schweber的文章时，我认为他的观点不仅在技术层面上有着深刻的洞察力，而且触及了未来技术发展的不确定性。这种不确定性不仅仅体现在人工智能对电力的需求上，也反映了技术预测中的一大难题——我们往往只能基于当下的数据和趋势去推测未来，却难以预见技术突破可能带来的巨大变化。
文章在引用了许多数据和预测后，特别强调了Koomey定律的作用。我认为这一点特别值得深思。随着计算设备和AI芯片的效率不断提升，未来数据中心和AI运算的电力需求可能不会以线性增长的方式攀升，而是以一种更加复杂的曲线形式发展。换句话说，尽管AI应用在急速扩展，电力消耗的增幅却可能被更高效的技术所抵消。这种可能性表明，过于依赖现有趋势进行预测，尤其是那些忽视技术进步可能性的预测，往往是不全面的。
另一个值得深入探讨的点是Schweber提到的技术、政治和社会因素如何影响人工智能电力需求的未来。AI技术的普及和推广不仅仅是一个技术问题，还涉及到全球能源政策、供应链管理以及市场的实际需求。例如，某些国家可能在未来制定更严格的能源政策，推动AI和数据中心采用更加节能的技术。同时，技术供应链的变化，比如新的半导体材料的应用，也可能显著影响AI计算的能源效率。
更重要的是，AI技术的扩展将逐步进入更广泛的行业领域，如工业制造、医疗、自动驾驶等，而不仅仅局限于数据中心。这意味着，未来AI技术的电力消耗将更具分散性，并且可能会被各种行业需求所分摊。因此，在讨论AI的电力消耗时，不能仅仅聚焦于数据中心，而应当综合考虑整个生态系统中各个行业的电力使用情况。
最终，Schweber提到的Herbert Stein的“不可持续的事情终将停止”的观点，进一步强化了对未来电力需求的谨慎态度。的确，当前许多关于AI电力消耗的预测往往基于“直线延伸”的思维模式，而忽略了技术、政策和市场的拐点。这种线性预测方式虽然便于理解，但很难涵盖复杂的现实世界。正如文章所言，短期未来往往并不像聪明人所预期的那样展开。
从这一点来看，Schweber的文章提醒我们，在评估AI对电力需求的影响时，不应轻易接受那些带有恐慌情绪的预测，而应更多地关注技术进步和政策变化带来的平衡效果。作为一个从业者或观察者，我们需要时刻保持对技术进步的开放态度，警惕过度夸大的言论，始终坚持用批判性思维去分析未来可能的趋势。这不仅适用于人工智能领域，也适用于整个半导体行业及其他技术驱动的产业。
总之，Schweber的文章提供了一个理性、务实的视角，提醒我们在面对未来技术发展的不确定性时，要保持审慎的态度。这对任何关心AI及其相关能源需求的人来说，都是一个值得借鉴的观点。
总结
Bill Schweber的《人工智能计算实际上需要多少电力？》通过清晰的逻辑和详实的数据分析，揭示了当下有关AI电力消耗问题的争议和困惑。他提醒我们不要被过度夸大的预测所误导，而是应理性地看待AI技术未来的发展及其对电力需求的影响。对于读者而言，这篇文章是一种富有启发性和现实指导意义的阅读体验，促使我们更加理性地看待技术进步带来的挑战与机遇。点击阅读英文版原文：How Much Power Will AI Computing Actually Require?
