智庫建議
張雅欣 木其堅 | 人工智能的能耗影響、挑戰及有關建議
| |||||
| |||||
摘要：人工智能大模型技術引領的新興產業發展正成為全球新一輪科技革命和產業競爭的新高地、新賽道。我國牢牢把握這一戰略機遇，推動新一代人工智能模型成為新質生產力的典型代表，實現全產業高質量發展。然而，人工智能模型性能發展所依托的模型參數擴張、訓練次數升級以及伴隨著的使用頻率躍增，已然導致算力需求和能源消費過快增長。在當前嚴峻的節能形勢背景下，人工智能的能耗問題與節能工作之間的潛在矛盾備受關注。鑒于此，本文對人工智能的能耗影響及挑戰進行了測算分析，認為人工智能產業能耗的長期影響總體可控，但短期局部影響仍然突出，或與節能工作形成沖突，建議從強化產業發展要素保障、摸排產業發展情況、建立綠色低碳管理機制、深化“東數西算”格局四個方面，推動人工智能產業綠色低碳發展。 一、研究背景 以大模型為代表的人工智能技術和產業已成為當今經濟社會發展的重要支撐，發展新一代人工智能大模型是加快形成新質生產力、培育經濟發展新動能、贏得全球科技競爭主動權的戰略抓手。自2020年起，人工智能由傳統的“判別式小模型”轉向更為先進的“生成式大模型”，代表性功能也從人臉識別、目標檢測、文本分類升級到如今的文本生成、圖像生成、語音生成、視頻生成等。 人工智能大模型計算系統通常由深度神經網絡構建而成，具有萬億量級參數規模和復雜計算結構，能夠根據已學習的內容進行基礎性地判斷以及創造性地生成新內容。其中，語言類和圖像類任務大模型應用場景較為廣泛，正成為當前人工智能技術研究和應用的熱點方向。具體而言，語言類任務大模型主要用于理解和生成自然語言文本，處理諸如文本分類、問答系統、文字生成等文字任務，代表性模型有OpenAI公司發布的ChatGPT、百度公司發布的文心一言等。圖像類任務大模型則主要用于處理和理解圖像內容，執行諸如圖像分類、目標檢測、圖像生成等視覺任務，代表性模型包括OpenAI公司的DALL-E、智譜人工智能研究院的CogVLM等。 隨著人工智能技術的快速發展，其背后的算力支撐和電力供應變得愈發關鍵。算力，即單位時間內處理數據或信息的能力（FLOPS），主要以計算機設備、數據中心、智算中心等算力基礎設施作為運行載體，而電力則為其提供必要的能源支撐，以確保算力的穩定高效運行。由于人工智能技術的快速發展高度依賴于模型參數規模擴大、訓練次數升級以及伴隨著的使用頻率躍增，算力需求和能源消耗呈現快速增長態勢，也由此引發了一系列關注。然而已有研究多聚焦于能耗總量分析，鮮有深入探討其時空分布特點以及結合節能工作形勢全面分析能耗挑戰。為此，本文以語言類和圖像類大模型兩類人工智能大模型為代表對人工智能能耗進行了測算，并結合時空分布以及節能工作形勢分析了人工智能能耗帶來的挑戰，最后從要素保障、產業摸底、管理機制、戰略格局等維度提出了政策建議，以期為我國人工智能產業綠色低碳發展提供有力支撐。 二、研究方法與數據 本研究基于人工智能領域相關政策文件、研究報告、學術文獻等最新信息，構建了以語言類大模型和圖像類大模型能耗情況為代表的人工智能大模型能耗計算方法，并對我國人工智能發展的能耗影響進行了測算分析。 （一）大模型總能耗現狀測算 當前中國人工智能大模型總能耗主要由語言類大模型總能耗和圖像類大模型總能耗構成（受限于數據可得性，以2023年大模型發展情況對其能耗水平現狀進行測算），如式1所示：
（二）數據來源 計算過程的參數設置與數據來源如下表所示。在人工智能大模型能耗現狀計算方面，主要參數包括每天訪問人數、人均問題數、問題平均字數等。其中，每天訪問人數、語言類大模型訪問量市占率、圖像模型與語言模型訪問量市占率比例均來自非凡產研[1]的2024年度報告。單字平均GPU響應時間數值來自Pointon（2022）[2]，即0.35秒/字。根據Patterson等人[3]的研究結果，GPU功率為400瓦特。基于Luccioni & Jernite（2023）[4]，語言類大模型訓練和推斷階段的能耗比例為2:3，圖像任務能耗與語言任務能耗比例為30：1。中國現有大模型總數來自中國信通院（2023）[5]。在計算2023年人工智能電耗與能耗占全國電耗與能耗比重時，所使用的2023年全國全社會用電量數據來源于中國電力企業聯合會（2024）[6]，2023年中國能源消費總量數據來源于國家統計局發布的年度報告[7]。此外，人均問題數與問題平均字數均基于行業常規均設置為30個。 在人工智能大模型能耗預測計算方面，主要參數包括算力能耗規模年復合增長率、增長年數等。其中預測增長年數設定為7年。算力能耗規模年復合增長率的高低值數據分別參考金融界于2024年[8]發布的研究報告與國務院新聞辦公室在2023年[9]的公開數據。在計算2030年人工智能電耗及能耗占全國比重時，所使用的2030年全國全社會用電量和能耗預測值分別來源于中電聯規劃發展部（2021）[10]和國家發展改革委&國家能源局（2016）[11]。此外，全國人工智能產業增加值數據來自于中國信通院（2023）[12]和艾瑞咨詢（2024）[13]。 表1 參數設置及數據來源
三、人工智能的能耗影響 （一）人工智能能耗 測算結果顯示，2023年我國以語言類和圖像類模型為代表的人工智能大模型能耗分別為73億和274億千瓦時。兩類模型能耗合計達到347億千瓦時，折合成標準煤約為426萬噸，占全國電力消費的0.30%，占全國能源消費的0.07%。 為進一步分析人工智能的未來能耗影響，以算力能耗復合增長率為關鍵參數，設定了保守增長和快速增長兩種預測情景。結果顯示，到2030年人工智能大模型預計將消耗全國1.93%-5.25%的電力，占全國能源消費的0.45%-1.21%。具體來說，在保守增長情景下，預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測，預計電力消耗和能源消費占比將分別升至5.25%和1.21%。需要說明的是，以上結果僅反映了人工智能大模型領域的算力能耗需求。隨著人工智能產業的不斷發展，未來可能會出現更加復雜多樣的人工智能模型和應用場景，這也意味著能耗影響將在一定程度上呈現持續增長趨勢。 （二）人工智能能耗影響的時空分布 算力基礎設施是支撐人工智能產業發展的重要底座，因而人工智能技術研發與產業發展所需能耗會隨著算力基礎設施布局和應用而出現鮮明的時空特點。 從時間分布上看，人工智能能耗呈現“夏冬高，春秋低”的季節性波動規律。季節性氣溫變化是影響算力基礎設施能耗的關鍵因素，例如夏季溫度升高導致數據中心需要依賴大量冷卻設備和電力來維持設備正常運行的環境溫度，大大增加了能源消耗；而冬季嚴寒氣溫下，數據中心需要額外的能源來保持適宜的室內溫度，以防設備因低溫而出現性能下降。 從空間分布上看，我國“東數西算”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、內蒙古、貴州、甘肅、寧夏八大算力樞紐節點，并依托樞紐節點規劃張家口集群、蕪湖集群、長三角生態綠色一體化發展示范區、韶關集群、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據中心集群。隨著算力基礎設施樞紐節點和數據中心集群的建設與發展，人工智能的能耗壓力將主要轉移至這些集中區域。 四、人工智能能耗影響帶來的挑戰 （一）長期影響總體可控 長期來看，人工智能產業發展對全國總體能耗影響相對有限。具體來說，到2030年，我國人工智能產業電力消費預計達到2177-5928億千瓦時，折合標準煤約為2675-7283萬噸。然而，從能耗占比來看，人工智能產業能耗僅占全國能源消費總量的0.45%-1.21%，遠小于當前建筑業、紡織業、化工行業等1行業的能耗占比。從能耗強度來看，當前人工智能產業能耗強度為0.08-0.22噸標準煤/萬元，遠低于全國平均能耗強度水平。由此，人工智能產業能耗對于全國能源消費總量的長期影響總體可控，對全國能耗強度目標完成情況的影響相對有限。 （二）短期局部影響突出 短期而言，人工智能技術的迅猛發展可能帶來顯著的季節性、局域性用能壓力。一方面，由于季節性氣溫變化，如夏季高溫和冬季嚴寒，算力基礎設施需要額外的能源消費用以保障其穩定運行。在夏冬季能源供需本就偏緊的情況下，算力基礎設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“東數西算”工程一體化算力網的推進，人工智能能耗影響主要集中在京津冀、長三角等東部地區，以及甘肅、內蒙古等西部省份。結合東、西部地區的能源供需差異來看，這種空間分布可能導致能源供應“東部吃緊，西部過剩”的局面發生，不僅影響能源利用效率，也可能成為區域經濟協調發展的掣肘因素。 （三）人工智能短期能耗影響或與節能工作形勢形成沖突 近年來，我國能源消耗總量持續較快增長，能耗強度降幅收窄，部分地區能耗強度下降不及預期，使得“十四五”后期完成節能目標和“十五五”期間開展節能工作面臨一定的難度和挑戰。而人工智能在短期引發的季節性、局部性能耗壓力可能與當前嚴峻的節能形勢形成沖突。部分地區可能受限于節能指標完成空間，或出于能源保供的考慮，在項目能評、環評階段加強對數據中心類項目的審批管理，甚至采取限制措施。例如，地方政府在數據中心類項目能評中多以數據中心的電能利用效率（Power Usage Effectiveness，PUE）2為主要監管抓手，并持續收緊相關標準。目前，北京、上海等地對于新建數據中心PUE的審批要求已經提升至1.15-1.3，遠遠嚴于歐美國家平均水平（1.4-1.5）。 五、有關意見建議 （一）強化人工智能戰略產業發展的要素保障 根據測算結果來看，人工智能對全國能源消費的整體影響有限，但其時空分布相對集中。鑒于當前節能工作形勢的嚴峻性，節能減排指標壓力可能對人工智能項目的審批建設周期造成一定影響，增加項目延誤延期風險，不利于我國人工智能產業在全球競爭中搶奪發展先機。因此，我國應緊密結合人工智能戰略產業發展趨勢，進一步加大對其關鍵要素的保障力度。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項目列入國家重大項目能耗單列范圍，為產業發展預留充足的用能空間。另一方面，加強對算力樞紐節點、數據中心集群等人工智能算力集中部署地區的能源供給保障，提升電源匹配和電網支撐能力，推動建立“算電協同”體制機制，確保人工智能產業穩健發展。 （二）摸排人工智能產業情況調研 全面把握人工智能產業現狀是優化產業發展指導和加強要素保障的重要前提。因此有必要由國家有關部門牽頭，集合相關領域研究機構、行業專家力量，開展針對國內重點地區的人工智能產業調研工作。通過實地走訪相關企業和項目，系統摸排人工智能企業運營現狀、項目進展情況、技術創新方向等方面情況，并選取具有代表性的企業及項目，進行定期人工智能企業能源消費情況的監測分析，為精準研判產業能源消費形勢、科學引導人工智能產業發展提供堅實的數據基礎。 （三）探索建立人工智能產業的綠色低碳管理機制 推動人工智能項目能耗指標單列并不意味著“一放了之”，而應在給予充足要素保障的同時，緊抓人工智能產業發展戰略窗口期，積極引導其產業向綠色低碳方向轉型升級。因此，有必要加快探索建立適用于我國人工智能產業發展的綠色低碳管理機制。首先，廣泛調研國內外人工智能產業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驗。其次，采取行業標準、獎勵資金、分級評價等管理措施，從人工智能模型優化、芯片效率及算法效率提升、數據中心綠色架構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作為試點，通過地區先行先試積累人工智能產業綠色低碳管理經驗，以高標準推動人工智能產業綠色低碳發展。 （四）深化“東數西算”的空間格局 人工智能產業的快速發展意味著需要更強大的計算能力和更高速的存儲系統作為支撐。在土地、能源等資源緊張的形勢下，東部地區大規模發展數據中心已顯困難。因此，有必要進一步深化“東數西算”戰略，統籌算力電力協同布局，引導人工智能項目所依托的對延時要求不高的算力基礎設施優先布局于西部地區，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，進而強化“數據向西，算力向東”的規模化、集約化發展空間格局，實現資源的高效配置與促進人工智能產業的協調發展。 備注： 1 受限于數據可得性，此處選取2021年行業能耗情況進行計算，2021年建筑業、紡織業化學原料及化學制品制造業的能源消費量分別為7932、9608和28961.13萬噸標準煤，分別占全國能源消費的1.51%、1.83%和5.5%。 2 PUE是數據中心總能耗與IT設備能耗的比值，基準是2，數值越接近1代表其用能效率越高。 參考文獻 [1] 非凡產研. 中國AI市場突破巨大：月之暗面訪問量翻倍，文心一言獨立訪客超285萬[EB/OL]//騰訊網. (2024-03-15). https://new.qq.com/rain/a/20240315A07LZH00. [2] Pointon C. The carbon footprint of ChatGPT[EB/OL]. (2022-12-23). https://medium.com/@chrispointon/the-carbon-footprint-of-chatgpt-e1bc14e4cc2a. [3] Patterson D, Gonzalez J, Le Q, et al. Carbon Emissions and Large Neural Network Training[J]. 2021. [4] Luccioni A S, Jernite Y, Strubell E. Power Hungry Processing: Watts Driving the Cost of AI Deployment?[M/OL]. arXiv, 2023[2024-03-29]. http://arxiv.org/abs/2311.16863. [5] 中國信通院. 中國數字化綠色化協同轉型發展進程報告[R/OL]. 中國信通院, 2023. http://www.caict.ac.cn/kxyj/qwfb/ztbg/202311/t20231110_465548.htm. [6] 中國電力企業聯合會. 2023-2024年度全國電力供需形勢分析預測報告[R/OL]. 中國電力企業聯合會, 2024. https://www.cec.org.cn/detail/index.html?3-330280. [7] 國家統計局. 中華人民共和國2023年國民經濟和社會發展統計公報[R/OL]. 國家統計局, 2024. https://www.gov.cn/lianbo/bumen/202402/content_6934935.htm. [8] 金融界. 中金預測2025年中國數據中心能耗或破4000億千瓦時[N/OL]. 2024-03-22. https://baijiahao.baidu.com/s?id=1794182877594817313&wfr=spider&for=pc. [9] 新華社. 行業報告： 中國人工智能計算能力將實現強勁增長[R/OL]. 國務院新聞辦公室, 2023. http://english.scio.gov.cn/chinavoices/2023-11/30/content_116848686.htm. [10] 中國電力企業聯合會. 電力行業碳達峰碳中和發展路徑研究[R]. 2021. [11] 國家發展改革委, 國家能源局. 能源生產和消費革命戰略（2016~2030）: 發改基礎〔2016〕2795號[R/OL]. 國家發展改革委和國家能源局, 2016. https://www.ndrc.gov.cn/xxgk/zcfb/tz/201704/t20170425_962953.html. [12] 新華網. 核心產業規模超五千億元 人工智能釋放“智慧動能”[EB/OL]. (2023-02-10)[2024-04-29]. http://www.xinhuanet.com/info/20230210/aad5c1b9c0de4a13bbd097e98806ab30/c.html. [13] 艾瑞咨詢. 2023年中國人工智能產業研究報告 (VI)[R/OL]. (2024-04-18)[2024-04-29]. https://report.iresearch.cn/report/202404/4336.shtml. | |||||
相關鏈接
- 對我國生物技術創新能力的評估2024-09-03
- 特朗普如何塑造21世紀美國貿易政...2024-08-28
- 近年來全球產業鏈供應鏈的五種趨勢2024-08-13
- 鐘瞻妍 | 房地產系列研究之三：...2024-08-06