?!DOCTYPE html>
目前Q业界就人工巨大的能源需求发Z一些可怕的警告Q称其ؓ(f)气候变化的下一个大威胁Q但新的芯片技术,甚至人工本nQ都可能有助于控制h工智能的?sh)力消耗?
在最q于旧金׃D行的一ơ会(x)议上Q半g行业大型供应商Applied Materials的首席执行官加里·q克?Gary Dickerson)发表了一个大胆的预测。他警告Uͼ׃材料、芯片制造和设计斚w~Z重大创新Q到2025q_(d)数据中心的h工智能运转可能占全球用电(sh)量的十分之一?
今天Q世界上C百万计的数据中心所占用的用?sh)量q不?%——这个统计数据包含了在它们庞大的服务器阵列上处理的各U工作负载。Applied Materials估计Q运行h工智能的服务器目前只占全球电(sh)力消耗量?.1%?
其他的科技公司高管也发Z警告。华为的安d斯安L(fng)(Anders Andrae)认ؓ(f)Q到2025q_(d)数据中心最l可能消耗全球十分之一的电(sh)?Q不q他的估涵盖了数据中心的所有用途,而不仅仅是h工智能?
落基qI所的特别顾问乔Ux·库米(Jonathan Koomey)则相对乐观。他预计Q尽h工智能相x动呈井喷式增长,但数据中心的能源消耗在未来几年仍将保持相对q稳?
q些大相径庭的预突昑ևQh工智能对大规模计未来的影响以及(qing)对能源需求的最l媄(jing)响存在着不确定性?
毫无疑问Qh工智能电(sh)力消耗非常大。训l和q行像深度学?fn)模型这L(fng)东西需要处理大量的数据Q因而占用内存和处理器。h工智能研I机构OpenAI的一研I表明,驱动大型人工模型所需的计能力已l每三个半月M番?
Applied Materials自己也承认,它的预测是一U最p糕的情况,意在H出~Z软硬件新思维可能?x)造成的状c(din)该公司的企业战略和市场情报ȝ桑_普·巴吉卡?Sundeep Bajikar)表示Q公司假定,随着旉的推U,被用来训lh工智能模型的信息l合会(x)发生改变Q相对于文本和音频信息,视频和其他图像的占比会(x)攀升。视觉数据的计算量更大,因此需要消耗更多的能量?
随着自动N汽R和嵌入其他智能设备的传感器等讑֤的兴P人工模型q将要处理有更多的信息。超高?G无线q接的普?qing),得数据更?gu)在数据中心之间传输?
巴吉卡尔指出Q这些趋势和其他的趋势突昑ևQ业界迫切需要ؓ(f)人工时代带来材料和制造技术方面的创新。一些研Ih员认为,人工极大的电(sh)力消耗甚臛_能变成一个重大的环境问题Q马萨诸塞大学阿姆赫斯特分校的研I小l最q发表的一研I显C,训练几款受欢q的大型人工车型Q所引发的废气排N几乎是美国汽车用寿命期内的q_排放量的五倍?
但?zhn)观的预测忽略了几个可能限制h工智能电(sh)力消耗的重要q展。其中之一是由Facebook和亚马逊等公司开创的“超大规模”数据中心的兴v?
q种数据中心使用大量专门为特定Q务定制的基本服务器阵列。这些机器比传统数据中心的服务器更加节能Q因为后者需要处理更q泛的功能。当前向大规模数据中心的过渡,再加上冷却和其他技术的q步Q是q去几年新数据中心的能源消耗基本上被运转效率提高所抉|的一个重要原因?
新型微芯片也?x)有所帮助。Applied Materials的预假定,人工的工作负载将l箋在现有硬件上q行Q这些硬件的效率在未来几q将?x)逐步提高。但许多的初创企业以?qing)英特尔、AMD{大公司Q都在开发利用光子学{技术的、节能性大q提升的半导体,来驱动神l网l和其他的h工智能工兗?
库米表示Q危a耸听的预也忽略了一点:(x)对于某些cd的h工智能Q务,比如模式识别Q模型提供粗略输出结果就_了。这意味着能量不需要将计算l果扩展到小数点后数百位?
h讽刺意味的是Q对人工功耗限制A(ch)献最大的实际上可能是人工本n。谷歌已l在使用?014q收购的DeepMind开发的技术,来更有效地冷却它的数据中心。通过向hcL作员提出Qh工智能已l帮助该公司削减?0%的冷却费?现在它能有效地独立运行数据中心的冷却pȝ?
人工q将用于优化数据中心q营的其他方面。而且Q就像谷歌在冷却斚w的成果一Pq将使得各类工作负蝲受益。这q不意味着Q数据中心最l不?x)因为对人工法的需求不断增长而消耗更多的能量Q但q是当下做出预测如此困难的又一个原因?
来源Q网易科技