Blog
數據中心之殤：人工智慧時代的隱憂與挑戰
數據中心之殤：人工智慧時代的隱憂與挑戰
March 4, 2024
重點摘要：
- 數位技術的能源消耗及水資源需求遠不如想像中的微不足道，數據中心的運作消耗大量電力和水資源。
- 機器學習對GPU的需求增加了數據中心的能源消耗，而人工智慧模型的訓練導致了更大的水資源使用量。
- 人工智慧產業面臨能源危機，政府和立法機構開始關注其環境足跡，提出法案監管人工智慧系統的能源消耗和影響。
新聞內文：
數位技術的一個最具有誤導性的神話之一是，它在某種程度上是輕巧或無形的。還記得早期關於「無紙化」辦公室和「無摩擦」交易的談話嗎？當然，雖然我們的個人電子設備確實使用了一些電力，但與洗衣機或洗碗機相比，這只是微不足道的。然而，相信這個令人舒適的故事可能無法在Kate Crawford的開創性著作《人工智慧地圖》或她與Vladan Joler共同創作的引人注目的《人工智慧系統解剖圖》中生存下來。當然，這也不會在訪問數據中心時生存下來——這些巨大的金屬棚屋容納著成千上萬甚至數十萬台不斷運轉的服務器，消耗大量電力並需要大量水進行冷卻。
在能源方面，以愛爾蘭為例，一個小國家擁有大量數據中心。根據愛爾蘭中央統計局的報告，2022年，這些棚屋消耗的電力（18％）超過了該國所有鄉村住宅的總和，並與所有愛爾蘭城市的住宅一樣多。就水消耗而言，倫敦帝國學院2021年的一項研究估計，一個中型數據中心的用水量相當於三個平均大小的醫院。這是一個有用的提醒，即儘管這些工業棚屋是“雲計算”這個隱喻的具體體現，但它們並不會飄渺或柔軟。如果你曾經想親眼看看，那就忘了吧：進入美國金庫會更容易些。
現在全球有大約9000到11000個這樣的數據中心。其中許多看起來已經有些過時，因為它們是舊式的服務器農場，有數千或數百萬台廉價的PC存儲著智能手機時代大量生成的所有數據——照片、文件、視頻、音頻錄製等。
但這將發生變化，因為工業對 AI（即機器學習）的瘋狂需求意味著“雲”計算的物質性將變得越來越難以忽視。為什麼呢？嗯，機器學習需要一種不同類型的計算機處理器——圖形處理單元（GPU）——這種處理器比傳統處理器複雜得多（並且更昂貴）。更重要的是，它們還會產生更多熱量，並且需要更多的能源。
在冷卻方面，Kate Crawford 在上周發表在《自然》期刊上的一篇文章中指出，服務於 OpenAI 最先進模型 GPT-4 的一個巨大數據中心集群位於
愛荷華州。Crawford寫道：“當地居民的一場訴訟揭示，在2022年7月，即OpenAI完成訓練模型的前一個月，該集群使用了該地區約6％的水量。隨著Google和微軟準備他們的Bard和Bing大型語言模型，兩家公司的水使用量都大幅增加——根據這些公司的環境報告，在一年內分別增加了20％和34％。”
在科技行業內，AI面臨能源危機是眾所周知的，但直到今年一月在達沃斯的世界經濟論壇上，其中一位領袖才終於坦誠面對了這一點。OpenAI的老板Sam Altman警告說，下一波生成式人工智慧系統將消耗比預期多得多的能源，並且能源系統將難以應對。他說：「沒有辦法在沒有突破的情況下實現這一目標」。
什麼樣的「突破」呢？當然是核聚變。恰巧，Altman先生投資於Helion Energy，這家公司於2021年成立。
至於冷卻方面，似乎失控的人工智慧也面臨著挑戰。無論如何，加利福尼亞大學河濱分校的科學家最近在arXiv預印本服務器上發表的一篇論文估計，全球人工智慧的「運行用水量」（從地表或地下水源中取水）在2027年可能達到42億至66億立方米，這比英國的一半的年用水量還要多。
考慮到所有這些，你可以理解為什麼人工智慧行業對其可能的能源和冷卻需求不太情願坦白。畢竟，市場正處於泡沫中，尷尬的事實可能會引發破裂。因此，很高興能夠報告，他們可能很快就會被迫開放。在美國，一群參議員和眾議員已經提出了一項法案，要求聯邦政府評估人工智慧的當前環境足跡並制定一個標準化的報告未來影響的系統。而在歐洲，歐盟的AI法案即將生效。在其他方面，該法案要求「高風險人工智慧系統」（其中包括推動ChatGPT和類似人工智慧的強大「基礎模型」）在其整個壽命中報告其能源消耗、資源使用和其他影響。
新聞原址： https://www.theguardian.com/commentisfree/2024/mar/02/ais-craving-for-data-is-matched-only-by-a-runaway-thirst-for-water-and-energy